前幾天,有機會聆聽玉山銀行經理分享「資料科學家」的演講題目。資料科學家與大數據,是最近科技文章與經常提到的詞彙,但是實體的應用與目前的進程,一般人依舊沒有機會釐清,但進入大數據的世界前,對於不同身份的玩家,有一些不同的心態需要建立:
To 企業,玩Big Data,你玩真的嗎?
玉山銀行經理分享中,可以看得出玉山銀行是玩真的,用什麼方式下方再敘述。但如果一間企業,認為做Big Data分析,只是找學過統計的MBA來組成專案小組,然後就可宣揚企業善用Big Data進行決策,那只是紙上談兵,因為最後還是沒有發揮Big Data的真義。
對企業來說,Data的運用與資料科學家的運用,關鍵在於是否建立的「模組」可以「預測」所謂的「商業行為」。讓企業決策更快,更有效,減少資源與時間的耗費。而建立模組的時間成本、人力成本、審查成本,高得驚人,在沒有堅定的信念下,容易被初期的困難所箝制,進而放棄,因此,在投入Big Data之前,了解進入後的規劃與應用層面,做足功課,否則到頭來一場空。
Big Data不是什麼時尚的詞彙,它需要腳踏實地融入企業文化。
To 職場的你,統計,可是無所不在
演講開頭,經理提供一段影片,介紹「統計無所不在」的概念。我們生活中大部份的事件,都是統計學計算後執行的結果,包含交通系統、行政系統、庫存系統、氣象觀測等等。但在校園,我們確實忽略了對統計觀念的重視與練習。
對職場人士或大學新鮮人,這是一塊藍海,只要懂得使用工具,例如SAS或其他工具。熟稔之後,進入企業勢必受到重用,因為統計學的運用,在企業決策與經營上有著相當重要的地位,但必須慎選企業,因為並非每間企業都了解數據的重要性與如何運用。
To 新創團隊,資料的敏感度,融入企業文化
創業家與Big Data有什麼關係?這裡要談的不是如何用Big Data讓Business Model更Valuable,畢竟創業初期,連Model雛形都還在摸索中,所以,重視「資料敏感度」進而將資料轉化為創業過程中的參考指標,這種文化與習慣,在創業初期就應該具備,數據說的話,比人更準確且有說服力。
養成數據監控的習慣,存貨週轉率、應收帳款收轉率、平均顧客停留時間等等,依照不同行業別有不同關鍵指標,找到關鍵指標,建立屬於自己團隊的分析與預測模型。
金融業如何運作Big Data
「顧客行為的預測」,一語概括金融業如何應用資料。如何預測這個客戶是否將來違約?或是貸款給這個人,他償還貸款的機率有多高?在作出是否貸款給該客戶的決策。而這樣的Model,必須要有完善的「模組」以及「資料庫」。
假設需要推出一款新的金融商品,銀行在擁有資料科學家的運作下,一個月不到就可以從資料庫中設計適用的模組,進行該商品的預測,進而決定應該對哪些客戶進行推廣,無形地省下非常多推銷成本,透過模組,可以清楚知道哪些客戶,最有可能需要新推出的金融服務。
如何培養資料科學家
由玉山銀行的例子,資料科學家並非只是每日專研資料、研究數學模型,而是必須處在業務端與資料端,俱有整合雙重能力的人。因為資料科學家所設計的模組,必須可以被業務端所運用,也就是了解客戶的需求與形態。
因此,玉山銀行在培養資料科學家,至少需耗費六年以上,才能培養一位獨當一面,俱有利用資料處理企業問題的資料科學家。
Big Data與ROI
Big Data既然在企業內的運用是提升企業獲利能力,那勢必在財務表現上是可預期的,但美國一篇文章(Big Data ROI still hard to measure)指出,高達85%的企業主管認為Big Data是「重要的且可以協助做出正確商業決策」,但只有23%主管認為這些Big Data小組是「成功且有幫助」,52%主管認為「也許有幫助」。問題在哪裡?問題在於因為建立模組與資料庫的成本太高,導致這些專案的價值根本無法反映在ROI上,因此企業投入的成本,隨著時間經過,邊際效益遞減,最後Big Data將又被淡忘。
但,了解其中機會的創業家與企業,甚至個人,絕對有機會在這波風潮中,打下一片江山。如同美國視訊串流Netflix,利用大數據分析製作出相當成功的影集「紙牌屋」。
科技熱潮天天有,但是否可以駕馭在潮流中佔有一席之地,定奪在一念之間。
圖片來源:Marius B