什麼情況下需要技術型CEO重出江湖?
什麼情況下需要技術型CEO重出江湖?
2014.10.19 | 技能

編者按:本文為著名投資機構GRP Partners合夥人Mark Suster所著。

什麼時候應當讓一個專門的執行長來打理公司?

這個問題已經有太多人在談論了。矽谷眾多的創辦人在發現自己淺薄的經驗將直接限制公司的發展時就意識到了這個問題。

那麼,什麼時候應當讓一個技術型執行長來打理公司?

似乎沒有多少人在討論。

enter image description here

然而如果你對最近幾年市場上的變化敏感一些的話,你會發現技術是其中最重要的因素。Larry Page 回歸Google,擔任執行長,就是一個典型的例子。

問題是,Google 明明已經有了Eric Schmidt。為什麼還需要Larry Page?

我覺得,Google 是受了矽谷的技術型新領袖——Mark Zuckerberg 的刺激。

世界變化的太快了,網路領域的快速發展讓Mark Zuckerberg 有機會劃著自己輕盈的小舟超過身邊一艘艘笨重的、官僚的、傳統網路行業的大遊輪。Larry Page 的回歸,似乎是Google 在簡化機構、增強創新力和競爭力方面的一次努力。

Larry Page 的回歸並不是矽谷唯一的案例。Steve Jobs 或許是最知名的一個例子了。但Steve Jobs 不太算「技術型CEO」的回歸,因為他代替的人——John Scully,本身就技術能力十足。

近來我們越來越多的看到類似Matte Mullenweg(WorldPress 的創辦人)8 年之後繼任公司執行長 這樣的情況。

我們似乎可以看到這樣一個慢慢成型的模式:先是專業的企業管理在推進著公司的快速發展,而技術領袖則專心研究如何成為行業翹楚,一直等到技術領袖經驗稍長時,再繼任執行長職位。

之所以有這些想法,是因為我最近正在處理Nick Halstead 重新擔任DataSift執行長一職的事情。

整個故事的發展是這樣的:

2009 年我第一次見到Nick Halstead,那時他正運營著一家叫做Tweetmeme(也就是DataSift 的前身)的公司,並且幫推特開發了早期版本的API。他向我介紹了許多Twitter的技術基礎,以及為什麼Twitter的數據特別有價值。

他不僅關注Twitter本身的數據,還關注其他一些諸如哪些用戶看到了這條發文、這條發文是在哪裡推送的、用什麼設備推送的、哪個時間段推送的等等。

更重要的是,他看到了一些數據之外的可能性推斷。他指出,Twitter這種發送鏈接給粉絲,粉絲通過鏈接找到被分享的原文進行閱讀的數據,其中隱含的數據價值比推文本身要大得多。

他就是那種讓你覺得聽君一席話、勝讀十年書的人,每次和他有過一些交流,就覺得自己對科技行業的未來又有了新認知。

這種交流我們一直持續了18 個月。等到時機成熟時,我們正式開始了合作。我和Roger Ehrenberg 決定投他的首輪VC 融資時,他正在英國的公司擔任執行長的職位。

在融資過程中,我們問他是否同意在北美市場僱一個新CEO 來幫他管理運營北美的市場銷售方面的業務,他很開放地同意了,並且覺得這樣做對於公司利益來說是最好的。

於是他在英國負責技術和戰略方面的事情,同時擔任公司董事會成員兼技術長。

接著我們請來來了Rob Bailey 擔任執行長。在那時,這是我們可以做的、最好的決定。

Rob Bailey 也帶領公司取得了快速的發展。在他領導下,公司的企業客戶數量增長超過了1000,獲得了超過6000 萬美元投資,也成為SaaS 行業成長最快的公司。同時我也向Rob Bailey 學習到了許多東西。如果可能的話,我希望能和他一直合作下去。

那,為什麼Nick Halstead 又要重新回來擔任CEO?

我們的行業發展得太快了,也因此技術型領袖能為公司帶來的成長和財富是不容疏忽的。如果在這方面稍有失誤,公司很有可能一蹶不振。John Sculley 在放走賈伯斯這件事情上曾說過這樣一段話:

“I did not have the breadth of experience at that time to really appreciate just how different leadership is when you are shaping an industry, as Bill Gates did or Steve Jobs did, versus when you're a competitor in an industry, in a public company, where you don't make mistakes because if you lose, you're out.”

裡面有一個很重要的詞,shaping an industry,重塑一個行業。

這就是我們目前面臨的機遇。

在過去的階段我們公司確實發展得不錯,但是你不得不承認,行業已經開始發生改變了。

十八個月前,Nick Halstead 正在研究一個被我稱之為Manhattan Project 的項目,這個項目極有可能成為公司成長史上的一大飛躍,因為它重新定義了企業客戶的公共、社交、大數據方面的內部和外部數據管理模式。

同時Nick 不僅僅滿足於為客戶提供內部數據管理、內外部數據整合這些事情,他認為開發出一個具有機器學習能力的可以自主識別、整合不同數據類型的管理引擎,才是最好的選擇。他把這個項目稱為擁有自主性的VEDO。

在Topsy 和GNIP 分別被蘋果和Google 收購之後,我們目前只剩下一個即時數據流獨立供應商。在Nick 擔任技術長時期,我們已經建立了一個足夠強大的企業數據管理平台,並且這個平台在不同數據量級的企業客戶身上都有很強的移植和改造能力,同時在對大數據的分析理解上又行之有效。

我們相信,基於這樣一種情況下,Nick 已經做好準備,重新回歸執行長一職,將帶領公司獲得一個質的飛躍。

本文出自36氪,原文出自bothsidesofthetable.com

關鍵字: #企業經營管理
往下滑看下一篇文章
從會員數據到 AI 行銷:Vpon 打造零售業 AI-Ready 數據中台,提升決策效率
從會員數據到 AI 行銷:Vpon 打造零售業 AI-Ready 數據中台,提升決策效率

在 AI 快速進入企業營運核心的時代,數據不再只是被動的分析素材,而是 AI 模型運作與決策優化的重要基礎。

零售品牌積極累積大量第一方數據,例如會員資料、交易紀錄以及線上與線下行為數據,但因這些數據分散於不同系統,缺乏統一的身分識別機制以及明確的元數據(Metadata)定義,導致難以整合與分析,同時,也影響 AI 對這些數據資產的理解與應用。

為解決上述挑戰,Vpon 威朋將累積十餘年的實務經驗轉化為產品與服務,如 Audience Center 與 AI Agent 等解決方案,並透過專業顧問團隊協助企業完成數據收集、清理、整合與分析等關鍵流程,從資料清理到 AI-Ready 再到落地應用,讓行銷與業務團隊能以自然語言將數據查詢與分群受眾逐步自動化,大幅縮短過去仰賴技術與分析團隊溝通需求與開發分析邏輯的時間。

Vpon 助零售業打造 AI-Ready 數據基礎,以 Audience Center 驅動業務商機

如何建立 AI Ready 數據基礎建設?

Vpon 威朋數據科學經理廖宜楷指出,在 AI 驅動的時代,數據的品質決定模型價值。其中四個關鍵分別是:建構標準化的數據採集與處理管線,透過統一的工程規範,確保所有進入系統的數據在格式、維度與質量上具備高度一致性;其次是定義語義清晰的元數據(Metadata)體系,確保數據能夠被 AI 理解與使用,從而產出具備可靠性的產出結果;再來是打破企業內部的「數據孤島」, 透過完整整合線上(Web/App)行為與線下(POS/CRM)會員資訊,建構全方位的會員數據輪廓,精準捕捉消費者的跨通路行為軌跡。最後,數據的價值隨時間遞減,AI 的決策品質取決於數據的「新鮮度」,因此,數據的持續更新與自動化維護,不僅能讓企業在動態市場中保持敏銳,還可進一步深化會員輪廓分析的即時性。

舉例來說,在 Vpon 團隊的協助下,台灣百貨零售龍頭透過整合 Web 與 App 行為資料,並將線上與線下數據集中於數據中台進行分析,將傳統耗時數小時的複雜資料庫分析工作縮短至秒級回應,並基於此高效率基礎,進一步開發不同業務主題的預測與分群模型,提升行銷精準度與營運決策的敏捷性。

扎實數據基礎的價值落實:Audience Center 如何賦能企業實現「數據即戰力」?

有了堅實的數據底座後,下一步是透過 Audience Center 將數據資產轉化為商業動能。

廖宜楷指出,在變化快速的零售與數位行銷市場中,速度就是競爭力。然而,仍有許多企業在數據應用上面臨嚴重的溝通與技術斷層。過去,當行銷或業務人員需要數據支持時,通常得花費繁複的內部流程申請需求、討論需求,才會進到後續的資料清理、建模與分析,最後才能得到想要的分析結果或行銷名單。這種以「週」為單位的進程,不僅拖慢了決策效率,更讓企業在競爭激烈的市場中錯失先機。

Audience Center 的核心價值在於徹底翻轉上述流程,將數據處理轉化為數據服務,透過直覺的介面與背後扎實的數據基礎支撐,讓非技術人員不用編寫程式碼,即可自行組合維度,大幅縮短從需求到執行的距離,將原先需要耗時數週的作業流程優化成秒級產出。

「Audience Center 的導入,不僅有助於提升效率,更賦予企業快速試錯與精準捕獲趨勢的能力,讓數據真正成為驅動業務增長的引擎。」廖宜楷如此總結。

#1 從會員數據到AI行銷:Vpon打造零售業AI-Ready數據中台,提升決策效率
Vpon 威朋數據科學經理 廖宜楷
圖/ 數位時代

以 AI Agent 重塑數據使用方式,讓數據更貼近決策流程

「Vpon 除提供 Audience Center 協助品牌發揮第一方數據資產價值、提供豐沛的第三方數據助品牌深化對客戶輪廓的掌握度,更推出 AI Agent 服務讓品牌與行銷人員能更直覺地使用數據。」Vpon 威朋數據科學資深總監陳文謙表示,在數位轉型的過程中,許多企業面臨的挑戰不僅是數據整合,更包括如何讓不同部門的人員都能更即時協作與應用數據,有鑑於此,Vpon 推出四種 AI Agent 協助企業分析與應用數據,極大化第三方數據成效:

第一,以 Reporting Agent 讓高階主管或行銷人員可以自然語言查詢數據與生成報表,即時掌握市場動態,加速決策下達與決策品質。

第二,透過 Insight Agent 確保數據分析不受分析人員的主觀意識或產業知識侷限,可以輕鬆完成跨領域數據分析、快速挖掘潛在市場機會與消費者洞察。

第三,藉由 Audience Agent 將客戶分群方式從規則導向(Rule-based)轉變為關聯導向,以關聯分析擴大受眾範圍,協助品牌找出更多潛在客群。

第四,推出 Creative Agent 協助行銷人員分析廣告素材表現的根本原因,釐清受眾喜歡的素材跟不喜歡的素材,藉此優化廣告投放內容,持續提升轉換率。

陳文謙表示:「透過 AI Agent 的輔助,品牌不僅能更快完成數據分析,也能將分析結果直接轉化為行銷策略與創意建議,降低跨部門溝通成本,讓數據真正參與決策流程。」

#2 從會員數據到AI行銷:Vpon打造零售業AI-Ready數據中台,提升決策效率
Vpon 威朋數據科學資深總監 陳文謙
圖/ 數位時代

鏈結數據生態夥伴,以跨境數據放大行銷效益

除了協助品牌主建立 AI Ready 的數據基礎環境並提升數據使用效率,Vpon 也持續拓展數據生態圈,協助零售品牌更精準布局海外市場。

Vpon 威朋產品行銷資深經理邱心儒表示,跨境行銷過去多仰賴經驗與市場直覺,但透過數據整合與 AI 分析,品牌能更精準理解海外消費者的旅遊與消費行為。

以 Vpon 與日本 Loyalty Marketing Inc. 合作為例說明,透過雙方的獨家合作,企業可以結合 Ponta 超過一億的會員數據、問卷調查結果以及 Vpon 的七大數據來源,深入分析日本消費者的消費偏好與購買力——包括哪些日本族群對台灣品牌最感興趣、最受歡迎的台灣商品類型,以及不同客群的價格敏感度與回購行為等,將行銷決策從過往的經驗判斷轉變為精準的數據洞察,成為品牌出海的重要工具。

簡言之,對零售品牌而言,跨境數據是理解海外旅客真實樣貌的一大利器,也能進一步優化廣告投放、內容策略與商品布局,讓品牌在拓展國際市場時,可以更有效率地接觸潛在客群,放大行銷效益。

#3 從會員數據到AI行銷:Vpon打造零售業AI-Ready數據中台,提升決策效率
Vpon 威朋產品行銷資深經理 邱心儒
圖/ 數位時代

展望未來,Vpon 將持續擴展數據生態圈並優化產品服務,幫助零售品牌從數據整合、AI 分析到市場決策建立完整的數據應用循環,希望以數據夥伴的角色與品牌共同成長,打造互利共贏的數據生態。

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
AI全球100+台灣20
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓