數據管理落地的五個重要步驟
數據管理落地的五個重要步驟

在新零售、電商,乃至於傳產或其他行業的中高階主管、老闆,乃至於基層的數據工程師或專案經理,在聽完我一次又一次的數據力課程後,總會喜歡問我:「數據力真的很重要,老師你講的數據分析按例也很棒,聽完很有感,但我仍對於如何運用在我們公司或工作上感到困惑,您提到必須要建立數據策略,有點感覺,但還是有點難下手,是否有更具體可實踐的程序或按例?」

大家會有這樣的提問,一點也不意外,我過去最常說:「所有的知識領域大概都有三個階層,最上層談概念、策略,中間層談方法論、流程,最下層談工具,最上與最下兩層談論的人多,談中間層的人少。

但坦白說,很多聽起來厲害的概念與策略,若沒有實施的方法或流程,基本上都很難落地實踐,而我建立數據策略五步驟的目的就是希望能有一個較具結構化的方法,讓大小企業能享受到數據化管理帶來的效益,本文我將以一個實際的案例來跟大家分享數據策略落地五步驟。

在此之前,我先概念性的說明一下何謂數據策略,以下的內容我在2017年7月的時候有發表在inside(詳見:為什麼有「數據策略」的企業擁有更強的競爭力?),當時我列的是四步驟,但經過幾個月的思考後,我決定更改為五步驟。

所謂的數據策略,顧名思義就是企業如何採集、儲存、管理、使用數據,並對企業整體帶來助益。而在這個前提下,我們可以說數據策略是衍生自企業策略,而且數據與企業策略間的關係愈來愈緊密(回顧一下我上一篇文章:談商業數據管理的重要性),企業不該只盯著落後指標看,而是從數據中挖掘出洞見,並採取行動。

當時的四步驟是:
* Step1. 依據企業目標設定數據目標
* Step2. 盤點數據,檢視落差
* Step3. 規劃數據行動方案
* Step4. 讓數據策略成果回歸「商業數據管理」機制

更新後的五步驟是:

Step1. 依據策略提出數據需求

提出你要數據幫上忙的地方是什麼?你要數據回答你什麼問題?這個問題你必然得回答,基本上數據能協助你找出你有疑問,但還不知道答案的問題,但若你連自己的疑問是什麼都講不清楚,那數據通常無法幫上忙。過去我在BI年代,總有人期待BI的dashboard可以直接告訴他經營上所有的問題,然而現實是「BI只能讓你更清楚全貌」。到了大數據與AI的年代,仍有不少人抱持這樣的想像,我總會告訴大家「如果有了大數據技術就能搞定經營的大小事,那你還猶豫什麼?花錢買解決方案就對了。」,但事實並非如此。

若你要開始做數據化管理,首先要思考的問題就是,你要數據回答你什麼問題?

Step2. 確認數據處理標的

有了清晰的數據需求,數據團隊就能從這樣的需求去討論他們要對數據做什麼樣的處理才能得到所需的資訊,可能是分析、匯總、統計等等,而處理完後的預計產出物我稱之為數據標的

Step3. 盤點與彙整既有數據

有了預計產出物,接下來就是要實際去看看手邊的數據是否足夠了,在盤點數據時除了內部數據外,也要同時思考外部數據,當你盤點完內外部數據後,你應該先做一次基本的匯總動作,確認這些數據是否充足。

Step4. 盤點新數據採集需求

若數據盤點完後有所不足,那就要提出數據採集需求,並提列為數據行動方案。

Step5. 擬訂數據行動方案

將執行完上述程序後所提到的所有工作事項列為行動方案,有計劃、分工的逐步落實,如此才有可能讓數據開始幫上營運工作。

第一版比較概念性,第二版我覺得實操性相對較強,往後我都會改以五步驟的內容為主,以下我便以一個實際案例來解釋數據策略五步驟。

從企業策略出發

若今天行銷部門的年度策略中有一項是「落實精準營銷」,目標則是藉此「提高客戶年消費金額(從5,000元-->5,500元)與成交率(從3%-->4.5%)」,而在這樣的策略之下,行銷部門主管John認為以下四個行動方案會有助於達成這個策略目標,分別是:

1.實現交叉銷售,做also buy的交叉推薦

將電商平台很廣泛使用的交叉推薦機制用上,當顧客買了A產品後,告訴他其他買了A產品的客人也會連帶買B或C產品,藉此吸引顧客將B、C放入購物車中,例如買了衛生紙的客人,通常也會買牙膏,這個做法可以有效的提高客戶消費金額

2.針對客戶做個性化商品推薦

與1.有點類似,1.是針對商品與商品間的關係,這個項目則是找出相似屬性的客戶都買了那些商品,例如35歲白領女性特別偏愛的口紅顏色或保養品品牌,John的團隊認為此作法可以同時提高客戶消費金額與成交率

3.新會員的單品折扣

為了有效地吸引新會員成交第一張訂單,藉此提高成交率,John認為若能找出最能吸引新會員購買的單品做更優惠的折扣能有效的提升成交率,並緊接著做1.2的交叉推薦與個性化推薦,客戶消費金額又可以因此提高

4.舊會員的分級優惠

針對舊顧客,為了有效活絡回購頻率,希望能開始發展會員機制,並對舊會員提供分級優惠,但目前不確定哪一類的優惠對客戶成效最好,最能誘發頻繁的回購,若數據部門能找出來,對於舊客戶消費金額的提升將會有顯著幫助

John的團隊將他們的策略與目標做了上述的梳理後,便找了數據部門的James討論。在會議討論過程,John意氣風發的談論上述構想,並認為若數據部門能搞定上述的問題,行銷部今年就有很高的把握能讓業績達標,聽完John的陳述後,James問他:「所以你希望數據能幫上什麼忙?」

Step1. 依據策略提出數據需求

John一時沒搞懂James所提出的問題,他本以為當他把他的需求提出後,James就該知道怎麼做了,但現實是James並不是那麼熟悉行銷領域的知識,精準營銷、交叉銷售、個性化推薦、會員分級等概念,對James與他的團隊來說太過陌生,雖聽懂行銷部門想做些什麼,但對於要用到那些數據,或者要對數據做什麼樣的處理還是一頭霧水。

John聽完James的難處後,稍稍思考了一會,他緊接著問:「你們能找出A與B或C產品被同時購買的狀況嗎?例如買了A與B、A與C、A/B/C同時在一張訂單的狀況,或者某個顧客過去的購買紀錄中,買了A與B、A與C、或同時買A/B/C 的狀況嗎?」

James:「應該可以,但如果要分析完全不的品項可能要花不少時間,是否可以先把暢銷品當A,我們來找出B、C?」

John:「可以。」

需求1:買了A與B、A與C、A/B/C同時在一張訂單的狀況,或者某個顧客過去的購買紀錄中,買了A與B、A與C、或同時買A/B/C

John:「那個性化商品推薦的觀念其實很像,能幫我找出一樣屬性的顧客都買了那些商品嗎?例如35歲的白領女性都喜歡什麼口紅或保養品。」

James:「35歲的女性這是一個群體,如果鎖定這個群體去找應該不會困難,我們只要找出顯著性就好,也就是說同為35歲的女性,他們買A品牌的口紅比例遠高於買B、C品牌,那就算是有顯著的偏好A品牌;同為購買A品牌口紅的顧客當中,35歲女性的占比也顯著高 ,那應該就符合你的需要了,對吧?」

John:「我想是的。」

James:「但因為客戶的群體很多,35歲白領女性只是其中一個群體,若要全部找出來必然得花一番功夫,我們能先聚焦在部分群體嗎?」

John:「那請幫我找出暢銷品目前的主要客戶族群,我想應該是25-45歲的白領女性。」

James:「嗯,但我想中間有一定的困難性,就是年齡可能不太精確,加上我們很難判斷顧客是否白領,過去我們並沒有收集收入與職業的數據。」

John:「那先看看既有的數據能做到那些吧。」

需求2:針對25-45歲白領女性,找出買A品牌的口紅比例顯著高於買B、C品牌,與同為購買A品牌口紅的顧客當中,35歲女性的占比也顯著高的資料

James:「好的,那到目前為找我們已經談妥了兩項了,接著第3.項。」

John:「這兩項就比較麻煩點,我們過去做過很多折扣方案,我只依稀記得有幾個單品折扣後買得很不錯,但我是從總業績數字上觀察的,但沒有想過折扣的成效如何,你能幫我找出過去做過折扣的單品,在有折扣與沒折扣狀況下的成交率變化 嗎?然後還要包含打的折扣數造成的成交率反應。」

James:「我再確認一下,你想要看的是A產品在7折、8折、9折,以及沒有任何折扣下的成交率表現嗎?」

John:「對,但可能只幫我抓出只有購買一件商品的訂單,因為我怕受到其他促銷活動影響,所以先排除多個商品在同一張訂單的狀況。」

James:「這可能性蠻高的,好的,那就如此。」

需求3:找出只有購買一件商品的訂單,從中比較各產品在不同折扣下的成交率表現

James:「終於剩下最後一項了。」

John:「我們先前沒有會員分級制度,但如果我先把客戶分成三個等級,白金級、金級與銀級,分別以年度消費總額來區隔,大於10,000元的是白金級,大於5,000元的則是金級,5,000元以下的屬於銀級,這樣應該不會很困難吧?」

James:「這沒什麼太大問題。」

John:「過去舉辦過的優惠活動很多,滿千送百、累積紅利點數、現金回饋、買一送一、買五送一...我猜想應該有超過20種以上,但怎麼去定義哪種方式對哪類客戶最有效呢?」

James:「我們能先針對不同的折扣方案作定義嗎?或許有些客人比較偏好現金回饋或積點,而有些人則偏好直接折扣,我們能試著幫過去做過的促銷活動打上屬性標籤,再透過標籤的方式去分析。」

John:「標籤是什麼概念?」

James:「舉例來說,滿千送百的標籤可能是"滿額贈+千送百",滿5000送800的標籤可能是"滿額贈+5000送8000",兩者不完全相同,但都有滿額贈的標籤,如果這兩個方案對同一個客人都有顯著性,即便千送百與5000送800看似不同,但我們最少能找出這個顧客對滿額贈是有偏好的。」

John:「感覺可以。」

James:「我們會整理一下過去辦過的促銷活動,但會需要行銷部幫我們做標籤分類。」

John:「沒問題,但我們這次主要的對象是三種分級的會員,我們也會先針對與會員優惠有關的促銷方案作處理。」

需求4:先將會員分成白金、金、銀三個等級,並找出各分級會員偏好的促銷方案

在第一步驟的關鍵工作是確認出數據需求,也就是具體要數據處理的問題,其實在討論過程中最麻煩的點莫過於行銷部門對數據的理解程度較低,而數據部門則對行銷領域的知識熟悉度較低,這個階段需求的溝通與引導是很關鍵的任務,但無論如何總是有了初步的結論,往下我們便進入到第二步驟。

Step2. 確認數據處理標的

開完會,James帶著前一個會議整理好的數據需求回到座位上,開始思索在這些需求下,數據部門應該展開那些工作,他分別將四項需求展開。

需求1:買了A與B、A與C、A/B/C同時在一張訂單的狀況,或者某個顧客過去的購買紀錄中,買了A與B、A與C、或同時買A/B/C

  1. 找出所有的暢銷品清單,根據過去公司對暢銷品的定義,就是銷售數量>50,000件的那些商品

  2. 找出所有購買暢銷品的訂單與顧客

  3. 分別以訂單與顧客為源頭去找那些商品同時出現的其他品項

需求2:針對25-45歲白領女性,找出買A品牌的口紅比例顯著高於買B、C品牌,與同為購買A品牌口紅的顧客當中,35歲女性的占比也顯著高的資料

  1. 找出25-45歲白領女性顧客清單

  2. 找出上述顧客購買的訂單

  3. 分析這群顧客對暢銷品購買的顯著性

需求3:找出只有購買一件商品的訂單,從中比較各產品在不同折扣下的成交率表現

  1. 找出訂單清單中商品數只有一件的訂單

  2. 找出做過折扣的單品清單

  3. 找出1.的訂單,其中是購買2.單品的列表

  4. 針對3.的列表,分別比較各單品在不同折扣狀況下的成交率表現

需求4:先將會員分成白金、金、銀三個等級,並找出各分級會員偏好的促銷方案

  1. 彙整每個客戶去年全年的消費金額,並根據10,000與5,000先將客戶分成三個等級

  2. 將促銷活動設定好對應標籤(行銷部負責)

  3. 分析不同等級會員對促銷方案偏好的顯著性

James:「看來有好多事情要做,目前的數據狀況不知是否足夠,直覺問題應該出在年齡、職業與收入那個環節中,還是先請Jack他們來討論討論吧。」

Step3. 盤點與彙整既有數據

Jack:「James,行銷部提出來的需求,我們大致看過了,我們也盤點過目前我們擁有的數據,下面這是我們對此案的看法。」

需求1:買了A與B、A與C、A/B/C同時在一張訂單的狀況,或者某個顧客過去的購買紀錄中,買了A與B、A與C、或同時買A/B/C

數據盤點:足夠,仰賴訂單與顧客數據即可

需求2:針對25-45歲白領女性,找出買A品牌的口紅比例顯著高於買B、C品牌,與同為購買A品牌口紅的顧客當中,35歲女性的占比也顯著高的資料

數據盤點:不足,若沒有顧客年齡與職業數據,現有的數據基本上無法獲得有意義的結果 ,我認為需要與行銷部討論如何收集到這些數據

需求3:找出只有購買一件商品的訂單,從中比較各產品在不同折扣下的成交率表現

數據盤點:足夠,仰賴訂單數據即可

需求4:先將會員分成白金、金、銀三個等級,並找出各分級會員偏好的促銷方案

數據盤點:足夠,主要仰賴訂單數據,但目前缺乏促銷方案的明確定義 ,這一點要待行銷部門提供

James:「所以目前看來關鍵點還是顧客年齡、職業數據的問題,我明白了,我會與John討論如何往下進行。」

Step4. 盤點新數據採集需求

與Jack討論完之後,James撥了通電話給John:「John,我們針對行銷部精準營銷計畫做過討論,大致上沒有太多的問題,但如同我會議中跟你提到,顧客的年齡與職業資訊我們沒有,這會影響到你所提出的第二個需求,能請行銷部想想如何有效的收集到這些資訊嗎?」

John:「可以,我請我們部門規劃一個運營活動,用一些贈品或其他誘因吸引客戶來補齊這些數據。」

James:「好的,這部分再麻煩你了,如果可以,請給我一個計劃完成的時間。」

James掛上電話,動手寫下針對這個專案的數據採集需求。

需求1:買了A與B、A與C、A/B/C同時在一張訂單的狀況,或者某個顧客過去的購買紀錄中,買了A與B、A與C、或同時買A/B/C

需求3:找出只有購買一件商品的訂單,從中比較各產品在不同折扣下的成交率表現

需求4:先將會員分成白金、金、銀三個等級,並找出各分級會員偏好的促銷方案

不須採集

需求2:針對25-45歲白領女性,找出買A品牌的口紅比例顯著高於買B、C品牌,與同為購買A品牌口紅的顧客當中,35歲女性的占比也顯著高的資料

需採集顧客的年齡與職業數據,由行銷部門透過活動進行採集

Step5. 擬訂數據行動方案

到目前為止,該做什麼,誰來做大致上都有譜了,最後一個步驟就是要把上述談到要做的事情給落實下去,也就是要成立專案並有效執行,在此我就不多做贅述了。

針對本文的案例,我作了一個比較精簡的簡報來呈現,一樣提供給大家參考。

數據管理落地五步驟.png
圖/ 游舒帆

本文由游舒帆授權轉載自《gipi的學習筆記-經營管理、數據思考、終身學習

《數位時代》長期徵稿,針對時事科技議題,需要您的獨特觀點,歡迎各類專業人士來稿一起交流。投稿請寄edit@bnext.com.tw,文長至少800字,請附上個人100字內簡介,文章若採用將經編輯潤飾,如需改標會與您討論。

(觀點文章呈現多元意見,不代表《數位時代》的立場。)

往下滑看下一篇文章
讓AI真正聽懂世界 ─ 律芯科技為機器插上「耳朵」
讓AI真正聽懂世界 ─ 律芯科技為機器插上「耳朵」

「不是我不理你,是有個頻段我真的聽不到。」律芯科技董事長薛宗智這麼說著,也就這樣一腳踏進了半導體產業的創業戰場。在創辦律芯之前,薛宗智早年在半導體大廠擔任工程師,長時間待在無塵室中機台操作,那些看似無害的低頻噪音,卻在這那幾年間悄然無息的侵蝕了他的聽覺神經,這種慢性且不可逆的損害,也成日後創業的契機。

2019年,Apple 首度發表 AirPods Pro,掀起降噪耳機熱潮,同年薛宗智也接獲一家聲學技術團隊的邀約,洽談抗噪耳機技術的投資合作。對市場極具敏銳的薛宗智卻反其道而行思考,從自身戴不住耳機的痛點出發,提出了「有沒有可能不塞入耳朵也能享受安靜?」的想法。也就是這個念頭引領律芯開展了新的研發賽道:聚焦開放式降噪晶片的開發。

瞄準開放式降噪,用「後發制人」技術創造靜音世界

薛宗智觀察到,目前市面上許多採用數位IC的抗噪系統,雖能有效降低環境音量,卻無法辨識聲音的「危險性」與「必要性」。他指出,像是火警警報、煞車聲、鳴笛等重要高頻警示聲音都可能被一併消除,造成潛在風險,「很多人戴著抗噪耳機走在路上以為很安靜,其實他們聽不到後面來車。」薛宗智強調。

因此,律芯決定聚焦難以處理、卻影響生活品質的「低頻噪音」,開闢不同於主流市場的創業賽道。該晶片採用硬體架構技術處理類比訊號,結合主動式降噪(ANC)原理,讓晶片接收到聲音時,能即時產出反向聲波,達到「以聲制聲」的抗噪效果。薛宗智認為,硬體架構在聲音處理方面具有即時反應與獨特優勢,律芯的第一代晶片便已能達到驚人的32微秒處理速度。

然而,空氣中的濕度、風向、溫度等環境因子皆可能影響聲波傳遞,這也成為團隊在開發晶片時的挑戰。薛宗智形容這就像武學邏輯中的「後發制人」,「我不是搶先出手,而是等你出招後,用最適合的方式接住再反擊回去。」這相當仰賴晶片所具備的高反應速度與精準度,才能在噪音抵達人耳前,完成複雜的偵測、分析、運算與反向波的發送。

薛宗智深知,這僅是律芯創業的開始。雖然第一代晶片已成功驗證技術可行性,但仍需透過人工進行被動式校正,才能達到預期效果。他觀察到,若要讓降噪需求朝更精細化場景邁進,晶片就必須能「自主適應」並理解環境。這也促使他決定開發第二代晶片,不僅強化性能,更是系統架構的重塑,所需資源遠超第一代的開發,也讓律芯的產品從抗噪,走向理解環境。

從降噪到理解環境,第二代晶片的 AI 進化

律芯聲學晶片再進化,提升邊緣智慧判斷力。
律芯聲學晶片再進化,提升邊緣智慧判斷力。
圖/ 數位時代

第二代晶片可說是律芯邁向智能聲學的關鍵躍進。它不僅整合了 AI 演算法,更以邊緣運算(Edge AI)為核心設計,能即時學習與感知聲源方向、反射環境與空間條件,主動判斷「哪些聲音該消除、哪些該保留」,使降噪從純物理抵銷進化為環境理解層級的智能判斷。

薛宗智以車內應用的場景舉例,這顆晶片不僅能與原有喇叭系統結合,產生針對駕駛與乘客座位區域的個人化降噪效果,更能與頭枕內建的聲學模組搭配,營造出安靜、舒適的座艙體驗。即使車輛行駛在嘈雜的高速道路上,晶片也能動態感知車內外噪音來源,並迅速調整反向波輸出策略,有效濾除不必要的聲音干擾。目前律芯也已與美、日多家車廠展開密切洽談,不久的將來更要往車用前裝市場邁進,並與整車系統商展開產品落地合作對接。

然而,技術升級的背後,往往也伴隨更高的開發門檻與沉重的資金壓力。「光是一輪投片,就可能讓新創公司資金鏈斷裂,」律芯科技執行長薛宗智直言。從晶片架構設計、模擬驗證、光罩製作到晶圓製造,每一個環節都需要高度專業與大量資源投入,對新創團隊而言是極大挑戰。

也因此,律芯決定在關鍵時刻申請經濟部產業發展署推動的「驅動國內IC設計業者先進發展補助計畫」(簡稱「晶創IC補助計畫」)。「晶創IC補助計畫對我們來說,就是一座聚寶盆,」薛宗智強調。在這個以硬科技為本的時代,政府選擇將資源投入在IC設計這一環,不僅協助律芯跨越資金與人才的雙重門檻,更讓半導體產業鏈得以在台灣本地持續推動與深化。

從第一代靠自籌完成,到第二代獲得政府計畫支持,對律芯而言,這不只是產品的迭代,更是整體結構的轉捩點。薛宗智相信,透過政府資源的精準投入,將有效帶動半導體供應鏈上下游鏈結與倍增產業價值,協助本土IC設計業者站穩全球市場,同時強化整體產業生態系的韌性與競爭力。

從車用晶片到無人載具,讓聲音的應用無限延伸

律芯團隊從晶片到應用,每一步都走在讓聲音發光的路上。
律芯團隊從晶片到應用,每一步都走在讓聲音發光的路上。
圖/ 數位時代

對聲音的想像,不應止於消除噪音。薛宗智指出,聲音是機器理解世界的重要感知管道之一,相較於仰賴攝影機或雷達的視覺導向技術,聲學晶片在黑暗、遮蔽或空間複雜等條件不利的環境中,反而能展現獨特優勢。隨著律芯技術站穩腳步後,也吸引海外多家重量級組織主動洽談合作。展望未來,薛宗智透露,無論是在無人載具、機器人,或其他智慧系統領域,都有許多令人期待的聲音應用場景即將展開。

「我們站在一座聲音的金山銀山前,而我們手中握著鏟子。」薛宗智說。在他眼中,聲音不再只是背景,而是驅動未來機器感知與人機互動的起點。透過晶片,律芯要做的不只是消除噪音,更是讓世界聽懂聲音的價值。

|企業小檔案|
- 企業名稱:律芯科技
- 創辦人:薛宗智
- 核心技術:主動抗噪IC晶片設計
- 資本額:新台幣9,993萬元

|驅動國內IC設計業者先進發展補助計畫簡介|
在行政院「晶片驅動臺灣產業創新方案」政策架構下,經濟部產業發展署透過推動「驅動國內IC設計業者先進發展補助計畫」,以實質政策補助,引導業者往AI、高效能運算、車用或新興應用等高值化領域之「16奈米以下先進製程」或「具國際高度信任之優勢、特殊領域」布局,以避開中國大陸在成熟製程之低價競爭,並提升我國IC設計產業價值與國際競爭力。

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
蘋果能再次偉大?
© 2025 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