《紙牌屋》(House of Cards)是網飛(Netflix)最受歡迎的原創影集之一,至今已獲得30多項艾美獎提名,也是首部獲得艾美獎提名的網路原生影集。時間回到2013年,導演大衛芬奇(David Fincher)正到處兜售版權,電視台都要求看過試播再買版權,但Netflix卻憑著後台數據,就決定砸1億美元買下兩季。
為什麼Netflix不用看影片,就篤定該劇會受好評?根據當時3300萬的會員數據,他們透過交叉比對發現,喜歡1990年代BBC版《紙牌屋》的觀眾,也是導演芬奇與演員凱文.史貝西(Kevin Spacey)的粉絲,所以在看到導演及演員名單後,就決定買下版權。
播出後,該影集為Netflix帶進300萬新用戶,在影評網站IMDb上,也獲得8.7的高分。這是一個用數據做對決策的真實案例,時至今日,企業累積的數據也都足以做出像Netflix一樣的精準決策。
一張發票告訴你的事:消費者心理與訴求
《解讀數據的技術》指出,企業應該透過分析消費者或使用者行為,去發現更多需求,利用洞察生產消費者想要的產品或服務。愈了解你的顧客,最終都會轉化成企業的銷售額。
不過,要從哪裡得知關於消費者的數據呢?其實,現在數據隨手可得,舉個最小也最常見的例子,就是發票明細。發票明細可以描繪出消費者與企業相遇的瞬間,串聯兩者之間的關係。
首先,明細記載著個人資料,讓企業能串聯消費行為。再來,發票載明了時間、地理位置、商品資訊等,它可以知道一名消費者在何時、何地、用什麼方式買了什麼東西。
麻布數據科技執行長陳振榮表示,企業想得知的資訊,不外乎是為什麼原本會買自家商品的人不買了,以及他去買了些什麼;或者是,這段期間新接觸的消費者是從哪裡來,「知道客層挪移,就知道怎麼跟新客群溝通,訴求的點也會不同。」
數據就像珠子,靠「人」串成珠寶
不過,大多數公司都沒有充分分析這些內部數據。《解讀數據的技術》把數據比喻成珠子,珠子種類、數量當然愈多愈好,但需要「匠人」把它串起來,才能成為珠寶。舉例來說,每場球賽,都會為運動員留下許多關於能力的紀錄,比方說棒球的打擊率、上壘率等,但在挖掘球星時,應該要關注哪種數據呢?
改編自真人真事的電影《魔球》(Moneyball),即是描述美國職棒奧克蘭運動家隊,靠著數據找出價值被低估的球員,用最少的預算創造20連勝,追平大聯盟的歷史紀錄。
球隊總經理比利.比恩(Billy Beane)跟其助理認為,贏球的關鍵不是擁有多少明星球員,而是有多少上壘數。
於是,他們用數學模型算出要進入季後賽所需的上壘數,再利用大數據找出最容易上壘,但價值卻被低估的球員,最終以最小投資獲取最大勝率。
當手邊握有許多數據時,你可以根據你的假設、目標,從中挖掘出所需資料,進而佐證假設是否可行、合理。然而,我們遇到的問題多半是,手邊有許多數據,但卻不知道能拿它來做什麼。比方說,每天製作的社群日誌、業務日誌,如何從中挖掘出洞見呢?
學會提問、建立假設,讓數據為你所用
《只要 Excel 六步驟,你也能做商業分析、解讀數據,學會用統計說故事》指出,想要用數據解決問題,就必須先學會提問,思考「為什麼會發生這樣的事情?原因是什麼?」
假如你知道氣候會影響銷售,但卻不知道經營的店鋪,是在天氣冷的時候生意比較好,還是在天氣熱的時候比較好。首先,必須先定義天氣冷熱,是有用溫度分,還是以季節?再來,區分不同類型的產品,看哪種賣得好、哪種賣不好。
接著再用資料驗證假設是否正確,如果覺得某項產品在下雨天賣得比較好,就要將天氣數據跟銷售時序數據結合在一起,觀察下雨量、氣溫等資料,是否跟該品項的營業額有相關。
而使用的分析方法不同,能解答的問題層級也有所不同,對一般工作者來說,其實只要能應用層級 1、2,就足以做出比他人更有說服力的報告、提案了。
更上層的分析,則是要靠大數據、機器學習、深度學習、資料探勘等新技術輔佐。《解讀數據的技術》指出,許多企業將數據視為「目的」,但是數據並非目的,只是一個「手段」,只有達到目標時,數據才會發光發熱。
而從數據本身到協助決策或解決問題,這之間的「加值」,必須得靠人來完成。有家銀行設計了一套大數據分析模式來防止客戶流失,所謂的流失,是指客戶把錢搬來搬去,或是展現離開銀行的跡象。
當分析模式找到客戶流失的證據後,正準備要寫信請客戶重新考慮時,銀行主管從數據端發現,從數據端來看,的確有流失的證據,但查找背後的原因時,發現那不是因為客戶對銀行或自家服務有不滿,而是那群人正在辦離婚,所以才要轉移資產。
《小數據獵人》指出,大數據在串起成千上萬個數據點來產生相關性的同時,固然可以很精確,但是人類行為總是有許多難以解釋的地方。簡單來說,大數據可以協助我們判讀一個現象或模式,但我們還是需要人來解讀,才能賦予數據意義。
延伸閱讀:
真的很痛恨開會!談到如何提高員工生產力,馬斯克的 7 個建議
曾大喊一年快速展 50 間!半年過去了,閃電咖啡為何不「閃電」了?發展緩慢的 3 大主因
本文授權轉載自:經理人月刊
責任編輯:傅珮晴、錢玉紘