Business Intelligence Data Scientists 資料科學家 商業智慧 大數據 DSS 資訊

大數據經濟vs雲端委外 資料長地位超越資訊長

2017-08-23
大量的數據產生自組織內部或來自企業外部,都必須經過彙整,在整合不同的數據來源後,才能彰顯大數據真正的價值,進而提升企業決策支援系統,讓決策自動化,以便管理者面臨決策時能夠制敵先機。

善用大數據可以提升企業決策支援系統(Decision Support Systems,DSS),甚至將決策自動化,讓企業在面臨決策時得以搶得先機更勝一籌。人並非數據的使用者,流程才是數據真正的使用者,因此唯有將數據實際運用在企業流程才是成功之道。

大數據不只是「大量」數據而已

許多企業對大數據仍有誤解,以為大數據純粹指大量的數據。事實上,大數據有三個特性:Volume(大量)、Variety(多樣性)、Velocity(速度),其中後兩者才是挑戰所在。儘管設備升級可以處理更大量的數據,卻無法達到數據多樣性,仍需仰賴人工整合不同的數據來源,才能帶出大數據真正的價值。無論這些數據來自組織內部還是外部,透過彙整才能使大數據具備洞察力。 理論上,流程優化後,企業更能聚焦在「人」做的事,花較多的時間創新、增進人與人的互動。因此,單純使用數據來進行優化並不是最佳選擇,未來的企業資訊架構應專注於科技如何與人類能力互補,而非用科技取代人類。

資訊是新石油?資訊經濟學即將席捲全球

「資訊經濟學」或許是個新穎的詞彙,但其背後的概念其實是大家熟悉的經濟理論,任何資產的經濟都跟貨幣化、管理、衡量息息相關。有別其他類型的資產,資訊有許多獨特之處。

有人稱資訊為新石油,乍聽之下似乎言之有理,但仔細想想一滴石油用完就沒了,只能用一次還會產生污染。反觀資訊不但不會用完就消失,甚至能夠同時用多種方法使用該資訊。企業領導人必須意識到資訊的獨特經濟特性,善用其潛力,對資料進行銷售、交易或整合。舉例來說,製造過程的資料可能可以改善銷售、客服或行銷,提升與消費者和供應商的關係。

另一方面,設計實質產品時必須考慮邊際效應,因使用者在使用幾次產品後開始出現單位效用遞減(甚至負的)現象。同樣的人在看資訊的時候,由於我們不喜歡重複看一個資訊很多次,邊際效應也可能快速遞減。但資訊的使用者不是人類,而是流程和科技,因此沒有滿意度的問題,一個軟體應用程式不會介意不停接收同樣的資訊。除此之外,買賣資訊通常不會移轉所有權,而是給予使用該資訊的權利。因此,在為資訊定價或是評估一間公司的資訊市值時,要確保交易時所有權不會轉移。

「資訊經濟學」試著把資訊為資產的概念深植高層管理人的腦海,實際轉換人們看資訊的角度,進而從中有所斬獲。

萬事起頭難 從了解企業握有哪些資訊開始

了解自家企業擁有哪些資訊並不容易。公司通常有資產負債表上所載的資產清冊,像是辦公用品上面都貼有資產標籤。然而,傳統的會計帳務處理方法,不會將資訊列在資產負債表上,導致企業鮮少將資訊視為資產看待。

除了企業內部數據,外部資料也可靈活運用,像是合作夥伴、買家、消費者,乃至政府的開放資料,也有制式資料供應商專門販售相關資料。有些廠商甚至有自家的資料測量模型,專門協助他們銷售解決方案,即多方運用資料來推銷自身的解決方案。


▲企業若想開始注重資訊資產,從雇用資料科學家(Data Scientists)開始,進而了解公司的資訊和潛在的用處。

想像一個零售商手上沒有貨架上的產品清冊,或是一位人資經理沒有全體員工的資料表、績效表,肯定讓人貽笑大方。而一間仰賴資訊、數據的公司沒有資訊清冊、沒有資訊資產的衡量標準,也一樣會淪為他人笑柄,主因就是因為資料不會出現在資產負債表上。

資料長當道 引領企業邁向資訊經濟康莊大道

企業裡有管理人資、實物資產、科技資產的高階主管,但大多企業尚未有管理資訊資產的資料長(Chief Data Officer,CDO)。有許多人認為這屬於資訊長(CIO)的職責,但是資訊長往往已經在處理技術、設備、應用、架構中忙不過來,因此少有餘力將資訊當作資產看待。

此外,資訊是商業資產,而非科技資產。若公司想將資訊視為資產,資料長則應具備商業專業背景,而不是單純找資訊科技專業的人才,有些公司甚至已經將資訊和科技分成兩個部門。資訊長的職責已經慢慢在改變,科技方面的資本支出也因為外包、雲端的關係,逐漸變成營運支出。企業不容忽視資料長的重要性。

Gartner發現客戶花太多的時間和金錢在後見數據分析(Hindsight Analytics)上,做出很多漂亮的圖表,專注於過去發生的事情。這些數據分析有時的確可以拿來做決策參考,但是前瞻性數據分析才能提供洞見。 數據分析可大略分成為四大類:

‧描述型數據分析(Descriptive Analytics)︰屬於後見數據分析。

‧診斷型數據分析(Diagnostic Analytics)︰洞察一些事之所以可以運作的原因。

‧預測型數據分析(Predictive Analytics)︰解釋將來會發生的事。

‧指導型數據分析(Prescriptive Analytics)︰則是偏向提供自動化、優化建議,或是將數據應用於企業流程,導向有利於企業未來的方向。

Gartner研究顯示只有後三類的數據分析能為公司帶來實質經濟效益,企業應該把時間和金錢投入這些高端數據分析。

改變企業DNA 從雇用資料科學家開始

企業若想開始注重資訊資產,從雇用資料科學家(Data Scientists)開始,進而了解公司的資訊和潛在的用處。大數據和資料分析有別於傳統資料倉儲(Data Warehouse)和商業智慧(Business Intelligence)由上而下的模式,轉而從資料分析的結果出發,從中找到潛在的應用機會和企業創新的方向等。再者,目前會計帳務雖無法將資訊資產列在資產負債表上,但企業可以自行建置公司內部版本的資產負債表供投資人參考。Gartner預測到了2021年,股票分析師在評估企業的時候,公司的資訊資產組合將會是一大要點,促使各公司內部將資訊估值和查帳視為正式作業。

但最重要的一點是要改變企業文化,讓企業實際意識到資訊資產的重要性。舉例來說,跟管理「顧客資料庫」的人說,你現在管理的是「價值五億的資訊資產」,從內改變企業的DNA,讓公司上上下下意識到資訊的重要性,進而轉型為資料驅動、資料導向的企業。

<本文作者Douglas Laney為Gartner研究副總裁>


追蹤我們Featrue us

本站使用cookie及相關技術分析來改善使用者體驗。瞭解更多

我知道了!