从管理的角度来看,大数据有何新意?

2020-06-17    收藏188
点击次数:709

技术固然教人伤脑筋,更教人伤脑筋的其实是在管理以及人的议题。有些议题到目前几乎尚无任何解决方案,但有些问题倒是已经露出一线解决的曙光。

其中一项,就是找对的人来处理大数据的问题。人是把这件事做成功的关键。虽然解析资料一事向来就需要人来做,一点都不奇怪,但大数据方案所需要的人才,也就是资料科学家,却截然不同于传统的资料分析人员。他们解析起资料更加得心应手,更富实验精神,也更注重解析后得到的产出。

由于大数据的资料、技术,以及人才都与既有的资料分析有些不同,企业必须发展出足以接纳大数据的新组织架构。你不能想当然耳认为,大数据只会出现在资讯企业。在大企业里,大数据团队可能出现在行销、财会、产品开发、策略,以及资讯部门。

传统的资讯管理与资料分析主要是用来支援内部决策,但大数据在这方面有些不同。我同意它们在很多时候确实有这样的功用,特别是在大企业里;但资料科学家通常处理的是面对顾客的产品与服务,而非为高阶经理人编製内部决策用的报告或简报。在大数据的新创企业中尤其如此,但在规模更大、更有制度的企业里也同样如此。例如,商务社群网站LinkedIn 的共同创办人暨董事长雷德.霍夫曼(Reid Hoffman),就让公司的资料科学家组成产品开发小组,而且已发展出诸如「你可能认识的人」、「你可能喜欢的团体」、「你可能感兴趣的工作」、「谁看过我个人档案」等多种产品。奇异则专注于应用大数据改善服务,目前也已透过资料科学,促成服务契约以及工业产品维修间隔的最佳化。谷歌(Google)这家绝对称得上大数据企业的公司,当然也会交由资料科学家改良其核心搜寻暨广告服务的演算法则。社群游戏业者Zynga则指派资料科学家找出适于提供给用户的游戏或游戏相关产品。线上租片业者网飞(Netflix)举办众所周知的网飞大赛(Netflix Prize),奖励能够帮该公司提出最适切的租片建议给顾客的资料科学团队。提供语言考试指导的业者Kaplan,也开始交由资料科学家,提供学生有效学习与準备考试的建议策略。这些企业所推动的大数据计画,都直接锁定在产品、服务与顾客上。这样的状况对于其他企业推动大数据活动,以及开发新产品的流程与速度来说,当然都有其重要意涵。

假如企业研拟运用大数据的方式确实牵涉到内部决策,那幺依然会需要一些新的管理方式,只不过在实务上目前尚未出现全面的解决方案。其原因在于,大数据的内容不断在变动。在传统的决策支援情境中,资料分析人员只要在取得资料集后据以分析,找出模式后,就能把成果提供给决策者参考;但大数据则不然,其资料比较不像静态的资料集,而是快速持续变动的串流。因此,无论在取样、分析资料或诉诸行动方面,企业都需要更连续性的手法。

在一些涉及持续监看资料的应用情境中,像是要针对社群媒体的资料做情感分析(sentiment analysis)时,这一点尤其重要。情感分析可协助组织评估,来自各大部落格、推特,以及脸书页面上,对于该公司各品牌与各产品的正面与负面评论之间,是否均衡。这类监看程式有个潜在问题是,经理人很容易只看到持续产生的分析结果与报告,却未能据以做出任何决策或採取任何行动。「情感上升了……不,又下降了……哇,又再次回升了!」对于这类持续性监看作业,应该要设置一个流程,像是在资料数值超出特定上下限时,判断是否需要做出特定决策、採取特定行动。这类资讯可协助判断出决策的利害关係人、决策的流程,以及必须做决策的标準与时刻。

无论是由社群还是由个人分析资料与做决策,连续不断的大数据串流,在在都告诉我们,组织必须拟定、设想一些新方法,来运用这样的资料做决策。假如收集与分析大数据是一件值得投资的事,组织也同样值得花些心力想想,资料分析所得到的结果,会对决策与行动带来何种影响。

摘自《大数据@工作力》

从管理的角度来看,大数据有何新意?

Photo

相关文章  RELEVANT ARTICLES