淺談「數據素養」；企業決策者該具備的數據素養能力是什麼？

｜文／Lesley Su 蘇立欣｜原文出處／《Digit Spark 震豪網路媒體事業集團》／決策者該具備的數據素養能力是什麼？｜首圖／Pexels

本篇目錄

「數據素養」（Data Literacy）是什麼？為什麼重要？
成就企業成功，哪些是「決策者」應具備的數據素養？
最後，讓我們總結今天的文章重點：

「數據素養」（Data Literacy）是什麼？為什麼重要？

現代人無時不刻仰賴網路，對企業而言亦然；網路發展與數位化浪潮，已經進一步將企業、個人都推向數據化的腳步前進，就像路上一眼望去，人人用智慧型手機了一樣，網路世界爆炸促使人們不論是否有意識，都正在被數據的龐大力量影響生活、左右選擇。

對企業而言，「數據」既是幫助規劃策略、保持生產運轉的糧食，但同時也是加速企業之間各種商業競爭的推手。怎麼讓數據的力量，為企業帶來助益？答案是人人都要擁有「數據素養」。

「數據素養」到底是什麼？最直白的核心價值就是：

「培養一個人具備足夠的知識與工具操作技能，能讓人在數據資訊的大海中，挑選出「對我的目標有用的」數據資料、並進行客觀的解讀分析。」

如此一來，當我們想要用數據協助做任何行動時，才不會陷入資訊焦慮，覺得「這個好像有用、那個可能也很重要……」而盲目蒐集、最終無法挑選「該看什麼、該用什麼」；也會無法思考可用數據之間的關聯性、得出有意義的結論，最終被海量的資訊淹沒。

「數據素養」涵蓋的知識和技能包山包海，若我們單純聚焦在「企業工作」方面的數據素養，其中就包含許多種邏輯能力、職能的培育。

成就企業成功，哪些是「決策者」應具備的數據素養？

企業為了順利推動各種商業行為（例如賣出產品），企業中每個人需要具有一定的數據素養；不僅是決策者與管理者，也包含每一個細節工作的專案執行人、業務開發者、一線服務者等……差別是不同職責工作者，所需鑽研的數據素養在專業項目、深度會有所不同；這些我們未來將再逐一討論。今天這篇文章，主要探討「決策者需要具備的數據素養」；決策者例如高階經理人、專案主導人；對這些人而言，「個人培養數據素養，是為了提升下有效決策、帶領團隊的能力」。

一、判斷、篩選出必要的數據

為此，決策者其中一項數據素養，是「判斷我需要什麼數據」。這是決策者本人從長期深耕於自身產業，關注趨勢動向、消費者行為、不斷親身參與企業的各種商業活動，而累積的厚實知識應用能力。

以此，在開始著手蒐集數據之前，決策者能先行評估：這次我想達到的目標是什麼？根據這個大目標，我在每個階段立下的子目標是什麼？我能操控的成本付出是什麼？

經過上述思考，我們才能立下有用的蒐集指標，接著操作 AI、數位工具，根據指標接手幫我們抓取數據資料、甚至抓取後先能初步篩選，精簡需花費人力閱讀分析的資料範圍。讓決策者在手中數據資料不偏頗、確實符合大目標的前提下，節省大量整理資料庶務的時間。讓決策者專注於分析：這些數據資料之間的關係、背後代表什麼意義？根據這些新發現的事實和臆測，企業團隊可以做什麼努力，來達成企業的目標、改善企業的不足？

二、鑑識數據資訊的品質

決策者另一項須具備的重要素養，是「鑑識數據資訊的品質」。

決策者前期在樹立指標獲取數據時，縱使已經詳細審查，但真正執行專案時，市場、環境、人為因素依然會時常變化；造成原本設計的指標、獲得的數據不一定符合實際需求。決策者必須在帶領團隊往大目標前進時，不被過往經驗束縛住，不斷反思驗證「現在我手上的數據，是否還對實現目標有用？」以及最重要的「這些數據是真實反映現況的嗎？」

數據的品質（真實性與實用性）對決策者、乃至於整個企業團隊至關重要。如果決策者無法判斷數據品質，那辛苦蒐集來的大量數據幾乎不能採信。

舉例，如果發生以下情況：

怎麼辦呢？

決策者要能回頭去反思出了什麼問題，比較兩份報告設計的指標，哪一個更符合企業目標和消費事實？或者甚至都不符合、需要重新評估指標？或甚至商品廣告的目標一開始就不對了呢？……諸如此類能延伸出的問題百百種。

以現在的科技，任何人都能抓到一堆數據，但數據經常受到誤用、衍伸的成效也有失精確。理性的決策者不會對所有數據照單全收，需要時刻反思、批判再驗證；才能帶領團隊用「有用的數據，做有意義的工作」。

三、運用數據分析，做出決策

當決策這做到前面這兩點，「我取得的數據符合目標、數據品質也是正確、實用的」，那接下來針對這些數據做出的事實分析、規劃的應對策略、建議的執行做法等等，才能真正幫助到整個團隊。

決策者怎麼分析數據？人稱「數據素養教父」的 BrainStorm 公司副總裁 Jordan Morrow 在《數據識讀者》一書中，提出他針對數據分析的四層次見解；解釋當決策者面對已知的事實、過去與現在蒐集到的有用數據，該如何分析結論？進而提出策略加以執行？

我們先用下圖，簡單說明「數據分析的邏輯」的四種層次，分別有針對過去現在解讀的〔描述性分析〕、〔診斷性分析〕，以及了解了現在、推知未來該做什麼〔預測性分析〕、〔指示性分析〕：

以上是核心的邏輯思維，我們可以用簡單舉例，來說明實際應用可能是什麼樣子：

當企業發生一件事實時，我們開啟「描述性分析」，通盤了解事實

「統計上一季，我們對客戶訂單的完美交付率比上上季下降5%。」

接著，為了搞清楚事情全貌，我們追查上一季各生產線的出貨統計，發現其中 A 生產線，曾延遲了 3 天交付初步產品給 B 生產線，結果 B 產線事先備好的原料有 20% 過期不能用，又需緊急調貨，環環相扣延遲了訂單交付給客戶的時間。

用「診斷性分析」，全盤了解 A、B 產線的營運與運輸成效情況、以及 A、B 內外部溝通情況等等資訊，分析事件背後問題

A 產線為什麼會延遲？人手不足？機械不夠？管理方式不夠好？還是外力因素（如停電風災）？為什麼以前不會延遲現在會？
B 產線在發現延遲當天做了什麼？B 產線日常儲備原料的冷凍設備有發揮作用嗎？

綜合「描述性分析」、「診斷性分析」提出解決辦法：

A、B 產線應建立各自針對突發狀況，且能與他線合作的應變機制，如冷凍裝置、電力人力備援等。
公司總部的專案人員、A 產線、B 產線之間應在預期到危機發生前（A 估計可能會延遲、而不是已經延遲時），便匯報給兩處以便機動性調整。

接下來，當決策者解決現下問題，並把眼光放遠至下一步棋時，例如規劃明年目標、未來 3 年公司執行走向等等，我們就可以看到「預測性分析」和「指示性分析」的應用，例如：

「預測性分析」從過去問題解決成功/失敗的經驗，預測改變企業現況將會發生什麼事

當老闆決定，明年要提高業務標準，再加 5% 時，老闆與決策者要透過過去成效，推算出相對「產品線產出量需要提高 15%，才足以供給客戶」。

決策者預測未來：產線之間延遲、突發狀況的機率將提高。
進一步，為未來問題準備措施：開發備用原料/運輸供應商、產線動線調整、新招募人力資源……等等。一切安排好後，才能確保目標真的能順利達成。

最後「指示性分析」，比較偏向宏觀面，是企業領導人應具有的眼光格局

例如：根據亞洲趨勢觀測，預期未來兩年 A 商品需求量有望大增，建議搭配貿易方針改良，鎖定某地區先占領市佔率，例如加大陌開南亞市場。而這其中「怎麼佔領」所牽涉到的資源損耗，企業該怎麼調配……
例如現今的消費市場資訊以數據為核心、人與AI共同協作為主，企業以此進行優化策略、執行策略、執行後再度蒐集數據的循環等等。

這四種不同的分析能力，決策者需要時時交互運用，例如做「預測性分析」時，同時加入「描述、診斷分析」觀察我的預測是否符合我的企業現況？競業做過類似的決策嗎？當時競業的可用資源是什麼、結果是什麼？……總之，這四階段之間沒有高低、前後之分，而是同時存在的。

最後，讓我們總結今天的文章重點：

在企業中，每個人因為自身工作涉及的職能、知識範圍，需要具備不同方面的「數據素養」。數據素養所涵蓋的東西很多，每個人需要掌握的程度也不同，但其核心價值不變：「讓人類面對龐大的數據資訊時，能足以挑選出有用的數據資料、並進行客觀的解讀分析」。

而身為企業中的決策者，應該培養「從數據中分析、獲得啟發，助於提升決策能力」的數據素養能力。怎麼培養？可以從四層次的「數據分析的邏輯」著手；分析企業過去、現在、未來裡已經發生、正發生、可能發生的各種問題，因此來更了解企業內的各種計畫執行成本與成效，並做出越來越有益企業內全體人員的決策。

以上，是我們本次針對數據素養的觀點；未來 Digit Spark 將持續研究數據素養的各種議題，與讀者們一起探討。如果您也對數據素養、數據行銷有興趣，歡迎聯繫我們，與我們交流！

參考資料：

｜本文由 Digit Spark 震豪網路媒體事業集團授權提供，僅反映專家作者意見，未經原作者授權請勿轉載。｜

作者資訊

《行銷人》讀者投書: 我們致力於提供台灣行銷從業者專業、實用的文章內容，若您也認同我們的理念，歡迎來信投稿：[email protected]

此作者最新相關文章

至作者文章列表