捉緊大數據趨勢 精準分析數據 助業務成長（陳龍威）

本文作者陳龍威 (Tim)，為數據素養協會資深創會會員，為《EJTech》撰寫專欄

當今商業世界，人們經常談論如何利用數據分析去推動業務成長，有時候更擴展到進階的大數據技術，例如 Gen AI，資料探勘，機器學習甚至人工神經網路。然而，在開展有成效的大數據之旅之前，我們必需掌握一些關鍵因素。

企業文化 – 數據驅動的組織

與推進所有新數碼科技一樣，企業文化始終是成功的關鍵因素。將數據驅動思維融入管理決策， 客戶互動，和營運流程中，確實可以推動業務變得更好、更進一步。 麥肯錫的一份報告指出，使用數據驅動的銷售成長模式， 可以顯著提高公司利潤（「EBITDA」來自銷售成長和利潤率提高）。這裡的關鍵是我們如何能夠將重點數據轉化為企業資產，並推動整個機構以數據分析作為成長的驅動力。

大數據分析 – 成功的關鍵

數據分析是一個很廣泛的術語。對不同的人來說，它意味著不同的事情。一般來說，根據目的分為三大類：描述性分析，診斷性分析，和預測性分析。

一、描述性分析：描述發生了的事情。在實際情況中，這涉及到收集，整合，和總結各種銷售／營運／財務數據，以便與關鍵績效指標（KPI）， 歷史趨勢，甚至外部基準數據進行對比。它有助於了解今天所處的位置，以及應該進一步改進的方向。

二、診斷性分析：了解為什麼發生某事。我們將從描述性分析中取得結果，然後進行更深入的診斷分析。 將使用更多樣化的資料集或其他相關指標來檢驗可能的假設，並確定結果的真正關鍵驅動因素。

三、預測性分析：預測未來會發生什麼。基於描述性和診斷性分析得出的寶貴見解，我們將使用機器學習技術，數據演算法和各種實際環境假設，來預測不同結果的可能性。憑藉這些寶貴見解，再加上與相關持分者的了解交流後，我們便可以作出以數據驅動為基礎的商業決策。

數據基礎架構 – 完整實時數據平台

為了實現這一目標，從長遠來看，我們需要開發一個完整實時數據平台，用於數據收集、整合儲存、深入分析和視覺化表達等，數據來源可能來自內部和外部。這一步非常關鍵，因為它可以利用多元化的實時數據 來建立單一的事實來源，在數據驅動的環境中更好地了解客戶需求，最終制定強而有力的商業策略來贏得更多業務，並更好地為客戶服務。

流程優化 – 強大且自動化的見解生成

當數據平台和分析結果準備就緒後，我們還需要建立無縫分析流程和自動化引擎 並與現有管理流程和營運系統接軌，為管理層、業務領導者和所有同事提供各種寶貴見解。 這些見解將有助於制定業務策略， 關鍵決策， 和產品關鍵上市時間規劃。

數字素養 – 公民資料科學家

我們不應該只將數據分析的力量局限於特定專業團隊中，因為我們相信每個員工都可以成為公民數據科學家，並從數據中獲得巨大價值。因此，提升數據素養，讓每位員工都能夠在自己專業範圍內，充分利用數據分析，才是最終目標。這將包括機構的整體數據分析技能提升和專業技術團隊支援。在大多數情況下，這還需要借助領導團隊（例如C-suite）的大力支持， 在全公司範圍內進行數據素養教育和進度跟蹤。

以這些關鍵要素作為基礎，我們就可以取得快速成功，並對業務發揮強大的潛在影響力。尤其是在客戶分析方面，可以透過多方面數據綜合產生的分析見解，並根據客戶生命週期，市場事件或情緒， 和預測性模型，進一步推出數據驅動的業務策略（例如顧客獲取／互動／留存／成長， 促銷／交叉／追加銷售，產品／服務定價等）。 如果您想從中受益，那麼在開展大數據之旅之初，就必須建立起數據素養思維，持續監察， 並在有需要時配合業務發展進行調整。

有一點我們必須要留意，大數據之旅並不是一個終結。一旦有了好的開端，它將會化身成一個生態圈，吸納更多有意義的數據，並且長期為你服務。

支持EJ Tech

如欲投稿、報料，發布新聞稿或採訪通知，按這裏聯絡我們。