一種 Data-driven 信仰與組織文化的樹立或毀壞

8/20-8/23 中央研究院人文社會科學館非常的「資料科學」,因為這裡一連舉辦了 4  天的「第二屆台灣資料科學愛好者年會」。在第 2 天的《DSP 資料開竅.企業論壇》中,筆者主持了「跨國、行動、即時的資料團隊」這場分享與座談,主辦單位請到了通用移動 (Gmobi) 創辦人暨執行長吳柏儀 (Paul Wu)、大數據顧問暨數據科學家趙國仁 (Craig Chao)、沛星互動科技 (Appier) 營運長李婉菱 (Winnie Lee) 這三位擁有「不只 Data Team」帶領經驗的創業者與專業人士,分享他們在 Data Product 發展、組織運作、市場開發工作中,累積而來的洞察與提醒。

圖 1.  由左而右:Craig、Winnie、Paul、筆者
(本照片由 DSP 智庫驅動提供)

三位講者分享的觀點,擲地有聲,屢屢打中也身在「有資料組織」中聽眾的心。由於實在難得,聆聽的心得很多,筆者特別藉此一文,將個人認為最重要的元素:信仰、文化、與人,做一彙整。

Data-driven 是一種信仰與組織文化的樹立

在 Winnie 提出的「8 Tips To Turn Big Data into Big Insights」裡頭,第一點即是:
If you want to build a big data organization, everybody has to first believe in data.
(要建立 Big Data 組織之前,每個人首先要相信 Data)
而第二點與第八點則是根基於「相信 Data」而來的組織文化與用人準則:
HIPPO can be a problem. Let data speaks, not HIPPO speaks.
Hire those who have strong desires to use data to solve problems. 
HIPPO 是 Highest Paid Person's Opinion 的縮寫,通常一個組織中所得最高的人,會是掌握最大決策權的人,也就是慣被稱為「老闆」的人。唯有對 Data 的信仰,被深植於組織中,才有可能讓 Data 述說的情勢,聲量大於位高權重者的意見,也唯有形成組織文化,這件事才有可能變成一種常態,而非特例。

人是組織的關鍵組成,人對了、DNA 相符了,文化就容易被形塑出來。聘僱的員工如果天性就是 Data-driven 地在思考事情、計畫事情、解決事情,那就是一位真切的 Data 信仰者。如果每個員工 (也包含位高權重者) 都有這樣的信仰,Let Data Speaks 就會是一件自然的事。

以上三點,其實是相互緊扣的。很真切,但要做到,也很不容易,尤其是在已經行之有年的科層組織 (Bureaucratic Organization) 中,事涉決策模式、人資管理、內部行銷、心靈導師,許多明規則與潛規則,必須有顛覆的策略,跨越「想要」與「成為」的鴻溝,才有辦法到達 Data 信仰的應許之地。

8 Tips To Turn Big Data into Big Insights:
  1. If you want to build a big data organization, everybody has to first believe in data.
  2. HIPPO can be a problem. Let data speaks, not HIPPO speaks.
  3. Before analyzing anything, always starting with a clear goal.
  4. Start with simple data analysis then moving to more complex ones.
  5. It’s not about how much data you process, it’s about how much insight you draw.
  6. Build an environment that can support quick experiments.
  7. Before doing an AB testing, do an AA testing.
  8. Hire those who have strong desires to use data to solve problems.
毀壞的原因無需多,一個就致命

專家在做經驗分享時,一般常以 Key Success Factors (KSF;關鍵成功因素) 來做成功之所以成功的洞見歸納。但這次 Craig 卻以「Key Failure Factors of building a Data Science team」為題,分享資料科學團隊建立之所以失敗的關鍵原因。

他列舉了 4 點 KFF,做了精闢的陳述:
  1. Add Data Scientists
  2. Analysis with reports than models
  3. Political Conflicts
  4. Sales Judgment
我們可以總結上述 4 項失敗關鍵中的關鍵,只有一個字:人。

在組織中建立資料科學團隊,但卻沒有辦法給他們資料,這是怎樣?
給予資料科學團隊一堆資料,目標為何?
當資料科學團隊的目標跟業務部門的目標不同時,孰輕孰重?

人與事、人與資料、人與 Domain 的問題,有資源與時間都不難解決。但最棘手的,則是人與人、人與團隊、團隊與團隊。

「Data Science 就是一個字:跨」,Craig 這麼說。

在資料科學團隊的運作中,我們期待看到跨領域的人才組成,能夠在專業分工之餘,激盪出 Out-of-Box Thinking 的火花;我們期待跨部門的資料整合,去除組織的 Silo (孤島)。

但更上位的管理者,在期待之餘,也要面對現實,協助管理人與人,以及團隊與團隊間的衝突,以降低內耗。

人加上資料,可以創造價值,但一個人,就足以造成全盤的毀壞。

除了資料,資料科學團隊也需要務實地處理更多面向的事情。這也是資料科學教我們的事。





留言