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。
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：
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:
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：
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。
圖 1. 由左而右：Craig、Winnie、Paul、筆者
(本照片由 DSP 智庫驅動提供)
(本照片由 DSP 智庫驅動提供)
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:
- If you want to build a big data organization, everybody has to first believe in data.
- HIPPO can be a problem. Let data speaks, not HIPPO speaks.
- Before analyzing anything, always starting with a clear goal.
- Start with simple data analysis then moving to more complex ones.
- It’s not about how much data you process, it’s about how much insight you draw.
- Build an environment that can support quick experiments.
- Before doing an AB testing, do an AA testing.
- Hire those who have strong desires to use data to solve problems.
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：
- Add Data Scientists
- Analysis with reports than models
- Political Conflicts
- Sales Judgment
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
張貼留言