商業思維學院

一年時間，一起變強，歡迎來到商業思維學院，我是 Gipi 游舒帆。

數據驅動 (data driven) ，這個詞出現的時間比大數據更早，從有資料庫，有分析報表，有儀表板開始，很多大型企業便希望在面對充滿未知的商業世界時，數據能導引方向，讓他們不至於漫無目的的亂跑亂撞。

數據驅動與經驗驅動

各位是否還記得先前Evonne拿她家開五金行的案例，所有的商品庫存、售價、擺放的架位全部都是仰賴人腦記憶；而我先前提過的選品案例，那位經驗老道的老闆其實也是用他過往的經驗來判斷商品的好與壞，但他可能忽略了自己選品的命中率已經逐年衰退，缺了精確的數據，讓他產生了他還是選得很準的錯覺。

其實，經驗本身就是一種數據，而腦袋就是資料庫。在不看氣象報告的時候，你是如何判斷今天會不會下雨的？我猜你還是會看看外頭的天氣如何，雲多不多，天候黑不黑，是否比平常更悶更冷一些，觀察大家是否有帶傘，你會從很多地方採集「數據」，然後跟你腦袋中的資料庫做比對，這不是跟數據驅動相去不遠嗎？

但人腦這個資料庫的弱點是什麼？除非是大起大落，否則基本上我們不容易感知到日復一日的些微變化，因為我們不會定期在腦袋中產出一份報表或趨勢圖，來持續修正我們對每件事情的認知。從這邊，我們就可以簡單地看到，經驗這種數據，其實若缺乏客觀且定期的更新，人是不容易與時俱進的。

人腦的優勢在有智慧，當現實與預期不符，或者你心裡覺得不踏實的時候，你可能會尋求其他資訊來源，例如問人或上網找，或者即便不知道今天會不會下雨，帶把傘帶著總是保險，如果沒帶傘，人在外頭真的碰到大雨，你也會到附近的商店去買一把新的，而這就是人類智慧的可貴之處，也是AI暫時無法追上的地方。

真正的數據驅動是「讓數據指引方向」

近幾年愈來愈多人在談論數據管理，也持續提及數據驅動這個詞，但我心裡的數據驅動並不是用產出一張又一張的報表，然後透過人腦去判斷並找出洞察，這種狀態比較像是試著「從數據去找答案」，我理想中的數據驅動是「讓數據指引方向」。

電商平台的推薦系統，雖然是以促銷為目的，但很多時候它也確實引導了消費者的決策，買了A的人通常還會買B、C、D喔，這背後運用的也是從數據中找出常常被同時購買的商品。

過去我們在公司內做了一個數據管理平台 DMP (Data Management Platform) ，專門用來處理上千個通路的廣告投放，有些時候有些投放通路或素材表現特別好，如果要用人工判讀，他可能得去看歷史數據，然後跟外頭其他競品比較一下現況，然後才可以決定要不要增加投放預算，而追加預算可能還要額外申請預算，如果不考慮增加預算，那就要從別的通路中挪預算過來用，那到底要降低哪個通路的預算才夠呢？其實這種決策一來一回之間大概就得花掉半天一天，因為通路實在太多了，人工根本無法管理。

後來我們做的這個數據管理平台已經整合了多數廣告代理商的API，我們可以隨時獲知每個通路的廣告投放狀況，也有歷史表現做對比，預算也可以由一個統一的分派演算法來控制，而不需要一次把每個通路的預算都分配好，哪個通路要追加預算，哪個通路要先停，基本上都可以由數據來決定，而不需要人為介入。

這算是實現了一部分我對於數據驅動的期待，搞定那些光靠人力不容易搞定的事。不過若要完整了落實數據驅動，我認為路途是挺漫長的，下一篇我會談推薦系統的基本邏輯，在下一篇則會談談完整的從銷售到生產，產銷一體的一條龍數據管理觀念，內容中將有更多的概念剖析，本篇我主要想跟大家談談建構一個由數據驅動的管理制度時，必須要先具備正確的指標概念。

領先指標與落後指標

在談數據驅動時，有一個觀念是一定要先提的，那就是領先指標 (leading indicator) 與落後指標 (lagging indicator) 。

落後指標基本上都是結果，例如業績表現、服務滿意度、品牌知名度等等，而多數公司的KPI其實都是落後指標