張承管理學

學習行銷資料科學時別忽略了統計

在指導公司內外同仁、同學
學習行銷資料科學分析時
我發現一件「學習上的進入障礙」

過去我以為
許多行銷人員不會寫程式
許多程式人員不會行銷
所以就讓行銷人員學習撰寫程式
同時讓程式人員學習行銷管理
這樣可以增加彼此的本職學能
並且有助於專案的落實

結果成效不彰

仔細探究後我發現
許多行銷人員想到要寫程式頭就很痛
許多程式人員想學行銷但成效有限
也許是我的指導方法
或是他們的自學方法有誤
也或許是個人興趣或是個性使然
總之
大家的學習成效
與我的認知有很大的落差

除此之外
在指導的過程中
我還陷入一個誤區
那就是誤認為
大家的「統計學」有一定的基礎
結果
對於「描述性分析（Descriptive Analytics）」
（亦即解釋已經發生的事，
例如：
協助企業分析出消費者的樣貌，
或是這些消費者購買了什麼？）
大家基本上都沒有太大的問題

但要進入「預測性分析（Predictive Analytics）」
（亦即協助企業解決可能發生的事，
例如：
分析出消費者可能還會購買什麼？
進而提前給予消費者相關的產品資訊）

以及「指示性分析（Prescriptive Analytics）」
（即能指導實際執行時該如何做，
例如：
當消費者走到某商圈時，
手機會主動收到適合自己的附近店家折價券）
基本上許多人就無法完成
 

背後的原因
主要來自於「統計」
 

其實
這個問題我應該早就清楚才對
行銷資料科學專業範疇涵蓋
「行銷管理」、「資訊科技」與「數學統計」三種專業

過去我在指導時
太過著「行銷管理」與「資訊科技」
而忽略了「數學統計」
（或是高估了大家的統計程度）
所以
接下來除了鼓勵行銷（資訊）人員
學習程式（行銷）與複習統計
（雖然效果真的有限）

同時
透過專業分工的方式
結合不同專業領域（資訊、行銷、統計）的同仁
來蒐集資料、分析資料、呈現資料、發展行銷方案…
相信
這樣的效果應該會更好

加油!

Peter