張承管理學

數據分析循環

一家公司剛組建數據分析團隊時
應該如何進行相關業務的規劃？

首先
建議先盤點公司的現有資料
畢竟要進行數據分析之前
必須先有數據

其次
根據需求與目標
進行數據分析

接著
再根據數據分析的結果
產生洞見（Insight）
協助做好決策

之後
持續增加公司內外部的資料蒐集
然後再次根據需求與目標
進行數據分析
產生洞見
協助做好決策
如此反覆循環

以上的架構雖然簡單
但每個步驟在執行時都不容易

首先
第一步要先進行資料盤點
這部分許多公司就沒有做
通常會組建數據分析團隊的公司
規模都不小
資料的來源、種類，背後複雜度較高
甚至數據分析團隊
還無法拿到想要分析的資料
其原因可能是受限於公司的內稽內控
也可能是政治行為
甚至可能會因為能提供資料的某部門窗口
很討人厭
於是數據分析團隊乾脆就不執行該部門的專案

此外
在盤點完公司的資料後
也可能因為種種原因
發現許多應該要蒐集的資料並沒有蒐集
或是在蒐集資料的過程中便宜行事
導致資料的不完整
這樣的結果
都對之後的數據分析
會產生巨大的影響

其次
要釐清數據分析背後的需求與目標
必須要對數據分析有概念
知道數據分析能做到什麼？
以及不能做到什麼？
偏偏沒概念的可能不只是部屬
甚至是擁有決策權的主管
在這樣的情況下
數據分析團隊光是確認需求與目標
就已經遭遇到很大的困難
更遑論之後的數據分析
還要能以嚴謹的方式來進行

其三
當執行完數據分析
產生分析結果之後
需要產生洞見
以協助決策的進行

而要能正確解讀數據
產生洞見並不簡單
除了在專業上
要有與數據相關的研究方法知識
以及統計思維、運算思維、模型思維等概念
還要有數據分析案的企業機能知識
例如：從事行銷數據分析，要有行銷管理相關知識；
從事生產與作業數據分析，要有生產與作業管理相關知識；
從事人力資源數據分析，要有人力資源管理相關知識等

此外
數據分析人員還要對該產業的知識（Domain Knowledge）有所了解
才更有機會產生洞見

（如果數據分析人員只專注於某項專業，可以透過團隊的方式來進行溝通，進行補強。
這也凸顯了一位優秀的數據分析人員是多麼不容易培養）

最後
數據分析團隊在確認需求目標
並且透過數據分析，產生洞見，協助決策後
公司要持續有系統、有計劃地蒐集與累績內外部的資料
而這部分又牽涉到各部門的運作與執行
背後能否落實
又回到第一步資料盤點所可能面臨的問題

總之
數據分析團隊的組建並不簡單
要能成功的運作
高階主管的支持非常重要
背後會遇到的困難與阻礙很多
而且成效通常不容易顯現
數據分析團隊的夥伴也要有以上的認知
並且持續學習專業知識與產業知識
同時多參與專案的執行
當自己擁有越多的數據分析知識與專案經驗
將會成為炙手可熱的人才

加油!

Peter