2015/2/26 「當消費者的耐心只剩下0.3秒，企業該怎麼辦？」

組織管理

當消費者的耐心只剩下0.3秒，企業該怎麼辦？

摘錄自：經理人月刊 電子報                        2015/2/26

2015-02-20 18:00 撰文 / 張

毫秒（millisecond），是時間的單位，意思是千分之一秒。有多短呢？人眨一次眼，大概需要0.2-0.4秒，也就是200-400毫秒；研究顯示，消費者在網路上的耐心，只剩下300毫秒。

也就是說，你按下一個鍵、搜尋一個關鍵字、完成一筆交易、比如買一張江蕙的門票，眨個眼，售票系統就該顯示交易完成。面對愈來愈沒有耐心的消費者，企業只能加快自己的腳步，往實時企業（real-time business）邁進。

實時企業成為企業必修的課題。

什麼是實時企業呢？甲骨文企業架構師王任遠以線上交易支付平台Paypal來說明：

其一是系統的安全與穩定性。Paypal使用的是最高等級第4級（tier 4）數據中心，每年平均停機時間不到1小時，能夠進行維修活動而不造成系統中段。

其二是同時交易的量，Paypal每秒鐘可同時進行30萬筆線上交易，「甚至大於台灣證交所的交易量」；

其三是反應時間（response time），因為消費者的耐心只剩下300毫秒，Paypal將系統的反應時間降低到100毫秒。

實時（real-time）的技術也可以應用在醫院上。甲骨文技術總監黃久安舉例，心血管疾病的病患，醫生要調出他過去的病歷資料，「有時候，10分鐘就要決定要不要送進開刀房。」資料早一秒、晚一秒出現，都可能有決定性的差異。

過去醫生病人等資料的情況很普遍，那是因為技術沒辦法做到立刻回應，當技術可以做到時，「每個人都能享受到即時的威力。」甲骨文的客戶馬偕醫院，醫生看診時間平均縮短了20分鐘。

非結構化資料成為資料的大宗

另一個特徵是龐大的資料量就像Facebook的圖片、YouTube的影片、Twitter上的留言、LINE簡訊，都屬於沒有被結構化的資料。

企業應該學習快速處理非結構化資料並將這些資料與公司內部的已有的結構化資料相結合。

黃久安舉例，芝加哥警方所採用的系統，便可以即時監控線上的非結構化資料。舉例來說，在民眾集結準備進行抗議行動時，警方便能依據網路上的線索（非結構化資料），預測民眾現在聚集的場所與交通情況等，再配合警方內部原有的警車和人力的配置（結構化資料），進行最好的人員調度，反應更為快速即時。

2014/2/27 「資料科學家：21世紀新淘金客」

資料科學家：21世紀新淘金客

摘錄自：Career職場情報誌 電子報                     2014/2/26

撰文◎羅梅英

5年前你一定沒有聽過「資料科學家」（Data Scientists）工作，如今，這個工作的影響力正全面席捲網路、百貨零售、金融及電信等產業。

今年大陸「雙11」光棍節網購，創下全球網路購物單日銷售的新紀錄，成交金額達人民幣350億元（約新台幣1,750億元），吸引2.13億人次下單。中華資料採礦協會榮譽理事長謝邦昌表示，光棍節之所以能創造出驚人的網購業績，精準的資料分析功不可沒。中國18歲以上未婚者高達2.5億人，這群人過去的購買習慣是什麼，只要分析並找出pattern（模式），就能推出吸引人的促銷優惠。

　

情報戰時代！No data , No money

對企業來說，「No data，no money。」謝邦昌說，如何從Big Data（海量資料）中找出有價值的資訊，企業打的是「情報戰」。不少大型企業集團開始有系統地整合旗下子公司的資料，例如服務業及百貨零售業紛紛發行會員卡，為的就是希望在龐大的資料中「淘金」、將資料轉成商機。

根據統計，全球每年可產生1.8兆GB的資料量，未來增加速度只會更快，資料呈爆炸性成長。台灣微軟產品行銷經理周慕義表示，「企業過去多用直覺做決策，如今必須用更科學的方法才行。」也因此，擅長分析數據、找出數字意義的「資料科學家」，成為下一波搶手的技術人才。

「資料科學家」被《哈佛商業評論》譽為21世紀最有魅力（Sexiest）的職業。去年底《Information Week》所做的「海量資料人才爭奪戰」調查預估，到2018年資料分析人才缺口將爆增170萬名。

謝邦昌估計，台灣的資料分析人才，包含市調、企劃及資料分析在內，人才缺口至少1萬以上，擁有3～5年經驗的資料分析師，平均年薪可達百萬元，身價看漲。

IT人員熱衷跨足資料分析

看準企業對於Big Data分析的需求，台灣微軟與中華資料採礦協會合作成立「微軟資料科學研究院」，培育專業資料分析人才。

台灣微軟營運暨行銷事業群副總周旺暾表示，Big data的平台與工具發展漸趨成熟、技術容易取得，問題在於資料如何解讀、找出有價值的資訊，「人才，才是關鍵！」

「微軟資料科學研究院」開設11堂課程，包括：企業資訊整合、資料探索及關鍵變數發掘、預測型資料探索技術、描述型資料分析技術、數據挖掘應用等。課程免費，才開放報名不久，資料處理與分析的系列課程就幾乎爆滿，班班吸引近百名學員。

學員背景包括程式設計、資料庫工程師，以及企劃、經營管理顧問等，其中以IT人員占多數。周旺暾分析原因在於，未來企業IT硬體，將朝採購雲端服務發展，無需自建，IT工程師將面臨轉型問題。

上完課之後，中華資料採礦協會明年4月將推出資料科學家的專業認證，並著手建立人才資料庫，認證效力將擴及兩岸。

要熟諳數學統計與產業知識

周旺暾指出，資料採礦（Data Mining）和Big Data分析的差別在於，資料採礦較偏重技術面，Big Data分析則偏重應用面，須結合產業專業知識（domain knowledge）。

例如：今年中國光棍節首度和國家氣象局合作，將天氣數據即時傳送給快遞公司，以便調整運送路線，跨領域蒐集資料是過去資料採礦不會做的。

謝邦昌表示，資料分析為跨領域的專業，絕非單一專業就足以勝任。IT人員擅長工具與技術面，但不懂得如何解讀數據的內涵；企劃人員具備產業專業知識，需要加強的則是統計觀念與應用知識。

想成為資料科學家，必須有資料採礦、統計、數學的概念，資料分析需要建立模型，才能找出正確有價值的資訊。因此，統計及數學人才相對吃香。

除了懂得統計方法、建資料庫，謝邦昌強調，還必須具備產業知識，懂得整合各領域專業，才能提出解決方案，甚至早一步發掘並預測新的趨勢。

同時也是輔大統計資訊系教授的謝邦昌指出，統計系學生畢業至少有2、3個工作選項。在大陸，資料分析人才的發展機會更大！念統計的新鮮人畢業起薪約人民幣7、8千元（台幣3.5～4萬元），第三年的薪水可達2萬人民幣（約台幣10萬元），十分搶手。 

2014/1/3「分析決勝負」

新刊掃描

分析決勝負

摘錄自：大師輕鬆讀電子報                        2013/1/3

傳統競爭優勢已經迅速大幅瓦解，你如何讓自己的企業在同業競爭中拔得頭籌？領先群倫的公司現在對資料的運用已經大異於前，他們不再只是搜集與儲存大量資料，提出籠統的報告；反而積極地應用科技，從數據中得到真知灼見，建立自己的競爭優勢。他們的祕密武器是什麼？答案是：分析。

為什麼分析讓企業占盡競爭優勢？曾經，很多產業使用類似的技術，結果產生類似的績效。許多從前的競爭基礎，如地理位置、 保護條款，都因為全球化而逐漸消失。專門技術迅速被複製，突破性創新的產品和服務也成為難以達成的任務。因此，讓企業脫穎而出的關鍵，在於找出真正的差異點。這使得競爭剩下 3 大要素：高效執行、聰明決策，以及從業務流程中淬取出最大的價值。而這 3 件事都可以由分析獲得。

湯瑪仕．戴文坡擅長商管流程的分析及知識管理，2003 年名列世界 25 大頂尖顧問之一，2007 和 2008 年，則被《Ziff- Davis》雜誌譽為資訊科技產業百大最具影響力人物之一。與珍妮．哈瑞斯合著的這本《分析決勝負》，成為廣受歡迎的暢銷書，並譯成 13 國語言。

書中列舉像波士頓紅襪隊、Netflix 公司、亞馬遜網站、第一資本、寶鹼和百思買公司等範例，運用分析擊敗對手。更重要的是，他們將分析內化成組織的一部分，成為做決策或行動前的習慣，使他們在產業界中立於長久不敗之地。

分析，重寫了競爭法則。然而，成為分析型公司必須整合多方資源，獲得高階主管認可，循序漸進，並且反覆執行。儘管如此，所獲得的成果卻絕對不會令你的努力白費。

第 1 部 分析的定義和關鍵特性

商業分析是運用精密的資訊技術，搜集客戶和市場資料，讓你可以了解和預測客戶未來的動向。一旦你運用充分的資料和適當的演算方法發展這套系統，日後就可以根據事實制定管理決策，而不是依賴直覺或其他方式。

在商業上運用分析，能讓你提出統計上客戶最可能接受的報價和產品。以更有系統和資料導向的分析，取代傳統在市場上亂槍打鳥的方法，也可以讓你的商業活動更有效益並且提高獲利。

雖然良好的分析能力顯然要有健全的資訊管理基礎設施，以便取得、整合、轉換和存取必要的資訊，但光靠做這些事的技術，不一定就能讓它發生。要靠人和組織在分析競賽上的各方面表現，才能做到真正的差異化並作為發展基礎。

第 2 部 如何成為更擅長分析的公司

成為分析高手的道路絕不輕鬆。必須整合到位的環節太多，無法一蹴可幾。想要取得工業等級的分析能力，你必須整合公司的應用軟體、資訊技術、資料庫、作業流程、業務指標、獎勵機制、技能、文化和高階主管批准。而且在往前更進一步時，你還會發現，要變得更擅長分析得經歷不斷反覆操作的過程。

分析高手不會滿足於過去成就，不思進取。經驗告訴我們，在明顯獲益之前，一般需要經過 18 至 36 個月的密集努力，才能學會善用分析法。

2014/1/3「分析決勝負：5 階段讓分析成為競爭優勢」

大師NO. 522

分析決勝負

5 階段讓分析成為競爭優勢

摘錄自：大師輕鬆讀電子報                        2013/1/3

如今競爭優勢落入能比對手更會思考的組織，他們使用「分析法」: 這是利用精密的資料分析做出模型，能準確預測顧客戶未來想要什麼，根據的是目前對顧客的一切所知。越來越多高度成功的公司正採用此法，因為他們擁有世界一流的資訊處理能力，這讓他們能根據事實做出更好的決策，而不是靠瞎猜或直覺。

原文書名

Competing On Analytics

The New Science of Winning

原文書特色

★ 亞馬遜網路書店暢銷書排行榜

★ Goodreads、Barnes&Noble 網站好評推薦

本期目錄

主題看板 大分析時代來了

第 1 部 分析的定義和關鍵特性

第 2 部 如何成為更擅長分析的公司

延伸閱讀 靠分析闖出大事業

大分析時代來了

大數據來了，大分析時代也來了。過去靠少數人高瞻遠矚打江山的日子確實已經成為過去，如何有效建立分析型組織，讓公司成為業界分析高手，才是可長可久的競爭優勢。

傳統競爭優勢已經迅速大幅瓦解，你如何讓自己的企業在同業競爭中拔得頭籌？領先群倫的公司現在對資料的運用已經大異於前，他們不再只是搜集與儲存大量資料，提出籠統的報告；反而積極地應用科技，從數據中得到真知灼見，建立自己的競爭優勢。他們的祕密武器是什麼？答案是：分析。

為什麼分析讓企業占盡競爭優勢？曾經，很多產業使用類似的技術，結果產生類似的績效。許多從前的競爭基礎，如地理位置、 保護條款，都因為全球化而逐漸消失。專門技術迅速被複製，突破性創新的產品和服務也成為難以達成的任務。因此，讓企業脫穎而出的關鍵，在於找出真正的差異點。這使得競爭剩下 3 大要素：高效執行、聰明決策，以及從業務流程中淬取出最大的價值。而這 3 件事都可以由分析獲得。

湯瑪仕．戴文坡擅長商管流程的分析及知識管理，2003 年名列世界 25 大頂尖顧問之一，2007 和 2008 年，則被《Ziff- Davis》雜誌譽為資訊科技產業百大最具影響力人物之一。與珍妮．哈瑞斯合著的這本《分析決勝負》，成為廣受歡迎的暢銷書，並譯成 13 國語言。

書中列舉像波士頓紅襪隊、Netflix 公司、亞馬遜網站、第一資本、寶鹼和百思買公司等範例，運用分析擊敗對手。更重要的是，他們將分析內化成組織的一部分，成為做決策或行動前的習慣，使他們在產業界中立於長久不敗之地。分析，重寫了競爭法則。然而，成為分析型公司必須整合多方資源，獲得高階主管認可，循序漸進，並且反覆執行。

儘管如此，所獲得的成果卻絕對不會令你的努力白費。

2014/1/3「資料分析創造 3 項新興趨勢」

專家解讀

資料分析創造 3 項新興趨勢

摘錄自：大師輕鬆讀電子報                        2013/1/3

在大數據的世界，資料的價值從原本的用途轉移為未來的可能用途，這種現象產生深遠的結果，它改變組織對資料的看法和使用資料的方式。

趨勢 1 數據化將更普遍

當大數據的好處得到更多認可和重視時，更多現實世界的現象就會被數據化。最明顯的應用將是：

■真實世界的度量指標——時間、距離、區域、音量和重量，現在都能以更高的正確性和精確性，進行度量及追蹤。

■文字——谷歌和其他公司正努力將印刷書籍變成數據化內容，以供機器搜尋、索引和處理。

■地點——在 1990 年代，價值數百美元的全球定位系統模組，如今可以花不到 1 美元大量生產。 此外，無線科技也更為廣泛流傳、廣泛使用。

■互動——臉書在 2012 年大約擁有 10 億用戶。 臉書資料能做的不只是追蹤 1000 億條友誼連結，對於信用記錄和未來各種商業的應用，都可能具有極大的價值。

趨勢 2 資料成為關鍵資產

在大數據的世界，了解愈多就愈有競爭優勢。資料可以形成強大的進入門檻。讓大家能夠合作。你可以對它進行很多不同的操作：

■以不同的方式再次使用——一旦資料被電腦取得並儲存，就可以透過各式各樣的創新方法再次使用。完全取決於企業如何看待資料。

■和其他資料結合——就是網路上的「混搭」的概念，是以新奇的方法結合兩種或多種資料來源，將是某些重大分析研究的前身。

■尋找新奇的用途或「廢物利用」——隨著科技進步，追蹤人們進行數位活動留下的蹤跡愈來愈容易，許多企業也更精於取得廢棄或二手資料，再透過其他方式使用。

趨勢 3 分析將凌駕專業知識

由於大數據愈來愈廣泛被使用，所以它絕對具有重塑產業的潛力。大數據產生的最大衝擊是資料導向的決策將可以用來強化或推翻人為的判斷。這種新架構依靠的是資料間的相互關係，而沒有預判或成見。大數據的價值鏈通常如下：

■握有大量資訊的資料持有者會試著從資料中萃取價值，但是他們有時會欠缺必要的技巧和專業知識。

■資料專家就是擁有必要的專業知識和技術，可以執行複雜資料分析的企業。

■在大數據價值鏈中通常會出現的第三方，就是那些具有大數據心態的企業和個人。這些個體或許沒有存取資料的管道或採取行動的必要技術，但是他們會看到可以掌握價值的機會。