打造專家級決策

Keep Up with Your Quants

湯瑪斯．戴文波特 Thomas H. Davenport

幾年前，美國某大銀行的資深計量分析師告訴我：「我不知道我們為何不把房貸從帳上移除。我有個模型清楚顯示，很多房貸都無法償還，我把那個模型傳給我們的房貸部負責人。」

我問房貸部負責人為何忽略那項建議，他回應：「如果分析師給我看模型，那並不是我能理解的方式，我甚至不知道他的部門在分析還款機率。」後來那家銀行因房貸壞帳，而慘賠了數十億美元。

我們活在大數據的時代。無論你從事的行業是金融、消費品、旅遊和交通運輸，或是工業用品業，分析已是組織必備的競爭要件。但正如前面的銀行例子所示，光有大數據，甚至有人熟悉數據的運算，是不夠的。經理人也需要和計量專家有效合作，才能確保他們的工作，可以產生更好的策略和戰術決策。

對熟悉分析的人，這並不是問題，例如有麻省理工學院博士學位的凱撒娛樂公司（Caesars Entertainment）執行長蓋瑞．拉夫曼（Gary Loveman）、普林斯頓大學主修電機與電腦科學的亞馬遜網站執行長傑夫．貝佐斯（Jeff Bezos）、從史丹福大學資訊科學博士班輟學的Google創辦人賴瑞．佩吉（Larry Page）和謝爾蓋．布林（Sergey Brin）。但如果你是典型的高階主管，可能只在大學修過一、兩門數學和統計課程，也許你很擅長使用試算表，知道怎麼做長條圖或圓餅圖，但對於分析，往往感到計量知識不足。

那麼對你來說，這股「資料導向決策」的趨勢意味著什麼？你如何避免像那位房貸部負責人落入虧損的命運，領導公司走向分析改革，或是至少能夠嫻熟了解分析技巧？本文是為非計量專家撰寫的入門文章，以高階主管的廣泛訪談內容為基礎，受訪者包括我擔任教職時的學生，以及我擔任顧問時的客戶。

你，當個專業用戶

一開始，先把自己想成分析資料的用戶，資料的生產者是計量專家。你做決策時，會結合他們的分析報告與模型，與你的業務經驗和直覺。這些計量專家當然很擅長收集現有的資料，並預測未來，但他們大多缺乏足夠的知識，難以找出假設和相關變數，也無法得知組織根本的變動。身為資料用戶，你的任務很重要，必須提出假設，並判斷在瞬息萬變的商業環境中，分析的結果和建議是否合理。也就是說，你必須承擔幾個關鍵責任，有些只需要改變態度和觀點，有些則需要一些研究。

責任1：學一點分析

如果你還記得大學統計課的內容，你可能就沒什麼問題。如果不記得了，你可以加強迴歸分析、統計推論、實驗設計的基本知識。你需要了解做分析決策的過程，包括何時該以用戶的立場介入，要求設計分析模型的計量專家，解釋每個模型的假設，加以答辯（見邊欄：「分析導向決策六大步驟」）。知名的統計學家喬治．波克斯（George Box）曾說：「所有模型都是錯的，但有些很實用。」換句話說，模型刻意簡化了我們複雜的世界。

為了更了解資料，你可以報名高階主管教育課程的統計課、上網修課，或是和公司內部的計量專家密切合作幾個專案，向他們學習。

信諾集團（Cigna）的臨床營運部副總裁珍妮弗．喬伊（Jennifer Joy）採用第三種方式，她擁有護理和企管碩士學位，但對自己的分析技巧不是那麼有信心。不過她知道，平日收到的電話客服中心長篇報告並未告知，他們打給患者的指導電話，是否真的能幫患者控管疾病，避免就醫。

所以，喬伊去找信諾的分析部門，尤其是實驗設計的專家，因為實驗設計是唯一可能顯示因果關係的分析方法。例如，她得知可以做測試性研究，以了解目標顧客當中的哪個群組，從電話客服中心的服務當中受惠最多或最少。具體的做法是，先使用分析資料來為患者「預先配對」，然後隨機從配對中挑出一人接受電話服務，另一人則接受其他服務，例如郵購或透過網路提供支援。每個測試性的研究只延續兩、三個月，並同時進行多項研究，所以，現在喬伊可持續獲得各種服務效果的資訊。

最後，喬伊和合作的計量專家發現，指導電話對某些疾病的患者有效，對其他患者無效，因此她調動了一些客服員工。現在，喬伊的部門每年做二十到三十個這類測試，以了解哪些服務真的對病患有效。她可能不了解所有方法的細節，但信諾的美國研究與分析部副總裁麥可．卡森斯（Michael Cousins）證實，喬伊變得「非常分析導向」。

責任2：搭配合適的計量專家

卡爾．肯普夫（Karl Kempf）是英特爾（Intel）決策工程部的領導人之一，在公司裡以「超級計量專家」或「首席數學家」著稱。他常說，有效的計量決策「重點不在數學，而是關係」。他的意思是說，如果計量專家和資料用戶培養互信的深厚關係，可自在地交流資訊與想法時，就能得到更好的結果。

當然，擅長分析的人不見得擅長社交，所以要培養這種關係可能很難。某位幽默人士半開玩笑地建議：「去找跟你說話時盯著你鞋子看，而不是盯著自己鞋子的計量專家。」不過，還是有可能找到溝通良好、又喜歡解決商業問題而非數學問題的人，而且你跟他建立關係之後，就能鼓勵彼此坦白交流，願意根據資料提出異議。

美國銀行（Bank of America）的凱蒂．諾克斯（Katy Knox），學會如何與產生分析資料的人搭配。她是消費金融處的零售策略與配銷部負責人，監督5,400多家分行，服務五千多萬名消費者和中小企業。多年來，她一再敦促直屬部屬使用分析做更好的決策，例如，決定要開設或關閉哪家分行、如何縮短顧客的等候時間，什麼誘因可促成多通路的互動，以及為什麼有些業務員的績效特別好。

美國銀行有數百位計量分析師，但他們大多集中在某個部門，經理人不容易接觸到他們。諾克斯堅持她的部門要有自己的分析團隊，她常透過開會和專案報告會議，與計量分析師密切共事。她和兩位分析團隊的領導人賈斯汀．艾迪斯（Justin Addis）、麥可．希濟（Michael Hyzy）合作最密切，他們兩位都有消費金融及六標準差的經驗，所以了解該部門的商業問題，能和他們旗下的計量專家充分溝通問題所在。諾克斯開了先例以後，美國銀行在消費金融處，為分析師設立矩陣式的組織架構，現在，這些分析師大多同時對事業部門及集中化的分析團隊負責。

責任3：把焦點放在開頭和結尾

對大數據的用戶來說，構思問題是分析流程中最重要的階段，構思問題包括找出問題，並了解過去其他人怎麼解決這個問題。這是最需要業務經驗和直覺的部分。假設畢竟只是對世界運作方式的預感，分析式思維的不同之處，在於運用嚴謹的方法來驗證假設。

例如，全視線光學（Transitions Optical）兩家母公司裡的高階主管覺得，這家變色鏡片公司在行銷方面的投資不盡理想，但沒有實證數據可以證實或駁斥這個想法。當時領導行銷部門的格雷迪．藍斯基（Grady Lenski），決定聘請分析顧問來衡量不同銷售活動的效果：把簡單的是非題「成本是否太高」，擴大闡述成有建設性的問題。

如果你不是計量專家，也應該把焦點放在流程的最後一步：向其他高階主管說明與溝通分析的結果，因為那是許多計量專家低估或忽視的環節。分析大致上就是「說明數據資料」，你偏好用什麼方式說明？會採用哪種用語和調性？應以敘事的方式說明，還是用視覺圖象表達？你喜歡哪一類的圖象？無論計量專家的分析有多複雜，都應該鼓勵他們以簡單明瞭的方式說明分析結果，好讓大家都能了解，或者，你應該幫他們說明。大家通常很難接受統計方法式的講解，例如「我們先做卡方檢定，接著把類別資料轉為順序資料，然後跑邏輯迴歸，之後再把經濟數據往後挪一年。」

許多企業人士是以投資報酬率（ROI）來說明：新的決策模型如何提高轉換率、營收或獲利？例如，默克藥廠（Merck）一位負責全球事業單位的高階主管，和公司內的商業分析團隊密切合作多年，以解決多種問題，包括直接對消費者做促銷的ROI是多少。在ROI分析之前，他先和團隊討論，若發現促銷非常有效、有點效果，或是沒有效果時，會採取什麼行動，以釐清那些分析不只是學術研究而已。分析完後，這位高階主管會請分析師和他的管理團隊一起開會，簡報與討論結果。

責任4：在過程中提許多問題

美國前財政部長賴瑞．桑默斯（Larry Summers）曾擔任某個計量避險基金的顧問。他告訴我，他擔任那個職務的主要責任是監督，也就是對那些聰明計量專家的模型和假設，提出一樣聰明的問題。很多計量專家過去從未受過那樣的質問，他們需要聰明的資料用戶，幫他們透徹地思考與改善本身的分析工作。

無論你多麼信任計量專家，都不要停止詢問他們困難的問題。以下的問題，幾乎一定都能促成更嚴謹、更穩健的分析。如果你聽不懂他們的答覆，請他們用更簡單的用語再說一次。

1.你的數據資料從哪裡取得？

2.樣本資料的全體代表性如何？

3.你的資料分布中包含離群值（outlier）嗎？它們對結果有何影響？

4.你的分析背後有什麼假設？某些條件可能讓你的假設與模型失效嗎？

5.你為什麼決定用那種分析方法？曾考慮過哪些不同的分析方法？

6.獨立變數導致相依變數改變的可能性有多高？其他的分析方法，可以更清楚確定因果關係嗎？

法蘭克．弗里德曼（Frank Friedman）是德勤（Deloitte）美國事業的財務長，向來很積極發問。他找來一些資料科學家和計量分析師組成團隊，幫他做了好幾個計畫，包括找出最適服務定價、設計能預測員工績效的模型、找出影響應收帳款的因素。「和我共事的人都知道，我很愛問問題，什麼都問。」弗里德曼說：「被我問過以後，他們都知道必須回去重做一些分析。」他也認為，不懂時坦白承認很重要，「我知道自己不是會議中最聰明的人。我總是要求大家講清楚一點，因為我若是無法清楚表達那些資料，就無法對別人答辯。」

責任5：培養探究而非倡議的文化

我們都知道：「數字會騙人，騙子會玩弄數字。」分析資料的用戶不該對計量專家施壓，講出類似下面的話：「你能不能從資料中找些證據，來支持我的想法。」明確目標應是找出真相，就像默克藥廠商業分析部的負責人說的：「管理團隊希望我們像瑞士一樣中立，我們只為股東工作。」

其實，有些高階主管會要求分析師刻意站在反方提出質疑，如此可為企業文化適當定調，有助於改善模型。「所有的組織都想討好領導人，」凱撒娛樂公司的拉夫曼指出，「所以很重要的是，要培養只評估觀點的企業文化，不管那個觀點是誰提出的，並堅持觀點必須有嚴謹的證據支持。」

拉夫曼鼓勵部屬提出資料和分析，而不是意見，並坦白指出自己的錯誤假設、結論和決定，他稱那些為「考慮欠周的差勁觀點」。這麼一來，經理人和計量專家都了解，他有時也會有的差勁觀點，就跟其他人一樣，需要接受客觀、公正的測試。例如，他常說，他剛擔任執行長時的最大錯誤，就是沒開除不願跟他一樣重視分析的那些物業經理，他以為他們的經驗就夠了。拉夫曼舉這個例子來說明他也可能犯錯，以及他堅持使用分析資料。

分析提升決策力

巴菲特曾說：「小心老是談公式的電腦怪才。」但在這個資料導向的世界裡，你無法不注意他們。你需要結合分析科學和直覺藝術。身為經理人，你應該了解那些電腦怪才，了解他們的公式，協助改善他們的分析流程，有效地向其他人詮釋與傳達分析的結果，最後還要能做出更好的決策。

我們來比較本文一開始提到的那家銀行，和多倫多道明銀行（Toronto-Dominion Bank）。多倫多道明銀行的執行長艾德．克拉克（Ed Clark）擁有經濟學博士學位，很熟悉計量科學，他也堅持，旗下的經理人必須了解公司所有金融商品背後的數學原理。所以，他們避開了風險最高的商品；2008到2009年的金融危機期間，他們在尚未出現重大虧損以前，出脫了其他高風險商品。

多倫多道明銀行對數據資料和分析的重視，也影響了事業的其他領域，例如，薪酬和績效管理的指標密切相連。他們各分行的營業時間，也比其他銀行長，因為消費金融處的前負責人賀麒添（Tim Hockey），堅持系統化測試延長營業時間的效果（與對照組作比較），結果發現，延長營業時間可以吸引更多存款。如果有人在主管會議上建議新方向，高層會要求他提出數據資料和分析來佐證。克拉克坦言多倫多道明銀行並不完美，但「從來沒有人指責我們不研究數字」。

你的公司可能不像多倫多道明銀行那樣注重分析，你公司的執行長可能跟克拉克不一樣，但你自己還是可以成為優秀的分析資料用戶，成為公司其他人的模範。

（摘自本書第三章）

打造專家級決策

Keep Up with Your Quants

湯瑪斯．戴文波特 Thomas H. Davenport

幾年前，美國某大銀行的資深計量分析師告訴我：「我不知道我們為何不把房貸從帳上移除。我有個模型清楚顯示，很多房貸都無法償還，我把那個模型傳給我們的房貸部負責人。」

我問房貸部負責人為何忽略那項建議，他回應：「如果分析師給我看模型，那並不是我能理解的方式，我甚至不知道他的部門在分析還款機率。」後來那家銀行因房貸壞帳，而慘賠了數十億美元。

我們活在大數據的時代。無論你從事的行業是金融、消費品、旅遊和交通運輸，或是工業用品業...

「大數據」（Big Data）是目前企業經營的「顯學」，而且在科技日新月異的趨勢下，可望更加成熟，並獨領未來風騷。而秉持Idea with Impact精神的《哈佛商業評論》，總能引領趨勢，並賦予趨勢更深刻的意涵、更務實的做法。因此，這本《哈佛教你精通大數據》便集結了《哈佛商業評論》在「大數據」方面的八篇文章，讓讀者在讀完後，能了解如何應用「大數據」這個有力工具，在企業決策、管理、營運上更為精進。

「大數據」（Big Data）是目前企業經營的「顯學」，而且在科技日新月異的趨勢下，可望更加成熟，並獨領未來風騷。而秉持Idea with Impact精神的《哈佛商業評論》，總能引領趨勢，並賦予趨勢更深刻的意涵、更務實的做法。因此，這本《哈佛教你精通大數據》便集結了《哈佛商業評論》在「大數據」方面的八篇文章，讓讀者在讀完後，能了解如何應用「大數據」這個有力工具，在企業決策、管理、營運上更為精進。