資料變現：資料職涯的成長思維

在資料職涯中，許多人在工作初期關注的是硬技能的培養，想把收資料、清資料、拉報表、建立模型或應用的流程打造的更順、更好。隨著工作歷練，在規劃個人甚至是團隊成長時，就要慢慢把焦點從「怎麼做」轉向「做什麼」。以我自身的經驗為例，在資料分析師時期會專注在專案執行與交付，花比較多的時間在執行面；後來轉為 AutoML/AI 軟體的產品經理之後，思考的是要提供哪些功能，讓企業客戶理解產品的價值，提升採購的意願。

社群上有許多產品經理制定產品路徑圖（Product roadmap）的方法，通常講述從公司願景、商業目標開始拆解，規劃未來工作的主題。這套方法論適用於各種性質的產品，若是用來規劃資料領域的工作，總覺得不夠精準細緻。

後來轉念一想，不論是什麼樣的職位，都需要清楚闡述工作的價值，把自己鑲嵌進組織的獲利系統的價值鏈當中，老闆才會有感、客戶也才聽得懂。順著「發展工作的價值鏈」這條脈絡，也比較容易讓人換位思考客戶的想法，幫助制定產品策略，甚至是為職涯發展的策略指引。

因此核心的問題是：

• 如何闡述自己的工作能帶來什麼樣的價值？要如何衡量？

• 未來的工作還能往哪個方向拓展？讓老闆或客戶更離不開？

這篇文章將介紹由麻省理工學院資訊系統研究中心（MIT CISR）的首席研究科學家 Barbara Wixom 的著作 Data Is Everybody’s Business: The Fundamentals of Data Monetization。在看到這本書的介紹文的時候，感覺心中盤旋許久的問題，終於有個答案。這本書提出了一套資料的價值鏈分析框架，有系統的列舉在不同的資料變現手段，可以創造哪種的效益、效益如何評估、可能面臨的風險或挑戰等。

我將摘要這本書的內容，以及補充我的看法，大綱如下：

• 什麼是資料變現（Data monetization）？

• 資料變現的三種策略

• Improving、Wrapping、Selling 三種策略差異

• 個人的經驗與反思

什麼是資料變現（Data monetization）？

資料變現是將資料轉化為營收的過程。對任何的組織而言，資料的應用不僅為了提升顧客和員工滿意度或是產品優化，大家來上班為的就是賺錢，因此所有的工作最終還要有目的性地轉換成營收來源，才能體現價值。

資料變現對資料科學團隊而言尤其重要，這是因為與能與營收直接掛鉤的職位相比，資料部門常被視為策略輔助單位，因此相對容易成為裁員的目標（泣）。這個現象可以從大型企業的高階主管配置略見端倪，企業大多設有 CEO、CFO，但是 CDO 並不是一個常見的職位，這意味著在決定員工未來的會議中，資料部門通常是缺席的。

那麽，資料變現在企業內部的策略層級又是如何呢？

企業內部最高層級的商業策略（Business strategy）會包含實現特定商業目標的計畫，其中數位化策略（Digital strategy）專注於各種資訊技術的導入或推展相關的計畫；再往下細分，資料策略（Data strategy）則是闡述企業管理和利用資料的目標與計劃，而其中一環就是資料變現（Data monetization），討論怎麼運用資料獲利。

簡單的關係描述大致是：商業策略（Business strategy）> 數位化策略（Digital strategy）> 資料策略（Data strategy）> 資料變現（Data monetization）。

不同的職位角色會發現自己所處的戰略情境大不相同。有人有清晰的商業策略，有些人難以從高層指派的任務中找到方向，不過無論是哪種角色，都可以從上述的策略框架中，開始思考如何運用資料發揮影響力。

資料變現的三種策略

企業可以透過三種方式從資料中獲利：

• 改進內部業務流程與決策（Improving）

• 優化核心產品或服務（Wrapping）

• 為市場提供有價值的資訊（Selling）

說明如下。

1. 改進內部業務流程與決策 Improving with Data

利用資料改進業務流程和決策，是常見但效益又常被低估的作法。它是一個向內探詢的過程，看看目前的工作流程哪裡可以被改善、哪些生產成本可以被節省。

知名的案例有：

• 物流公司 UPS 在 2017 年透過提供貨運司機的最佳化送貨路徑，省下了 4 億美元的成本。

• 運動品牌 Columbia 在導入了供應鏈分析軟體之後，讓員工可以對供應鏈上的突發事件快速採取行動，讓產品交貨率從 28% 提升到 78%。

這些成功案例並非一蹴可及，通常需要歷經漫長的、痛苦的組織改革，培訓或招募人才清理資料、提出洞見及解決方案，最重要的是改變做事的習慣。許多企業在成功辨識出可以簡單自動化的決策流程後，進而釋放人力，讓員工從事更有生產力的工作。

2. 優化核心產品 Wrapping with Data

對既有的產品提供更多的的優質服務，藉此做出產品區隔，也是一種資料變現的方式。實作上需要對產品本身有深刻的用戶洞見，藉由滿足消費者的潛在需求，增加產品對客戶的價值。其衡量指標包含了提升產品價格、銷量以及客戶的品牌忠誠度。

知名案例有：

• 美國金融控股公司 CapitalOne 為客戶提供了信用卡交易資訊的進階報告，其中包含了顯示每一筆刷卡事件的交易地圖，該功能可以協助客戶辨識盜刷等詐欺事件。

• Johnson & Johnson 的糖尿病護理部門為其血糖儀的客戶提供歷史血糖資料報告，以及資料樣態識別與判讀輔助工具，協助病患更好的管理血糖。

在考慮使用資料進行產品優化時，需要思考提供的附加服務是否能與既有的產品良好的整合，使用者可以不費力地無縫接軌到新的體驗。

3. 為市場提供有價值的資訊 Selling Information Solutions

對有深厚的特定領域專業知識的公司，長期透過資料分析來解決客戶的商業問題，靠的就是販售自身的資料，或是從資料中獲得的洞見。提供的服務有：銷售市場調查資料、初步處理後的資料、提供報告、分析顧問服務、教育訓練，或是流程外包。

知名的廠商有：消費者市場洞察公司 Nielsen、法律資料庫提供商 LexisNexis。

Improving、Wrapping、Selling 三種策略差異

理論上任何一家企業都可以運用這三種方法創造營收，然而這三種策略執行上需要不同的能力，而且在一個方法上的成功並不保證在另一種方法上也同樣順利。

舉例來說，公司內部流程的改善有賴於該工作流程負責人的領導，他們需要定義變動的範圍、了解資料如何能幫助流程優化，並且說服利害關係人，確保新的流程有落實。另一方面，產品優化需要產品經理探索使用者的需求，與開發團隊合作，發想資料如何能與既有的功能提供更高的價值。銷售資料科學解決方案的話，則是需要擅長銷售的事業負責人去推廣業務。

不同變現方式所創造的營收組成也大不相同，流程優化主要是降低成本，產品優化也是降低成本為主，也提高了產品的銷售，至於銷售解決方案則是來自直銷的營收。

個人的經驗與反思

讀完這本書之後，感覺裡面談到的資料變現框架泛用性高，也適用於非資料部門的工作者。文中也探討了三種方法下有哪些具體作法、團隊需要具備的能力，以及可能面臨的挑戰，內容相當完整。

我自己讀完後，也想就過往的工作經驗，提出一些想法。

1. 落實決策、做出改變才是王道

所有的資料變現策略落實到行動，都不出獲取資料、產生洞見、提出行動決策這三大類。但是很現實的是，要能從資料中獲利，必須要做到採取行動決策這一步。

對於資料成熟度較低的組織，光是設計好收資料的機制、把資料整理好，交到負責人手上，就要耗費很大的功夫。然而讓業務人員「獲得資料」本身並不能創造營收，他們還需要從資料中獲得洞見，並根據這些新發現制定一個行動方案，還要確保方案落地實行，才能真正獲利。

2. 讓大象跳舞， Put quick wins first!

前一點提到的「把事情搞定」，工程十分浩大。在組織內導入新的思維、新的作法，就像是要讓一隻大象跳起舞來，需要把龐大的工作切換成許多段的小步快跑，透過一連串的 quick wins 獲得高層的支持，保持大計畫的推行動能。

把所有待辦事項以投入的力氣以及創造的價值兩個維度做切分，花少少力氣又能創造高價值的事，就是最優先的工作項目。

3. 產業與領域知識很重要，不是所有技能都可以互相轉移

在一個產業愈久，會累積愈多經驗與知識，這些都能幫助資料人想的更快、做的更好。例如，知道這個產業中從哪些地方會產生資料、資料該如何收集、依照業務邏輯該如何清理資料、可以用哪些分析技巧來解決特定的問題。擁有產業領域知識會讓資料分析人員或是資料工程師把事情做得更加出色的關鍵。

這些知識或技能，並不是完全都能轉換的。試想一下，電商平台的銷售資料和工廠生產資料是完全不同的情境脈絡。不同產業間的資料變現框架可能可以通用，但產業專業知識，當在不同產業中跳轉時，大多是無法帶走的。

結語

本文談論到在思考資料科學團隊成長時，可以從資料變現的角度切入，把團隊鑲嵌進組織的獲利系統的價值鏈當中。也談論到資料變現的三種策略，各別的差異，最後分享了我的個人經驗與反思，希望對各位資料科學的工作者有幫助。

本文深受 Rafe Liu 的資料職涯分享簡報的啟發，也因為他的分享才了解到資料變現這個框架，在此致謝。