在政界，大家忙著(zhù)測自己的亞斯伯格指數。 在商界，老板忙著(zhù)問(wèn)員工，你有沒(méi)有大數據思維。 回答前Amazon大數據首席科學(xué)家的四個(gè)問(wèn)題，測測自己有沒(méi)有大數據思維吧！
「數據是『新石油』，」亞馬遜前首席科學(xué)家韋斯岸（ Andreas Weigend）為時(shí)下熱議的大數據（Big Data）做出注解。
任教于美國史丹佛大學(xué)、柏克萊加州大學(xué)的韋斯岸，專(zhuān)精大數據、行動(dòng)社群等技術(shù)，研究人類(lèi)行為和他們所創(chuàng )造的數據，20多年來(lái)?yè)稳蛑髽I(yè)顧問(wèn)，包括阿里巴巴、Best Buy、SAP、路透等。 韋斯岸近期受功典資訊之邀，來(lái)臺進(jìn)行短期參訪(fǎng)，拆解大數據時(shí)代企業(yè)與個(gè)人將面臨的改變。
他提出幾個(gè)問(wèn)題，大家不妨自問(wèn)，自己有沒(méi)有大數據思維。
問(wèn)題一：你分得清公司真正的大數據問(wèn)題嗎？
韋斯岸提到九年前在阿里巴巴交流的經(jīng)驗。 他提到，在一場(chǎng)實(shí)作坊之中，有一位不認識的主管出席，當時(shí)現場(chǎng)有人發(fā)問(wèn)，「我們不清楚那些資料」。 這位主管立刻反問(wèn)，「你說(shuō)不清楚是什么意思？你是不清楚是否有那些資料？還是不清楚資料是否正確？?jì)烧叽蟛幌嗤�是不清楚如何解讀資料？這又是另一種問(wèn)題」。
這位主管正是現任阿里巴巴集團執行副主席、來(lái)自臺灣的蔡崇信。 韋斯岸推崇，蔡崇信能問(wèn)出這樣的問(wèn)題，表示阿里巴巴的資料識讀能力很強。
「公司有那些資料」、「資料是否正確」、「如何解讀資料」等，都是資料識讀的一環(huán)。 但多數人分不清層次，所以第一步必須先有識讀能力，才知道「公司大數據」的問(wèn)題是什么。
問(wèn)題二：從數據中，你可以看到那些層次？
韋斯岸提到，多數人接受的統計教育很差，加上之前資料不足。 所以，大家看到銷(xiāo)售數據，通常只停留在第一個(gè)層次，譬如：那個(gè)產(chǎn)品最暢銷(xiāo)、最重要。
但大數據時(shí)代，搜集資料不再困難，從數據中，應該看出的是「關(guān)聯(lián)性」。 看到產(chǎn)品暢銷(xiāo)，提出的問(wèn)題應該是：是不是因為A因素，讓產(chǎn)品暢銷(xiāo)。
韋斯岸強調，在學(xué)校教育期間，大學(xué)生學(xué)習回答問(wèn)題，研究生則是學(xué)習提出問(wèn)題，在企業(yè)組織工作，重點(diǎn)則在于問(wèn)對的問(wèn)題，因為有數據，所以回答時(shí)常很簡(jiǎn)單？？。
問(wèn)題三：客服人員是成本，還是價(jià)值？
韋斯岸說(shuō)，在大數據時(shí)代，每個(gè)業(yè)務(wù)環(huán)節都有大量的數據，每個(gè)環(huán)節都可以改善，把成本變成利潤。 在亞馬遜任職期間，韋斯岸與Amazon創(chuàng )辦人貝佐斯花了約50小時(shí)，寫(xiě)下亞馬遜事業(yè)方程式，那時(shí)爭論的問(wèn)題是：人力導向的電話(huà)客服中心是成本嗎？ 因為如果客服過(guò)程順利，顧客會(huì )覺(jué)得：亞馬遜真是間好公司，那么客服就從成本轉換為公司利益。
韋斯岸舉的另一個(gè)例子是：Zappos，這家以銷(xiāo)售鞋子為主的網(wǎng)站，最著(zhù)名的服務(wù)是顧客買(mǎi)一雙鞋，將會(huì )收到該款3雙不同尺碼的鞋，供顧客試穿，不合的另2雙鞋免郵資退還。 郵資看似是成本，但只要消費者將擁有一雙非常合腳的鞋子，就會(huì )轉告親友。 這就是把企業(yè)最討厭的退貨率，轉化成一種行銷(xiāo)利益。
問(wèn)題四：你愿意跟數據分析人員說(shuō)話(huà)嗎？
韋斯岸提醒，在大數據時(shí)代，大家都要培養吃資料壽司（Data Sushi）的意愿與好奇心。 過(guò)去，多數上班族只喜歡看已經(jīng)被處理過(guò)的資料。 但未來(lái)，大家可能得學(xué)著(zhù)吃「比較生」的數據材料。 即使是管理者也必須跟數據分析人員對話(huà)，真正了解資料涵義。
他指出，資料科學(xué)是新興熱門(mén)詞匯，必須結合多項技能，第一項技能是「好奇心」，第二項是「處理資料的意愿」，愿意正視資料，無(wú)論規格大小或內容對錯，都不會(huì )逃避，也不要求先清理資料，否則就等于在處理加工品。
第三項則在于「合作的意愿」，行銷(xiāo)人員必須與數據分析人員對話(huà)，真正了解資料涵義。 第四項，才是「說(shuō)出資料的故事」。
