2022-04-10

【學習筆記】大數據分析:商業應用與策略管理

大數據分析:商業應用與策略管理

為什麼要修這門課?

延續網站設計是我持續有熱忱的專業,以接案模式的作品,業主後續如何經營網站我並不會涉入,屬一次性交易。但我在企業擔任 IT 所規劃的內部系統,例如:簽核、專案管理、客戶管理、ERP 等等...無時無刻都在累積數據,需要持續維護,與接案屬性大不相同。

回歸建置初衷,除了讓組織落實無紙化辦公、流程自動化,我更期許 IT 能透過數據分析產生 insigh,協助公司以數據驅動決策,做科學化管理,優化營運表現。

修習大數據分析這門課,有玉山銀行的案例分析,能讓我了解落地過程,雖然產業別不同,但我相信原理掌握住,拿出我們自己的材料(原始數據),一樣可以端出精彩好菜 🙂

課程內容及進行方式

整個學程分成七個章節,屬於入門課程,雖然說是偏商管應,但課程還是有講到一些資訊技術的統計。

用完成後將學會:

  • 資料分析在金融及財務上的應用。
  • 資料分析在零售及行銷上的應用。
  • 社群媒體之輿情分析。
  • 社群媒體分析與行銷智慧。
  • 大數據的商業應用策略

我的收穫

保險業利用決策樹和關聯分析,框出新商機

以保險業為例,帶出決策樹與關聯分析的方法,說明資料分析如何讓我們更加了解客戶,例如發掘客戶類型與購買保單種類之間的關聯性等,進一步預測客戶的行為。

下圖就是用保戶基本資料、購買保單間的熱門關聯性,以及購買保單之間的關聯性,所產生的分析結果:後續利用這些結果,我們就可以做精準或交叉行銷來提高成交率。

行銷基本理論複習 - STP 市場區隔

做任何數據分析前,都要先知道要解決的問題是什麼?場景套用在行銷,不太可能一個商品資訊通用所有市場,這樣子沒有辦法滿足所有的人的需求, 因此,必須要針對自身商品或服務挑出一個好市場,而 STP 市場區隔理論是長年被驗證有效的策略 (STP-Segmentation, Targeting and Positioning Model)。

執行 STP 市場區隔理論

實際如何落地這個理論?可以參考這篇文章:麥當勞 STP 分析是甚麼 ?

在 STP 最後一哩路提到行銷 4P, 這是關鍵落地環節也是數據分析可以大展身手的地方。

要如何包裝產品(Product)、如何送達消費者手上(Place)、如何定價(Price)、如何推廣(Promotion),不靠直覺,就讓大數據來輔助我們解答這四個How 😁

輿情分析是什麼?讓我們懂用戶的心

有別於結構性資料,鄉民們每天在 PPT 八卦、發表事件看法,Facebook, IG 等社群媒體更是日以萬計的貼文在成長,而這些看似無邏輯、隨性的內容,其實也極具參考價值。以政府機關為例,要知道人民對施政的滿意度,甚至進一步知道好或不好的原因加以調整方針,相信對國家整體都有正面的幫助。

較傳統的做法就是電話民調,但效果通常不太好,光受訪者的取樣標準就不得而知,更何況有時還會遇到亂打一通的人😅。如果有一套方法,能科學的分析評論產生的洞見,是不是公正性、可信度就好多了呢?這就是輿情分析的價值 - 讓我們懂對方的心。

我使用輿情分析平台 OPview,實際測試近期討論度較高的議題:防疫 vs 缺電,實際看分析報告結果。又再次讚嘆了大數

據分析的強大,連感受面的情緒都能剖析,比對我個人觀感也不謀而合!(我對防疫是滿意的,但對缺電問題很擔心)

大數據輿情分析
大數據輿情分析
大數據輿情分析
大數據輿情分析

大數據商業應用 - 善用官網資料發現新需求

課程最後章節,請玉山金控的李正國數位金融長以業界視角,與學員分享資料科學如何刺激金融創新、驅動銀行轉型,當中也舉了許多精彩玉山銀行的實例。

這些在我們眼中遙不可及的大企業,其實在運用資料的方法可能是滿過時的,玉山的數位長就提到,在導入大數據分析前,銀行也是用 Rule Base 的方法做行銷,例如:要找出有貸款需求的顧客,會從有循環信用、在他行有舊貸或預借現金的紀錄下條件,篩訓出一批名單,但這效益其實比亂槍打鳥好一點而已。

圖片來源:大數據分析:商業應用與策略管理

後來改變做法,設計相關的變數來建立數據預測模型,成交率提升為原來的四倍,也就是從千分之五變成了百分之二, 對銀行帶來了高效率與成本的降低,此外,也大幅降低很多顧客因為沒有需求又要接電話行銷的干擾。

圖片來源:大數據分析:商業應用與策略管理

到這又再次證明大數據分析的效益之高,而隨著數位時代顧客行為的改變,有金融服務需求的人很少會專程跑一趟櫃檯諮詢了,都是先在網路上看,玉山察覺了變化,也在官網系統性地搜集數據,為顧客打造個人化服務。

這是很值得學習的地方,訪客在網站上點的連結、搜尋的關鍵字都是他有興趣或有需求的部分,只要我們留心觀察解析用戶意圖,提供客製化方案,官網也有能力創造可觀的營收。

圖片來源:大數據分析:商業應用與策略管理
圖片來源:大數據分析:商業應用與策略管理

在這個章節,也改變了我一些觀念,例如:之前總覺得數據分析屬於 IT 的事,其實不然!

IT 只能說是數據做商業應用的其中ㄧ環,還需要兩種角色才能做得好且正確,一個是 DT (Data Tech),另一個是場景設計。DT 顧名思義是資料科學家,數據要搜集哪些欄位,演算法該怎麼設計,是需要行內人的智慧。而場景設計,要懂顧客的痛點,一定要知道顧客有什麼需求是要被我們滿足的,才可以用資料的技術,用 IT 的技術創造 一個新的服務模式、平台或工具。

再同意不過了,我的團隊屬性是 IT 兼 DT,但往往在設計前期卡最久,畢竟我們不是使用單位,憑我們自己想像出來的情境功能通常都打掉重練的下場,因為不切實際。因此,場景設計真的非常重要(說三次!!!),使用者訪談步驟不能省,既然要做,就要解決用戶問題,而不是交差了事。

結語

有 Own 資料庫系統就知道資料無價,然後透過數據分析,它還能創造價值。

上完這堂課,我已經想利用現有資料躍躍欲試幾個題目來洞察公司內部一些值得被關心的現象,也要安排時間調整手上正在營運的官網們,讓數據反映訪客的意圖,給業主加值不加價的服務 😄

雖然大數據好處很多,但也要反思它隱含的偏見可能帶給我們一些不良的影響。(延伸閱讀:科技時代的迷思:大數據資料真的客觀嗎?) 畢竟演算法還是人寫的,某些議題上若帶有偏見,結果就不公正,如果我們將錯就錯,問題也會隨著時間發酵。所以在數位時代,思辨能力反而是不可或缺的技能!

---

最後,給自己一個鼓勵:工作之餘要抽時間上課,很不簡單,但拿到證書,能力受肯定,一切都值得了👏

請我喝杯咖啡吧 ^^
No active "bsf-sb-post-end" sidebar

發佈留言

發佈留言必須填寫的電子郵件地址不會公開。 必填欄位標示為 *

PeiYing Tsai
author
愛藝術,喜歡以科技解決問題的數位產品設計師。 堅持信念,任何困難事,必有搞定的一天,Just try it! 隨手紀錄日常學習到的知識心得,希望對妳/你有幫助。
coffee-cup linkedin facebook pinterest youtube rss twitter instagram facebook-blank rss-blank linkedin-blank pinterest youtube twitter instagram