先澄清：我無意罵誰笨蛋，只是套用美國前總統柯林頓當年的競選口號「The economy, stupid!」。這個口號後來被他的競選策士James Carville改為「It's the economy, stupid!」，翻譯後就變成「笨蛋，問題在經濟！」用英文來說，我這一篇的標題應該叫「It's the business problem, stupid!」。我要說的重點是，不管你把資料分析工作稱作Data Mining、還是最近比較流行的Business Analytics或Customer Analytics，第一個步驟永遠是去了解公司藉此想要解決的業務問題是什麼，而不是先討論建什麼模型！
但令我驚訝的是，即使這是個「歷史悠久」而且顯而易見的概念，在這Big Data被喊的震天價響的年代裡依然經常被忽略。
先說若干年前的一段往事：我在加入某大企業、成為他們分析與研究團隊的經理後，才知道這家企業不久前請國內一家資訊與分析服務廠商完成了一項Data Mining的專案，建置了三個模型。但問題是這家企業其實並沒有人真的了解如何用Data Mining解決應用於CRM的問題，所以儘管這三個模型每個月都定期產出應有的分數，卻沒有真正拿來應用。以其中的會員分群模型為例，我發現這家廠商把RFM、購買品類行為、消費時間行為等等一大堆變數都丟進分群模型裡作大鍋炒，所以有些會員族群在消費頻次和金額上很突出，有些族群消費時間很不一樣，有些則是購買的品類特別，雖然各有特性，卻無法拿來做行銷上的運用。等我摸熟了這家企業的業務，就把這三個模型給「廢」了。
這樣做等於是把過去投入這項專案的幾十萬費用丟到水裡，我認為專案的廠商必須負起責任，因為他們應該在專案開始之初引導這家企業，找出他們想要利用Data Mining解決的問題是什麼、在行銷業務上要如何應用，而不只是把SQL Server套裝軟體上的三個模型搬出來。所以這家廠商雖然拿到了這項專案，但也是最後一次拿到這家企業的合約......
去年中，我從客戶的身份又變成提供服務的廠商的角色。我服務的第一個對象是一家保險公司，在我到職之前，這家保險公司已經跟我的雇主談好要為全部的保戶建置一個分群模型。專案啟動後，我才知道客戶那邊負責這個專案的部門其實並不十分清楚為什麼要做保戶的分群，所以對於要分群的對象是誰、要從哪些面向來區分這些保戶都沒有概念。（我不得不佩服我們公司的業務人員，有辦法在客戶不清楚要做什麼的情況下簽下這麼大筆的合約。）
我花了一些時間用不同產業的案例向客戶說明，才讓這家保險公司的行銷團隊了解，原來並沒有什麼「標準的分群模型」可以放諸四海皆準，而同一家企業的同一群顧客也可以同時存在不同的分群方式，端看打算要拿這分群來做什麼。折騰了幾個月，終於跟客戶確定，要為他們公司的要保人區分出往來關係的深淺親疏，以便他們為屬於不同分群的要保人制訂顧客策略；至於被保人則是探討不同人生階段的差異，為不同分群找出保險的需求。
然而讓我哭笑不得的是，參與這專案的另一個部門在討論的過程中堅持要按照合約字面的記載，為保險的受益人也做分群，因為根據他們公司的定義，全部保戶除了要保人、被保人之外，還包含受益人。雖然很多情況下的受益人跟要保人是同一人，但是保險公司在顧客關係管理的架構下其實很難對受益人這種關係著墨的，更不用說他們除了受益人的姓名之外，幾乎沒有其他的資料可以用來作分群模型所需的輸入資料了。
這都是因不知道問題是什麼而起。
（下回待續）
沒有留言:
張貼留言