見樹不見林

資料分析在相關學者、有應用經驗的企業、系統和服務廠商的大力鼓吹之下，越來越受到業界的重視，這當然是個好現象（尤其對我的工作機會而言）。然而最近我也看到了意想不到的不良後果，就是有些企業以為只要導入資料分析就可以生意興隆、萬事如意，因此把重點放在分析的工具和產出的模型上，反而見樹不見林。

資料分析是一種任務（task），我們透過執行任務來解決問題、達到目的。所以在企業裡，資料分析應該是某個業務問題的解決對策中的一部分，我們是因為這項對策必須用到資料分析才去執行資料分析這個任務。我用以下幾個假想的案例來說明：

• 業務問題：型錄的回應率一直平平，顧客反應說型錄千篇一律、所以沒有特別想要翻閱的動機。解決對策：利用購買各類商品的行為將顧客分群，根據各群顧客不同的需求製作不同內容的型錄，提供獨特的價值主張。
• 業務問題：會員行銷處的年度預算被刪減了20%，要如何更有效率的運用這筆預算？解決對策：根據RFM變數把會員區分為不同價值與關係的分群，挑選重點客群制訂會員溝通策略，最差的一群會員暫不作溝通。
• 業務問題：型錄的預算大幅刪減，無法寄給每一位會員人，要寄給哪些會員才可以提高ROI？解決對策：利用以往的型錄回應資料建置預測模型，未來型錄只寄給模型分數較高的會員。
• 業務問題：公司每個檔期都有五種不同類型的型錄，要如何挑選其中最適當的一本寄給會員？解決對策：對五種型錄建置五個回應預測模型，從每位會員的五個分數中選擇最高分對應的型錄來郵寄。