2014年3月7日 星期五

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。