數據的商戰策略: 建立以數據驅動為核心的營運關鍵 | 誠品線上

數據的商戰策略: 建立以數據驅動為核心的營運關鍵

內容簡介

內容簡介 阿里巴巴前副總裁、數據委員會會長／紅杉資本中國專家合夥人 車品覺第一手分享阿里巴巴的數據治理經驗 ‧數據收集不完怎麼辦？ ‧部門各自為政怎麼解？ ‧如何找到數據化的切入點？ ‧如何不讓安全原則影響業務效率？ 從阿里巴巴經驗， 解答企業推行數據化的最容易遭遇的困難點； 揭開當前數據變現的最熱領域。 本書作者車品覺在2010年至2016年先後任職於支付寶、淘寶，並擔任阿里巴巴集團副總裁及首任數據委員會會長，期間開發多個數據產品，成功帶領阿里巴巴轉型成為數據公司。 數據，終將成為企業的核心資產。但是，要落實以數據為核心的改變、讓數據發揮策略性的價值，在實際運作上還有許多環節要打通。在本書中，作者第一手公開阿里巴巴的轉型過程，建立以數據驅動為核心的智慧商業模式，包括如何從工作流中尋找數據化的切入點、如何設定數據收集策略與數據流通策略。 並介紹醫療、金融、零售、娛樂等多種產業，如何發揮對數據策略的想像，透過不同領域的數據結合，讓外部數據彌補內部業務的盲點，實現數據變現。 你將可以看到： 數據營運難題的應對方法── ◤面對資源有限→根據業務需要做數據收集，以短期問題為出發點，以中長期的發展趨勢決定資源分配。 ◤面對煙囪林立→採取共創共贏策略，以利益驅動數據流通，當利益高於競爭，數據共享就會變得理所當然。 ◤面對數據安全→安全原則要契合企業的商業目標和風險承受能力，才可能獲得內部的支持。 豐富的數據變現實例── ◤Lattice Engines利用各種管道公布的資訊，如社群網站的交流、專業文獻的下載、交易會的註冊等，為客戶尋找潛在買家。 ◤Credit Karma打破「信用分數」的黑盒子，在使用者的授權下，將信用數據透明化，並發展成個人化的金融服務平臺。 ◤Kyruus挖掘醫療領域數據，整合醫生資訊和預約、評價系統，能夠達到有效配對醫生和病人，就我們像預定機票、飯店。

各界推薦

各界推薦 何英圻│91APP董事長 林之晨│台灣大哥大總經理、AppWorks董事長暨合夥人 許景泰│SmartM世紀智庫執行長 程九如│AppWorks合夥人 詹宏志│網路家庭董事長 鄭緯筌│「寫作力」與「內容駭客」網站創辦人 ──一致好評

作者介紹

作者介紹 車品覺車品覺數據化思考第一人，未來趨勢觀察家。最早將大數據運營與管理引入電商，豐富的數據實戰經驗，對大數據未來趨勢有著獨到的見解。現為紅杉資本中國基金專家合夥人。生於香港，在英國、澳洲、美國等地接受教育，清華大學經管學院及歐洲工商管理學院（INSEAD）雙碩士。在2010年至2016年，先後任職於支付寶、淘寶，並擔任阿里巴巴集團副總裁及首任數據委員會會長，期間開發多個數據產品，建立全新的數據治理體系，成功帶領阿里巴巴轉型成為數據公司。2016年4月起擔任紅杉資本中國專家合夥人。曾任滙豐銀行IT部高級管理人員、香港電訊PCCW產品經理、微軟產品總監、eBay產品總監，以及敦煌網首席產品官，創立世界首家跨境交易的B2B電子商務平台。得獎紀錄：2014年領導阿里數據團隊獲得Top CIO評選為「中國最佳資訊化團隊」2017年獲得國家資訊中心評選為「中國十大最具影響力大數據企業家」2018年獲得中國科技新聞學會「大數據科技傳播領軍人獎」著作：《大數據的關鍵思考：行動╳多螢╳碎片化時代的商業智慧》《數據的商戰策略：建立以數據驅動為核心的營運關鍵》

產品目錄

產品目錄 推薦序 掌握對的資料，就是掌握致勝的武器 ／何英圻 推薦序 解決失焦問題，讓數據的效益極大化 ／程九如 推薦序 收集數據、擁抱數據，並活用數據 ／鄭緯筌 前 言 為什麼要認識數據的本質？ PART 1──數據主義，未來一切都將數據化 ▍1 大數據不是獨奏，而是不斷連接無處不在的數據 全域大數據時代／線上的數據，才是數據／用數據獲取更多數據 ▍2 數據相關性，比數據本身更重要 養兵千日，用兵一時──阿里巴巴的數據收集策略／學會「系統思考」／量化，就能無中生有 ▍3 利益，是讓數據流通的關鍵 互惠互利──阿里巴巴的數據流通策略／尋找共同的痛點／讓天下沒有難用的大數據／數據生態圈是競合並存 ▍4 倫理，大數據不容忽視的一面 大數據也有陰暗面／數據安全與生意的兩難／倫理不容忽視／水能載舟，亦能覆舟 PART 2──數位經濟引擎，智慧商業的核心 ▍5 數位經濟引擎，預知未來的水晶球 不懂數據就沒有商業／走過十個年頭的大數據閉環／讓數據閉環轉得更快、更有人性 ▍6 人工智慧時代，數據才是根本 數據將像電力一樣顛覆世界／企業「養」數據的六大要點 ▍7 數據，未來企業的核心資產 數據流通，共享價值鏈的關鍵一環／找客戶靠數據，不靠運氣／企業「用」數據的三大竅門 ▍8 大數據驅動產業大變革 零售業，因大數據帶來大想像／金融業，以創新迎合新世代／智慧城市，以物聯網構建城市生活／娛樂產業，訂製你的需求／時尚產業，掌握捉摸不定的人心 PART 3──數據變現的四大場景 ▍9 大數據幫助我們更健康 醫療產業醞釀大數據突破／認知計算啟動醫療大變革／知識圖譜，知別人所不知 ▍10 消費金融──數據變現的極佳場景 消費金融的五大趨勢／我的信用，我決定／區塊鏈，房地產買賣的未來 ▍11 物聯網──與砂鍋對話的時代來臨 大數據促進人機對話／無人駕駛車的無限可能／智慧家居，讓生活更便捷 ▍12 預測──從心理測驗、寶可夢到大選 心理測驗＋大數據，影響選舉的新工具／無人超市與新零售／寶可夢與大數據／神預測黃金球員／一盤棋局喚醒商業巨頭／揭密獨角獸Palantir／大數據逆轉選舉 PART 4──數據之王的數據化思考 ▍13 他們成就了完美世界 馬雲的兩個必殺技：用人疑、破旋渦／向創投家學習數據思考／「阿里魂」彭蕾的管理之道／阿里總參謀長曾鳴的終局判斷／數據怪傑韋斯岸：從Big Data到Me Data／拜李小龍為師 ▍14 數據是送給天生邏輯客的盛宴 劍如人生：在試錯中提升自己／共時面、時間鏈、關鍵字／你相信你可以比我更厲害嗎？／假如我是一個產品／「捨得」的力量／慢慢品，慢慢覺／以天為師 結語 如果有一天你拿到了「數據天書」

商品規格

最佳賣點

最佳賣點 : 從行動網路到5G時代，企業欠缺的再也不是數據，
而是一套符合商業目標的大數據策略，實現數據變現。

試閱文字

推薦序 : 【推薦序一】
掌握對的資料，就是掌握致勝的武器
文／何英圻│91APP董事長
在虛實融合（OMO）趨勢發展下，未來，零售品牌都將成為數據驅動的零售科技公司。可是，要如何驅動數據制定營運策略，首重掌握「對的資料」。零售數據龐雜且異質性高，光是要打通線上線下，取得正確一致資料，對許多品牌來說就是一大挑戰。如果沒有「對的資料」，縱使有再強的AI技術，機器不能有效判讀、學習，就無法在虛實融合營運中帶來龐大效益。

如本書所提，數據策略需根據業務策略來制定，並重新審視與辨識有用的資訊，進一步掌握數據價值與核心，落實數據治理，才能真正開啟「上帝的視角」，成為零售科技公司的致勝武器。

【推薦序二】
解決失焦問題，讓數據的效益極大化
文／程九如│ AppWorks合夥人
失焦，是進入陌生領域最常見的現象，因為人們無法用過去的經驗或知識來判定事務的輕重緩急，甚或辨別自身的方位與風險，亦無法預估相關的成本與發展的瓶頸。失焦更是導致失敗的關鍵因素，無論組織的大小或新舊。

如何轉型成為數據化運營的組織，對於絕大部分的管理階層來說，都是陌生而又不得不面對的使命與挑戰。常見組織在轉型升級的過程中，因為缺乏相關的經驗與人才，以致無法鑑別關鍵資源，更無法制定正確的階段性目標與建構適當的運營系統，最終多是付出了巨額的代價，而且落得徒勞無功。

組織如何在轉型期不失焦? 作者依據自身的實務經歷，鉅細靡遺地分享如何成就組織轉型的步驟與心得。

文中論述組織在歷經轉型的過程中，管理階層應如何鑑別與取捨關鍵資源，如何明智地制定整體及階段性的發展目標，如何整合關鍵資源，同時形成組織共識，如何規畫並與業界共構一個能內通外聯的共榮系統，如何善用發展策略，讓數據所能連動的範圍和所能創造的效益達到極大化。

這本著作我非常推薦給想要規畫或正在推動數據化轉型的企業經營層，極具參考價值。

【推薦序三】
收集數據、擁抱數據，並活用數據
文／鄭緯筌│「寫作力」與「內容駭客」網站創辦人

嗯，說到大數據，您會想起什麼呢？是一大堆複雜難解的資訊，還是讓人心驚膽戰的數學公式呢？當然，我相信很多朋友可能會兩手一攤，覺得這些和自己的關係不大，甚至會認為只有大學教授或是技術專家才有資格暢談大數據。

但是話說回來，莫非這個世界上真的只有少數人才能夠找出數據背後的邏輯與價值嗎？我並不這樣認為。

還記得天下雜誌在2014年出版阿里巴巴前副總裁車品覺的大作《大數據的關鍵思考》時，我曾撰文推薦車老師的這本書。時光飛逝，轉眼已經過了六年，放眼中外媒體或科技產業，幾乎已經沒有人會刻意提起大數據了，反而大家都在追捧人工智慧、AR/VR、區塊鏈或是產業物聯網等等的發展趨勢。

雖說大數據似乎已經不是當紅的關鍵字，但知情的朋友應該感到欣慰──並非大數據已經式微，而是其相關概念與技術已經在人們的生活中扎根，並且有各式各樣的應用被開發出來嘉惠世人。

如果，我們說《大數據的關鍵思考》這本書是寫給產業界經營者和管理階層人士看的數據化營運策略指南。那麼，現任紅杉資本合夥人車品覺的新作《數據的關鍵商戰策略》，則是企圖以更宏觀的視野來剖析，企業界在推動數據化的過程中會遭遇哪些困境？並且，試圖提出有效的因應之道。

當然，這本書也揭露了當前各種數據應用與變現的可能發展。我特別喜歡車老師所提出來的概念──大數據不是獨奏，也不是單一的現象，而是我們生活裡不斷連接無處不在的數據。世人都知道數據的力量與價值，但真相是，很多企業在迎接大數據的路途卻走得踉踉蹌蹌⋯⋯

老實說，企業界欠缺的其實不是數據，也並非整理繁複數據的技術與方法，而是一套符合自家商業目標的大數據策略！近年來，國內也積極培育大數據的高端人才，但這樣還不夠，更重要的是確立可行的策略，方能淬煉出數據的真正價值，並降低數據應用時可能遭逢的阻力與風險。

很高興可以在2020年開春拜讀車老師的最新著作，讓我得以補充對於大數據的最新認知。如果您本身也對大數據感興趣，或是剛好對各種數據的應用與策略擬定有需求的話，我很樂意向您推薦《數據的商戰策略》這本好書。相信在看完本書之後，您將會對大數據的近況發展有更深入的認識與了解，也能夠順利地協助貴企業、組織制定大數據相關的各項發展策略──收集數據、擁抱數據，並活用數據。

試閱文字

內文 : 【內文試閱】
前言　為什麼要認識數據的本質？

▍一場以大數據為核心的智慧盛宴
時下仿佛大家都在談人工智慧，就像當年人人都在談大數據一樣。
大數據時代源自應用所產生的巨量數據，比如微信、淘寶。但是，隨後大數據反過來成為應用創新的核心，這個循環無疑為我們帶來了一種全新的創新型態，那就是──用數據做好產品，用好產品取得更多數據。
在不同場合上，阿里巴巴的馬雲、百度的李彥宏及騰訊的馬化騰分別談過自己對人工智慧的看法和觀點。這種對話有點像金庸小說中的華山論劍，到底是氣宗（大數據）還是劍宗（人工智慧）更具策略意義？我認為，兩者是相輔相成的。經歷了互聯網二十年的發展，我們已經積累了足夠的數據去驅動一場「智慧盛宴」，以大數據為核心的人工智慧漸露端倪。
2010年，「資料科學家」這個稱謂的發明者帕蒂爾（DJ Patil）和傑夫．哈默巴赫（Jeff Hammerbacher）認為，一切應該以產品為中心，從數據獲取、數據清洗、搭建和管理數據設施、原型開發、產品設計等方面，實踐數據的價值。我在阿里巴巴就經歷了從「數據產品」到「數據作為產品」的階段，後者其實才是大數據的真正產物，也是人工智慧的源泉。

▍誰掌握「完美資訊」，誰就擁有整個世界
進入數據產業時，我就一直秉承著這樣的理念：在「假設資料都是可獲取的」基礎上思考問題。隨著整個社會數據化程度進一步加深，以及人與物之間的高度互聯，很多以前的數據盲點被快速解開。由不同領域積累的數據所形成的「完美資訊」（perfect information）漸露端倪，這其實是數據從「量變」到「質變」的過程。
這個「完美資訊」具有無限潛能，足以讓人工智慧所向披靡，催生各種智慧情境，並讓其如潮湧至。智慧時代，秉承「假設資料都是可獲取的」這一思維方式，才可讓你比別人更勝一籌，從而做到心中有數。
在現實中，我們從數據收集、整合、判斷，以至行動、再到回饋的過程並不完美，而形成數據閉環系統的阻力，往往是人為因素居多。Google無人車的偉大之處，正是給了我們重要的啟發，讓我們意識到自動化及智慧化所需要的數據閉環系統是如何做到了既封閉又開放，其中的裡應外合正是未來的發展趨勢。
我在阿里巴巴就經歷了四個不同階段：數據驅動決策、數據驅動流程、數據驅動產品、數據驅動業務。在這個過程中你會發現，數據驅動的目標越模糊、數據越零散、人的互動環節越多，智慧專案推動起來就越吃力。

▍從數據策略到數據治理，別讓數據成為累贅
如前所述，數據資源的積累是發展數位經濟的前提。企業在嚮往智慧時代所帶來的機遇的同時，更要為企業的未來目標制定數據策略。
企業不僅要關注自己現在有什麼數據，更要了解未來會欠缺什麼，再去探討欠缺的部分有多少可以靠自己補充，有多少需要求助他人、與他人合作以實現補充。有人把數據比喻為電能，這個比喻很生動，但與電能不一樣的是，數據是可以重複使用的。所以從策略意義上來說，第二使用權的合規性變得非常微妙。
大數據背後的邏輯是數據積累越多越好，在過去幾年，很多企業都相信有了大量數據資源後，就能對企業的業務產生更大價值。但人們往往很快就會發現，除了技術能力之外，如何妥當地管理、利用這些資源並非易事，安全合規是一方面，降低數據使用的阻力及風險也是困難重重。所以我一直倡議，數據治理不是數據部門的工作，而是公司總體的策略。這意味著，「本性純善」的大數據也容易變成累贅。

▍數據是一種信仰，善用才是本質
2016年，一場圍棋大戰讓人類引以為傲的頂尖智力瞬間被AlphaGo踐踏得體無完膚，但在我看來，這場大戰其實不過是一幫人贏了另一幫人。人工智慧在中國稱為人工智能，大部分人僅注意到了「智能」，而忽略了它與「智慧」的差別，「能」是能力的表現，而「慧」是心除雜念，將智慧用在具有普世價值的地方。同樣的科技能力，是被善用還是被濫用，只有一線之差。
幾千年來，人類習慣了生存在資訊稀缺的時代，大數據與人工智慧則為人們帶來了曙光，同時也引發了擔憂。暫且撇開我們會不會被機器人侵略這個問題，人類真的已經充分利用自己的潛能了嗎？數據是一種信仰，我們應該善用這個寶藏，為人類創造更美好的世界。
我們過去常說：數據不僅是企業與企業之爭，更是國家與國家之爭。但是在不遠的未來，數據驅動的演算法將影響人類生活的各個方面，想在社會中獲得競爭力，我們無可避免地必須成為自己的分析師。


第2章 數據相關性比數據本身更重要

‧在資訊爆炸時代，擁有大量資訊可能是災難而不一定是好事，也不等於你有能力使用它。
‧一切數據收集活動的出發點都來自業務需要，或者可以應對未來的業務發展。
‧從業務過程中收集資訊、分類資訊、整合資訊，必須成為日常思維的一部分，這是成為數據驅動型公司的必要條件。
‧數據開發的速度，是營運大數據的必然瓶頸。
‧一切皆可量化，表面上看似不存在的數據，其實也是有跡可循。

假設這樣一個場景：一個愜意的早上，你一覺醒來。吃著早餐，打開電腦，你突然想查一些資訊，但是卻毫無頭緒，因為資訊太龐雜、太碎片化。苦惱之際，你猛然想起自己無意間養成的一個習慣，每當看到一些感興趣的資訊時，無論文章也好，照片也罷，你都沒有讓它變成過眼雲煙，而是花了點時間保存了起來。這時，你的電腦人工智慧掃描了你的資訊庫，透過你平時保存的資訊，分析出你可能感興趣的章節。你打開一看，發現正是你想看的，頓時你心情大好，開始了新的一天……
你很驚訝，為什麼電腦可以找到這些資訊？因為電腦的計算是人腦無法比擬的。為什麼電腦能夠幫你尋找目標資訊？因為你早已在無意中習慣性地保存了龐大的資訊，建立了屬於自己的資訊庫。這個有點科幻意味的場景是不是很熟悉呢？作為數據界的「老謀」，我敢肯定地告訴你，這一天必定很快會到來。

▋養兵千日，用兵一時──阿里巴巴的數據策略
大數據時代衍生的變化，體現在資訊的產生及獲取變得更為快捷，溝通（包括發布、傳播、互動）從單點到互聯，資訊變得更網狀、無序和碎片化。然而，獲取速度又快、數量又多的資訊，很容易被錯誤地解讀為唾手可得，而且成本越來越廉價。如果你目前有這種想法，那你可能已經在不知不覺間被捲進了「數據越多越有用」的誤區。
在資訊爆炸時代，擁有大量資訊可能是災難而不一定是好事，也不等於你有能力用好它。暢銷書《大數據》（Big Data）的作者邁爾荀伯格（Viktor Mayer-Schönberger）在最近一次演講上也強調了數據相關性的重要性。簡單地說就是，收集、儲存和管理數據的綜合成本不菲，是每個企業必須面對的問題。
根據業務策略而制定的大數據策略變得尤為重要，我們首先需要重新審視或辨識有用資訊，並判斷哪些數據可以放棄。一切數據收集活動的出發點都來自業務需要，或者可以應對未來的業務發展。例如，阿里巴巴的電商數據策略就離不開「人、貨、場」的組合。接下來，就是以短期問題作為出發點，並以中長期的發展趨勢為準來決定資源的優先分配順序。
從業務過程中收集資訊、分類資訊、整合資訊，必須成為日常思維的一部分，這是成為數據驅動型公司的必要條件。例如，在產品設計環節中，除了加入產品需求文件（PRD）之外，還要加入數據需求文件（DRD），以重點描述數據相關的需求及變更。
以此類推，在業務的各環節中都要考慮數據的收集、匯總及使用，並評估所收集的數據與主體業務之間的相關性。但目前大部分企業依舊秉持「取之所用，無用則棄」的傳統資訊理念，而不會同時考慮長遠數據策略所需要的積累。僅僅服務於當前，為短期目的所收集的數據肯定會偏於狹隘，大數據更需要為未來業務方向做好儲備，換句話說，數據策略的目的就猶如「養兵千日，用兵一時」。
明確了業務的長、中、短期目標，以及實現這些目標將會面臨的障礙之後，還得理解數據能力對這些目標有何貢獻。作為策略部署，我們還需要系統思考（Systems Thinking），去發現周邊生態的數據與主體業務之間的關聯。
舉個例子，要真正了解淘寶的商品交易細節，除了買家的需求之外，物流、支付、競爭對手、賣方營運等數據，都是整體必不可少的一部分。有了大方向之後，從數據策略到數據落地策略，大致可分為四個步驟：

●　確定業務目標與資訊缺口之間的關係，明確數據收集的方向。
●　尋找相關資訊的同時，評估零散資訊整合的難度及數據來源的品質。如果數據來自外部，應優先考慮元數據（metadata）較完整的資訊來源。
●　關注各種數據資源的使用情況及在場景中的回饋結果，同時盡可能記錄下數據從產生到應用的過程，這個過程是從「計畫經濟」到「市場經濟」的落實點，數據必須運用才有價值，以點帶面地經營數據會更穩健。
●　最後回到第一步，識別資訊來源與業務目標的關係，優化資訊收集、儲存、整合的過程。

隨著智慧型物件、人工智慧運用場景的普及，資訊產生的形式和速度也變得難以預測。我們需要更便捷、成本更低的方法尋找及收集多源異構的零散資訊，並把它們縫合起來。所以我一直以來都致力於建立大數據的技術平臺，促進以上各個環節都能更自動化地完成。
從我在阿里巴巴管理大數據的第一天開始，我就感受到，數據開發的速度是營運大數據的必然瓶頸。不要小看這個縫合的技術，它是細節上的魔鬼，做好它，才能稱得上真正做好了大數據營運。

▋學會系統思考
在轟轟烈烈的大數據時代，學會系統思考，有利於擺脫線性局限、小數據時代的思維方式，轉變為人工智慧與大數據亦步亦趨的思維方式，這兩者截然不同。為什麼？我還是那句老話：以偏概全怎麼能和以全概偏相比。
什麼是系統？系統是一組相互關聯的主題，在一定時間內，以特定的行為模式相互影響，而且具有自我調整、自我組織及自我演進的能力。當系統受外力觸發時，不同的系統可能會產生不同的結果。一個完整的系統必定由三個點組成：要素（主體）、連接點和目標。當主體與連接點及其功能產生了相對固定的關係時，我們便認為這個系統形成了。
以淘寶為例，簡單來說，這個生態系統 (目前流行的名稱是「平臺」）由賣家、買家、物流商、平臺管理方組成，他們之間互相連接，目的是為了匹配需求方與供應方，然後順利地把貨物從賣家送到買家。情況穩定時，各方相安無事，平臺管理方可以坐享其成。當然，這不是系統的真相，在這個系統中，買家與賣家的連接來自交易，更重要的是交易後買家給賣家的評價。根源是平臺為了減少買賣雙方之間的投訴及糾紛，讓評價好的賣家得到更多曝光機會。
在這個加強版的回饋機制中，平臺讓買家優先看到的都是誠信得分較高的賣家。沒有足夠生意流量的賣家知道，快速得到大量交易和好評，是爭取曝光機會的重要因素。誠信賣家變得奇貨可居，而好評有價，最終促始一個黑色產業——專業刷評師出現，江湖（系統）從此不再太平。平臺與刷評師之間展開了一場博弈，系統中出現了一個旋渦，真假評價之爭讓平臺管理方左右為難，正因如此，賣家更一度圍攻平臺方，不能刪除被懷疑的假評。
以上故事在互聯網時代來臨之前也發生過，只是在互聯網時代，特別是大數據時代，數據更有利於還原真相，大數據也自然成為發現真相的利器。不過，我認為更值得反思的是，如何使用大數據分析去防患於未然，而此時，系統思考就更重要了。
過去，我們習慣在簡單的線性關係中尋找規律，因為我們都假設沒有數據，以及數據稀缺是常態，只能局限於邏輯推敲。這就像螞蟻拚命在二維空間中苦思為什麼無路可走，卻不知道我們其實身處的是三維世界。
大數據的存在，就是讓我們把複雜系統變得可描述、可量化、可溯源。隨著科技的發展，物聯網、人工智慧技術的進一步完善，我們越來越不缺少數據，但大家還未意識到萬物互聯之後的世界，系統思考的重要性。

活動

• 天下雜誌全書系雙書75折起