2025年12月2日 星期二

麥肯錫教企業這樣用AI數位轉型

麥肯錫教企業這樣用AI數位轉型
序章 把數位與AI轉換為持續掌握競爭優勢的企業能力
在流程的前端,數位領先銀行整合個人化分析法與數位行銷活動,以向(潛在)顧客提供切要的產品與服務。
在流程的中間段,數位領先銀行創造全通路體驗,在銷售過程的所有階段,分行與接洽中的專業人員都有工具與資料去支援顧客,縱使是線上的銷售過程也是如此。拜信用風險評估的自動化,這些數位領先銀行也能及時審核顧客。
在流程的末端,數位領先銀行透過使用現代資料架構來設計通暢的數位工具流程,推動顧客自助服務。
數位與AI轉型中最複雜的層面大概是發展出以顧客為中心、快速'且彈性的營運模式,因為這部分觸及到組織的核心、管理流程及許多團隊的運作方式。

第一部 研擬轉型路徑圖
選擇正確的轉型「口量」:挑選大到足以產生影響,小到足以獲勝的戰役。
許多公司因為在變革範疇上出錯,導致數位與AI轉型從一開始就注定陷入困境。
有些公司是起步規模太小,以為漸進的方法能降低風險。這是錯的,成功的轉型需要改變業務中有意義的事情,涉及可以顯著衡量的價值量及影響。
正確的方法是辨識業務中幾個重要且獨立自足的領域,並徹底地重新思考它們。
定義領域時的要領是,這個領域足夠大到對公司有顯著的價值,但又夠小到不會因為依賴業務中的其他部分而大受影響。
定義一個領域的三種方法:多數公司選擇根據工作流旅程來劃分與定義領域,因為這通常能為顧客及/或員工提供最大價值。
  1. 工作流/流程:創造高價值的業務流程,例如:產業維修、關懷顧客或採購到付款(P2P)。
  2. 旅程:互動密集的流程,例如:顧客加入、提供顧客諮詢或線上購物。
  3. 功能部門:傳統的業務功能部門,例如:銷售、財務、行銷或供應鏈。
決定哪些領域優先
為了決定從哪些領域著手,必須從兩大面向評估:價值潛力可行性
  1. 主要考量的潛在價值包括:
    • 顧客體驗
    • 財務效益:新的顧客成長率、顧客流失率的降低、平均每位顧客的價值提高、流程良率的改善或服務成本的降低。
    • 產生價值的速度
    • 綜效
  2. 評估可行性的最重要考量為:
    • 有堅實的主管來主持
    • 資料與技術的整備程度:相較於舊技術,舊心態是更大的挑戰
    • 採用的容易度
    • 推廣的容易度:假設你成功發展出一個數位解決方案,你必須評估在整個業務中推展它的容易度。這方案所涉及的變革管理挑戰有多大?這解決方案將在多少種不同的資料環境中運作?這些問題將影響你的數位解決方案能否充分地實現其價值。
數位路徑圖是領導高層的一份契約:沒有計畫的目標只部過是願望罷了。

第三部 採用新的營運模式
組織基石:任何種類的數位營運模式都是由三個組織基石構成的:
  1. 產品或體驗敏捷小組:他們開發及提供技術賦能的產品或服務,讓顧客及員工使用。其首要目的是讓使用者能夠執行創造價值的活動,例如:一家零售業者的搜尋引擎,貢獻的價值是讓顧客易於在網站或行動應用程式上找到品項。
  2. 平台敏捷小組:他們是支援產品的後援技術與資料能力,例如:一部零售搜尋引擎可能倚賴一個存貨管理平台,其中包含資料庫、供應商整合平台。典型的平台包含:
    • 資料平台,例如Customer360
    • 企業系統,例如一套ERP或CRM
    • 平台即服務(PaaS)應用程式,例如使用者驗證或ML演算法
    • 基礎設施平台,提供雲端運算及儲存之類的服務
  3. 支部:一個支部是由一群相同技能者(例如:產品負責人、資料科學家、資料工程師)組成的團體。支部負責增進專業知識與技能,維持共通的工作方法。
你可以規劃、發展、招募及投資數位解決方案,
若顧客(不論是內部或外部的顧客)不想使用你打造出來的數位解決方案,一切都枉然
正是因為這種介於使用者需求跟公司想推出、也知道如何打造產品之間的拉鋸,使得顧客體驗設計成為數位與AI轉型的關鍵要素,驅動創新、顧客採用及價值。

第四部 加速技術與分散式創新
各種測試策略及其定義
第五部 無死角地嵌入資料
資料產品的5種使用典型
第七部 轉型旅程的故事
若業務不採用及推廣優異的數位解決方案,打造的解決方案就不可能創造價值。


領導者的數位轉型(上)

領導者的數位轉型
第一章 人工智慧時代
所謂的「數位轉型」不只是要導入相關技術,關鍵更在於能否成功蛻變為一家不同型態的公司
為了因應新時代的威脅,我們該做的不只是把線上事業獨立分支出去、在矽谷設立一間實驗室,或是創立一個數位部門。相反的,我們所面對的是一個層次更深、涵蓋面更廣的挑戰,包括:
重新架構公司營運模式、改變公司蒐集與使用資料的方式,從而根據資料來回應市場訊息、做出營運決策、執行經營任務
第二章 重新定義公司
公司的價值取決於以下兩個概念。
  1. 第一個概念是公司的「商業模式」(business model),意即該公司承諾創造和攫取價值的方式。商業模式關係到公司策略,也就是如何透過供應獨特的產品或服務,形塑與競爭者的市場區隔並提升獲利。
  2. 第二個概念是公司「營運模式」(operating model),也就是該公司為其顧客遞送價值的方式營運模式則關係到公司向顧客遞送產品或服務的系統、流程及能力,也就是運用公司人力及資源每天實際在做的那些事情
商業模式定義理論,營運模式定義實務
儘管商業模式決定公司的發展潛力,但營運模式才是公司中能否成功遞送價值的關鍵所在。
若說商業模式是訂定價值創造與攫取的目標,營運模式就是實現此目標的計畫。
一家公司如何為顧客創造價值、如何從顧客那兒攫取價值,就是它的商業模式。
商業模式必須明確,包括兩個要素:
  1. 公司必須為顧客創造價值,促使顧客消費該公司的產品或服務
  2. 公司必須透過某種方式去攫取它創造的一些價值。
「價值攫取」(value capture)是這枚硬幣的另一面,一家公司從顧客身上攫取的價值自然應該少於它為顧客創造的價值。就汽車製造商而言,它的價值攫取主要取決於汽車銷售價格(P)大於汽車製造成本(C),兩個間的差額(亦即P>C)決定所能獲取的利潤。
企業主管面臨的主要挑戰是:
  1. 規模管理規模就是設計一個營運模式,盡可能以最低成本向更多顧客遞送更多價值擴增規模的典型案例,就是像汽車製造商及速食餐廳那樣致力於有效率提高產量或服務的顧客數量。
  2. 範疇指的是一家公司從事商業活動的範疇,也就是為顧客提供的產品及服務種類。資產及競爭力有助於組織在多種事業領域獲得良好發展,例如:集中式研發可以提供多種產品線的優勢;品牌投資可以為同個品牌下的不同產品帶來更高收益;集中式配銷系統可以提高跨多種產品線的效率。
  3. 學習:營運模式的學習功能對組織而言至關重要,關係到組織是否能夠持續改進、提升營運績效,以及開發新的產品與服務。
當「數位技術」(例如軟體及演算法等形式)取代「人力」這個傳統營運活動中的瓶頸時,所帶來的影響明顯遠遠超出人力層面。
資料越多,以及演算引擎進行越多的整合,得出的結果越好。資料科學家為特定行動提出機率預測方法,然後,演算法處理大量資料,在每一次的迭代中即時產出更好的決策。
螞蟻集團使用這些資料來比較「準時還款的優良借款人」和「未準時還款的不良借款人」,以區分出兩類人的特質差異,然後使用這些特質來計算信用評分。每一筆交易、買賣雙方每一次通ㄒ運、與阿里巴巴其它服務每一次的連結、我們在平台上的每一個行動,都會影響信用評分。與此同時,計算信用評分演算法也隨時在進化,每一次迭代都有助於改進決策品質
▲去除人工作業瓶頸
從螞蟻集團的例子可以看出,數位型營運模式的本質是避免在產品或服務遞送流程的途徑上有直接的人為干預,員工能夠幫助定義策略、設計使用者介面、發展演算法、撰寫軟體、解讀資料等等工作,但實際傳遞顧客價值的流程是完全數位化的。當審核個人貸款資格、推薦特定投資工具之類的業務轉由系統自動處理,便能夠擺脫過去人工作業所帶來的種種限制。
螞蟻集團把這些流程定錨於一個中央資料庫,以整合的方式敘述顧客及作業需求,當顧客與事業流程互動時,軟體模組會蒐集必要資料,萃取及分析顧客的需求,將其中的含義內劃並和顧客互動,以傳遞承諾的價值。就這樣,在一個中央化資料架構上建立顧客互動流程,以清楚、可行、而且可以規模化的方式把「以顧客為中心」的概念營運化及自動化。
許多新的營運模式(例如螞蟻集團的營運模式)把資料導向的行動自動化,漸漸去除價值傳遞流程中的人工作業頻頸最終會有一位產品經理去觀看匯總的交易及顧客行為資料,但實際的服務傳遞途徑上幾乎去除了每一個人際互動。
去除途徑上的人與組織瓶錦頸,這對公司的營運模式本質有巨大的影響。
在許多數位網路上,多服務一個用戶的邊際成本幾乎是零,只不過電腦運算容量成本小增一些,但很容易從雲端服務供應商那裡取得電腦運算力,這本質上使得數位型營運模式更容易擴增規模
數位型營運模式也從根本上改變了公司的架構。除了去除人的瓶頸,數位技術本質上是模組化的,能夠容易的促成商業連結,當一個流程完全數位化後,可以很容易的把這個流程外掛在事業夥伴及供應商的外部網路上,或甚至外掛在外部的個人社群,以提供更多的互補性價值
最後,營運模式的數位化也促成快速的學習與創新。累積的龐大資料量為越來越廣泛的工作提供重要的參考資訊,從即時應用程式的個人化到特色創新及產品發展都能受益
此外,把許多營運工作流程數位化,縮減了整個組織規模及周邊的繁文縟節如此一來,分析大量資料後獲得的洞察便能被數量相當少的敏捷產品團隊快速用來據以採取行動

2025年10月24日 星期五

巴菲特的勝券在握之道

巴菲特的勝券在握之道
RobertG. Hagstrom
✩諾亞不是等到下雨時,才開始建造方舟。

第2章  巴菲特的啟蒙老師們
✩難就難在擺脫不了舊觀念,而不是新觀念很難。

第3章  四大滾雪球投資法
▷巴菲特投資法:
一、事業法則
  • 這家公司是否簡單易懂?
  • 這家公司是否有穩定的營運歷史?
  • 這家公司的長期前途是否看好?
二、管理團隊守則
  • 管理團隊是否夠理性?
  • 管理團隊是否對股東誠實?
  • 管理團隊是否能拒絕制度性的從眾盲目?
三、財務守則
  • 聚焦在股東權益報酬率(ROE),而不是每股盈餘(EPS)。
  • 計算「業主盈餘」(owner earning)。
  • 公司每一美元的保留盈餘,是否至少可以創造一美元的市場價值?
四、價值守則
  • 這家公司的價值是多少?
  • 能否以遠低於這家公司價值的價格買到這家公司股票?

▷聚焦在股東權益報酬率(ROE),而不是每股盈餘(EPS)。
☆要衡量一家公司的年度表現,巴菲特偏好用股東權益報酬率看,因為它會把公司不斷成長的資本基礎考慮進來股東權益報酬率就是「營運收益」相對於「股東權益」的比例,要應用這個比例,就必須做幾個調整。
  • 首先,因為整體的股市價會大幅影響一家公司的股東權益報酬率,所以,所有可以交易的有價證券應該以成本估值,而不是以市場價值估值。
  • 第二,我們也必須控制不尋常項目對「分子」的影響。巴菲特排除所有資本損益,以及任何會增加或將低營運利益的特殊項目。
▷計算「業主盈餘」(owner earning)。
在判斷一家公司的價值時,必須要了解產業差異。
擁有高固定資產獲利率的公司,有些盈餘必須撥來維護設備或作為設備升級之用,就比低固定資產獲利率的公司,需要更大比率的保留盈餘,以維持公司的營運。
因此,在計算盈餘時必須加以調整,以反映公司的現金產生能力。
一個更適當的衡量方法,就是巴菲特所謂的「業主盈餘」
業主盈餘的算法是:淨利加上折舊、耗損與攤提費用,然後減掉公司維持經濟地位所需的資本支出。
我寧願是大約地正確了,也不要精準地錯了。

▷尋找高獲利的公司。
銷售、盈餘與資產上的成長,可能會增加或降低公司價值。
當投資資本的報酬率高於平均時。價值就會成長;因此可以假設,投資一美元到一家公司時,
至少創造出一美元的市場價值。但是,對於一家盈餘只能創造低資本回報率的公司來說,繼續成長對股東只有壞處沒有好處。

▷公司每一美元的保留盈餘,是否至少可以創造一美元的市場價值?
一家公司的淨利減掉發給股東的股利,剩下來的就是公司的保留盈餘。
現在把公司十年期間的保留盈餘加總起來,接著再計算公司目前市值與十年前的市值差異。
如果公司在這十年運用保留盈餘的方式不夠有生產力,市場終究會追上公司的價值,還會給出一個較低的股價如果公司市值增加的金額,少於保留盈餘的總額,公司實際上是在退步。
如果公司保留盈餘能賺到高於平均值的報酬率,公司市值增加的金額應該會超過公司保留盈餘的總額,也就是說每一美元的保留盈餘,至少可以賺到一美元的市值。

第4章  波克夏持股的九個案例
公司未來的現金流量折算為現值,就是公司的價值。
未來的現金流量可以用公司的成長率算出來,巴菲特用的貼現率就是長期美國政府公債的殖利率,
他認為這是一個零風險的比率。而巴菲特在計算中並未用到股權風險溢價
他調整風險的方法是他願意支付的買價所提供的安全邊際。

第5章  打造理想投資組合
▷管理投資組合的決策要素就是「安全邊際」,也就是公司內在價值與目前股價的位置。
在股價遠低於內在價值時,要趕緊買進;
在股價比內在價值稍微低一點的時候,要抱的住;
在股價比內在價值高相當多的時候,就可以脫手。
▷三個重要的投資組合管理架構:
  1. 建立能夠長期持續成長的投資組合方法。
  2. 判斷投資組合進展的衡量方法。
  3. 在管理投資組合時,調適情緒起伏的技巧。
☆無法重複夠多次以得到頻率分配(frequency distribution)的資訊,要如何計算機率?沒有辦法計算。事實上,必須靠主觀的機率解釋,我們經常都在這樣做,們可能會說包裝工人對贏得隆巴迪獎盃的勝算(odds)是1/2或是通過那個很難的科學考試的可能性是1/10。
這就是有關機率的說法,描述了我們對那個事件相信的程度。
當某個事件不可能重複足夠的次數,以便得到基於頻率的機率解釋時,就必須依賴自己的判斷力。
▷只要根據自己的判斷力,你馬上就可以看到,很多主觀解釋可能會出錯。
在應用主觀機率(subjective probability)時,你的責任是必須分析自己的假設
你要靜下心來,把這些假設想的很透徹。
▷根據貝氏分析的教科書,如果你認為假設合乎理性,你對某件事的主觀機率相等於頻率機率,是「完全可以接受的」。你要做的就是排除不合乎理性與邏輯及的事,並保留合理的事
把主觀機率想成是延伸頻率方法,會很有幫助。事實上,在很多情況下,主觀機率可以增加價值,
因為這個方法讓你考慮操作性的問題,而不是依賴長期統計規律性。
▷巴菲特說:「從獲利機率乘以可能獲利的金額,減掉虧損機率乘以可能損失的金額
這就是我們正在試著做的事。這方法不完美,但的確是關鍵。」
▷我們可以很清楚看見,巴菲特估算風險套利,應用得就是主觀機率。
風險套利沒有頻率分配問題,因為每次的交易都不一樣,每個情形都要做不同的估算。
即使如此,在處理風險套利交易時,還是值得應用理性的數學計算方式。
買股票的情形也和這個過程完全一樣。
☆凱利最佳模型(Kelly Optimiation)通常也被稱為「最佳成長策略」(the optimal growth strategy)
它的基本概念是如果你知道成功的機率,就要拿出能得到最大報酬成長率的資金比例下注
這可以一個公式表達:2p-1=x
意思是2乘以贏的機率(p),再減掉1,就等於所有資金中應該下注的比例(x)。
舉例來說,如果打敗莊家的機率是55%,投入10%的資金就能賺最多。
如果機率是70%,就下40%。如果你知道贏的機率是100%,這個模型告訴你:全部下注吧!
▷凱莉模型對集中型投資人是很有吸引力的工具,但只有謹慎應用的人才能受益。
因為,應用凱利模型也有風險,聰明的投資人最好充分了解它的三個限制:
  1. 任何想投資的人,不管有沒有應用凱利模型,都要把投資的期限拉長。因為即使21點的玩家擁有能打敗莊家的穩健模型,但在前幾次的發牌中,不一定就能看出成功的機會。投資的道理也一樣。有多少次投資人明明選對了公司,但市場卻遲遲不肯做出回應,獎勵這次選股?
  2. 玩機率遊戲的最大危險在於超額下注(overbet)的風險。如果你判斷某件事有70%的成功率,但事實上只有55%,你就是承擔了賭徒破產(gambler's ruin)的風險。避免超額下注風險的方法,就是用被稱為「半凱利」(half-Kelly)或「部分凱利」(fractional-Kelly)模型進行缺額下注(underbet)。例如,如果凱利模型要你投入10%的資金,可以選擇只投入5%。再投資組合管理中,半凱利和部分凱利投注法都提供了安全邊際,另外,再加上之前在選擇個股時也會用上安全邊際,等於是做了雙重的安全保護。
  3. 因為市場對超額下注比缺額下注的懲罰嚴重很多,我認為大部分的投資人,尤其是剛開始採用集中投資策略的人,最好用部分凱利下注法。可惜的是,賭注變小,潛在獲利也會變少。不過因為在凱利模型中的關係是拋物線式的,例如用半凱利模型下注時,你的賭注減少50%,但潛在成長率只會減少25%。所以,相對來說,用缺額下注的方式,損失不會太大。
▷從理論到現實,現在把貝式機率理論方到現實股市中,思考的過程仍然相同。
  1. 計算機率:你正在考慮的這支股票,再時間的加持之下,得到報酬率可以打敗大盤的機會有多少?
  2. 等待最佳勝算:當你保留安全邊際時,勝算就會偏向你這邊;情況越不確定,需要的越大的安全邊際。在股市中,安全邊際意味著你買到的是折扣價格。當你看中的那家公司交易價格低於內在價值時,就是你採取行動的訊號。
  3. 有了新資訊就要調整:要等到勝算在你這邊,同時間還要一絲不苟地注意公司的所有動向,並調整機率。
  4. 決定要投資多少
第6章  投資心理學
▷藉由人類行為的架構,檢視財務議題的新方法。
這種混合經濟學與心理學的學問,被稱為行為財務學」(behavioral finance)
▵規避損失(loss aversion)
▵心理帳戶(mental accounting)
▵旅鼠謬誤(lemming fallacy)
▹為了幫助投資人避開陷阱,巴菲特要我們思考一下專業基金經理人的作風。
在這個體制中,一般般的操作就等於安全,堅守標準作法才會得到獎勵,並不鼓勵獨立思考。
巴菲特已經說了:「大部分的經理人很少有動機,去做聰明但很可能看起來像白癡的決策。
他們個人的收益、損失率都太明顯,如果他們採取了並非常規的決定而且成效很好,它們可能得到一陣讚美;但如果成效很差,他就會被解僱。最後大家只好墨守成規。
大家要深以為戒的是,一群旅鼠的形象可能壞透了;但沒有一隻旅鼠的印象不佳。

第7章  耐心的價值
▷就像打撲克牌,如果你已經在牌局中玩了好一陣子,還是不知道誰是傻瓜,那你就是傻瓜。

第8章  世界上最偉大的投資家
▷巴菲特:「你真的能對一條魚解釋,走在路上是什麼感覺嗎?
讓牠在陸地上待一天,比跟牠談一千年有用。經營公司一天,也有一樣的價值。
▷巴菲特:「學投資的人只要把兩堂課學好;如何評估一家公司的價值,以及如何思考市場價格。
✩股市並不是你的導師,它的存在只是一個讓你買賣股票的機制。
如果你認為股市比你聰明,那就去投資指數型基金。
如果你已經做足了功課,對公司的了解也有信心,就不必去理會市場。
有投資人不知道自己在做什麼的時候,才需要廣泛的分散投資。
對股票「一無所知」的投資人,如果想買股票,就應該買數量非常多的股票,
而且要把買股的時間分開,不要集中時間買進。
換句話說,一無所知的投資人應該買指數型基金與定期定額基金,成為指數型投資
事實上,指數型投資人最後也會超越大部分的投資專業人士。
▷巴菲特:「從另一個角度看,如果你是一個對股票『略有所知』的投資人,你有能力理解公司的經濟狀況,並找出五到十家擁有重大長期優勢但股價被低估的公司,傳統的分散投資法對你就毫無意義。」巴菲特請投資人去思考一個問題:如果你手上最好的公司風險最低,而且長期前途最被看好,你為什麼要把錢投資到你第二十個喜歡的公司,而不是加碼買進這家最好的公司?」
▷再看看你理論上已經超過一支股票的投資組合表現如何?
就像巴菲特一樣,藉著計算公司的透視盈餘,就能評估這些公司的獲利情形。
把每股盈餘乘以你擁有的股數,就能算出你所持有的公司的總獲利能力
巴菲特說,公司業主的目標是:打造出十年後能產生最高透是盈餘總額的投資組合
▷現在,在你的投資組合中,最優先要看的就是透是盈餘成長率,而不是價差
於是,很多事就開始不一樣了。你比較不會因為賺了一點錢就賣掉最好的公司。
比較諷刺的是,當企業經營者專心經營公司時,都能理解這個道理。

衍伸閱讀:
智慧型股票投資人<Benjamin Graham, Jason Zweig>
證券分析<Benjamin Graham、David L. Dodd>
快思慢想<Daniel Kahneman>
贏家的詛咒(經典紀念版):不理性的行為,如何影響決策?<Richard H. Thaler>

2025年10月4日 星期六

星展銀行數位轉型實踐手冊

 星展銀行數位轉型實踐手冊
推薦序【 沿著舊路,走不到新出口 政大商學院副院長 邱奕嘉
▹轉型絕不是這麼單純的事,它是一個複雜工程,牽涉到策略(Strategy)改變,更需要文化(Culture)
組織(Organization)營運系統(Operation)以及人才(People)的同步調整與互相配合。
這五個元素(SCOOP)依序協調的轉變,才是創新轉型的關鍵。
▹知名物理學家愛因斯坦曾經說過:「瘋子就是同樣事情重複做,還期待會出現不同結果。
在面對轉型時,企業經營者必須改變過去的思維與做法,不能重複過去的管理思維與模式
而是改採全新思維找新的出口。從轉型5元素著手,就像攀岩一般採取「一點動,其他點不動」的模式依序推進。

第1章 海灘上的戰鬥宣言
▹發展「讓銀行服務充滿樂趣」策略時,以下四大主題式星展銀行轉型主軸。
一、轉型必須以終為始。
二、數位轉型不只有技術。
-星展銀行還必須考慮其他因素,如人力資源、客戶體驗、企業組織文化,以及理想的工作方式。
三、星展銀行從一開始就對整個組織進行了徹底的數位轉型。
-星展銀行不需要把年長員工使用新技術的時間往後延。
因為他們的個人生活不斷改變,他們的職業生活也隨之變化。
因此,在每個人平等的狀況下,星展銀行盡量避免在年輕員工和年長員工之間製造鴻溝
四、業務就是技術,技術就是業務
-在星展銀行,不再區分前台、中台和後台部門,那是過去的方式
如今流行的是「讓銀行為客戶提供綜合服務」(one bank serving the customer in an integrated manner)。打破前台、中台和後台之間的界限,是銀行傳統營運方式的重大轉變。

第7章  核心數位化的典範經驗
典範經驗1:雙位一體(Two-in-a-Box):「業務就是技術,技術就是業務」。
「雙位一體」指的是技術負責人和業務負責人在共同目標和衡量標準相互合作,
了解彼此的業務。具體來說,就是每個負責人都能了解別人的職責,進而能夠互換角色。
典範經驗2:向上指導(Reverse Mentors)
典範經驗3:打造實驗文化:
-當星展銀行開始了解並滿足客戶的需求時,它需要一種包容錯誤的、創新驅動的文化。
團隊不是專注於開發一種產品,而是嘗試各種選擇,為客戶提供最佳解決方案。
-轉型團隊致力於讓每個人都參與數位轉型,培養創的思維方式。
轉型團隊還為員工提供了一個中心框架,幫助他們開啟自己的旅程和實驗。
典範經驗4:星展銀行Xchange專案在四個關鍵技術領域繼續支援金融科技新創企業的成長:
人工智慧資料科學沉浸式媒體(immersive media)物聯網(IOT)
典範經驗5:為資深員工提供新技術
典範經驗6:數位轉型是每個員工的責任
-「我們是否需要一個單獨團隊來推動新技術需求?」對於這個問題,管理層的答案很明顯-不需要。
管理層認為,銀行每位員工都需要承擔業務責任,把自己當作轉型的一部分。
員工需要認為數位轉型是他們的責任,而不只是技術團隊的責任而已。
典範經驗7:「招募黑客」專案

第8章  數位轉型策略原則2:融入客戶旅程
設計思維在星展銀行的術語中被稱為「4Ds」,引導員工知道需要做什麼。
星展設計的解決方案改善了「要做的工作」。
數位轉型策略要完成「讓銀行服務充滿樂趣」的整體工作。
這需要員工從日常業務抽身出來,辨識出客戶旅程,並在這個基礎上不斷改進。
有一個最好的例子是,星展銀行沒有推銷更多的抵押貸款,而是專注在為客戶做「要做的工作」,也就是幫助個人實現夢想。在抵押貸款業務中,星展銀行提前6個月與客戶溝通,開始融入客戶旅程。這樣一來銀行可以參與整個購房過程。銀行代表會協助客戶尋找合適的房屋,比較各種選擇,並為客戶確定最佳抵押貸款提供支援。

第9章  以顧客為核心
▹隨著星展銀行越來越關注客戶,它開始尋找真正由客戶為原動力的創新和數位方法。
於是星展銀行採用了英郭設計委員會的4Ds方法。
- 設計思維:4Ds框架
  1. 發現(Discover):收集顧客意見並整合見解和發想。
  2. 定義(Define):發現機會和提煉概念。
  3. 開發(Develope):測試最具風險的假設並規實施方案。
  4. 交付(Deliver):實施概念。
✩「發現」是客戶旅程的第一步,需要最多的時間,占比高達50%時間。
許多人想直接跳到「交付」階段,但他們必須先執行前面步驟。
▹客戶至上,而非內部至上
-實施4Ds框架需要每個員工專注客戶體驗,並在客戶旅程中更多地參與其他部門和利害關係人的工作。由此產生的合作打破了傳統的條條框框,使員工更關注「客戶至上」,而非「內部至上」。
▹從交叉銷售到交叉購買
-隨著可用資料的增加,星展銀行開始採用情境線上銷售的方法,根據使用者行為和資訊發布目標式廣告(targeted advertising)
-當顧客在銀行購買一種產品時,銀行同時提供其他相關產品,交叉銷售就發生了。
例如,當顧客在銀行開戶時,會被問到是否需要一張信用卡。
-這種思維模式的轉變來自於甘道夫計畫(GANDALF)的經驗教訓-不向客戶推出單一產品,而是提供一系列選擇相似的是,當客戶在線上購買一本書時,系統會推薦5本相關的書。
這種情境銷售提高了產品在特定時間對特定客戶的吸引力。
-透過分析交叉購買的客戶資料,星展銀行了解到,客戶了解到的產品越多,他們辦的業務也會越多。

✩發現:收集顧客意見並整合見解和發想
在星展銀行,「發現」的第一步是從客戶的角度想像「需要完成的任務」
這也是「旅程聲明」(Journey statement)意味著每項任務都要為客戶和銀行帶來價值,任何解決方案都必須對所有人有益處。
旅程聲明在整個探索過程中扮演了指引的角色,並貫穿了所有四個階段。
在旅程聲明之後,團隊通常會詢問:「誰一起參與?誰將從現金管理最佳化中受益?」
關鍵的人物角色和利害關係者被真實地繪製到一張地圖上。
這張地圖展示了所有參與者的聯繫。這張利害關係人地圖像是星展的「人物關係圖」,把所有重要的人物和他們之間的關聯都一目了然地呈現出來,這讓星展可以制定一個研究計畫,計畫中包括了誰會參與訪談,以及打算進行多少次訪談。
接著,還準備了一份討論指南,也就是一個問題清單,確保能每位利害關係人提出正確的問題,以確保討論一致,同時也能夠深入挖掘團隊設定的旅程聲明。
提出的問題必須包含三個要素:
  1. 功能上的「需要完成的工作」:就是要了解各角色、責任和關鍵績效指標(KPI)。
  2. 社會上的「需要完成的工作」:考慮利害關係人之間的互動,以及他們希望被看待的方式。
  3. 情感上的「要做的工作」:利害關係人在執行任務時的感受。
✩定義:發現機會和提煉概念
團隊繼續提煉出最好的想法、流程、工作流程和解決方案
在這階段的一部分他們評估了概念是否在技術上可行並且可行性-
這兩個因素將任務從定義轉移到了開發階段。例如,一個解決方案可能在技術上可行,但如果它需要花費太多成本才能實現預期的回報,那就不可行。

✩開發:測試最具風險的假設並計畫實施
關鍵是迅速構立一個工具,分享想法,並記錄回饋。
同樣重要的是,測試對概念的最關鍵和不確定假設。
在測試客戶時,團隊捕捉了用戶的反應和情緒,以便清楚地了解他們喜歡什麼和不喜歡什麼。
然後,團隊成員根據這些反應和情緒重新設計原型。
在開發階段,團隊測試了不同的假設,並且不斷從中學習。

✩交付:實施概念
解決方案是在交付階段建構的。
在交付階段,越來越多的團隊採用敏捷方法開發最小可行性產品持續審查最小可行性產品(MVP)開發過程中的客戶回饋
在「交付」階段要保持專注,確保工作計畫有序且有優先順序,定期展示價值,逐步提供解決方案,同時建立一個合作且有活力的團隊。

第17章 客戶導向
 銀行的不同部門之間存在著藩籬。例如零售銀行業務和機構銀行業務之間就存在界限。「前台」「中台」「後台」曾經是銀行業的通用語言。
但在一個數位銀行,這些術語不僅不再存在,更無法存在。
業務部門想要一致轉型,就需要不同部門都朝著敏捷文化一起前進。

第18章  以數據為基礎
銀行使用「以數據為基礎的營運模式」(Data Driven Operating Model,DDOM)來解釋以數據為基礎文化。尤其是人工智慧開始蓬勃發展,DDOM在星展銀行內部也在不斷發展。
以數據為基礎的企業文化轉型,在以下三方面展開:

一、建構技能和文化
打造以數據為基礎的企業文化,更重要的是改變員工的行為,而不是資料本身。
分析資料比較容易,困難的是鼓勵人們改變原有的工作方式。
例如,一開始人們總想要保護自己的資料,不願意與別人分享,這種情況必須被改變。
星展銀行致力於開發無須批准就能立刻自動取得資料的功能,員工能否取得資料取決於在銀行等級以及取得資料的目的。

二、提高數據的可用性
反洗錢的數據分析
機器學習的技能如果不能明確定義問題,他們就無法明確解決問題;同樣地,機器也不知道需要解決甚麼問題。
 數據無所不在員工發現,他們總是能找到些可用的數據來開始工作,並且可以在之後的工作中獲得更多的數據。這意味著「不要讓有限的資料成為不進行數據分析的藉口」。
 數據儀表盤文化透過儀表板的形式展現數據視覺化,提高員工效率,幫助他們做出更好的決策。
此外,自動化的數據儀表板節省了大量寫報告的時間。
作為一種業務管理方式,數據儀錶板讓每個人都牢記「星展銀行做事與眾不同」這個理念。
為數據而設計:如今星展銀行認識到,為了最大化成效,有必要將機器學習高級分析人類直覺結合。它還使用數據和數據儀表盤來描繪客戶旅程的每個階段
這能幫助預防問題,保持客戶的參與度,增加銀行的「錢包份額」。
增加錢包份額
-數據分析的美妙之處在於,深入挖掘資料能幫助做出更好的決策。
-在數位轉型開始的時候,星展銀行就建立了數據庫,用於追蹤數位化轉型為利害關係人創造的價值。
透過觀察利害關係人參與數位化活動的程度,管理層可以追蹤收入的增加和成本的降低,進而追蹤回報率的改善情況。
-銀行透過加強數據分析能和人工智慧技術,為客戶提供超個性化的服務

三、創建以目標為基礎的數據平台
控制塔控制塔能夠即時監測客戶旅程。
機場式控制塔裡只有幾個人負責管理所有的技術活動,他們能夠監督一切,即時管理出現的異常情況。團隊用機場式控制塔來解釋即時監控的必要性,「依據昨天的請求來處理今天跑道上的碎片是沒有任何意義的」。
- 控制塔中的一些成員在數據為基礎之下進行即時管理,並處理異常情況。
其他人則支援業務增長,分析資料以改善客戶旅程,監督、管理和控制風險,從而使業務照常進行。
- 星展銀行使用預測技術,在合適時間向客戶提供合適產品,並透過數位方式改變他們的行為

第19章  嘗試並承擔風險
傳統銀行總是希望能夠降低風險。但為了促進數位轉型的成功,星展銀行的管理層鼓勵冒險,像新創企業一樣行事,並對實驗持開放態度。那些想要守住飯碗和獎金的員工都已經學會了謹慎行事,但這和星展銀行實施數位轉型策略的要求卻背道而馳。
敏捷成為學習型組織客戶導向以數據為基礎實驗這五大創業文化深深地嵌入了星展銀行DNA。在實施數位轉型策略同時,管理層意識到他們在社區中所扮演的角色。這推動了第三個策略-永續經營策略。

附錄1 不看對手,卻贏過所有人!
自古以來,人們從來沒有一定需要銀行(bank),但他們都需要金融服務(banking)。」高博德體悟到,傳統銀行要迎戰新科技業者進入金融市場,第一步就是要拋開銀行的束縛,忘記自己是一間銀行,回歸本質思考,從零開始探索,什麼是客戶真正需要的。
數位轉型最難踏出的其中一步,就是過早思考投資報酬率,也因此,除了董事會支持,管理團隊也必須相信,自己選擇押注的,是一條正確、在未來會開花結果的道路。

附錄2 創造最佳客戶旅程成為贏家
星展的系統,每個月會對6大市場的客戶,藉由網銀App,像顧客送出總共超過4,000萬條客製化的推播訊息,為客戶需求量身打造
例如,曾經買過某外幣的客戶,當該幣別匯率變動時,系統主動通知價格創低,可能是再次買入的機會參考點;又或者,用戶在某領域消費高出日常平均,主動發訊息提醒需要注意開銷,建議保留3至6個月的緊急儲蓄備用等。

2025年9月28日 星期日

上班族必備的工作數字力:數字力是職場最強武器

上班族必備的工作數字力:數字力是職場最強武器!
第四章  靈活運用資料,輕鬆讀取數字的七項基本規則
🔺利用「標準差÷平均數」做相對評量
變動係數=標準差÷平均數,相對評量不同資料的離散程度時,就可以使用變動係數。

▸更進一步地,如果使用這個比率,也能夠清楚明已經改善、尚未改善的研討會。
例如再次舉辦研討會A與研討會A之後,得到如下圖的結果。
▸研討會A與B的平均數都有增加,標準差也都有變小。
目標是達到研討會C的程度,看起來兩者都有改善。
就像這樣,計算平均數與標準差的比率能夠獲得相對評量的數字也能夠簡單說明多筆資料之間的比較結果。以零售業來說的話,就類似針對多家店鋪評量今年與去年的業績一樣。

🔺任何人都能使用的解讀數據資料「五步驟」
  • 步驟1 先把數據資料轉換成圖表,掌握「傾向」與「異常」
  • 步驟2 計算數據的平均數與標準差
  • 步驟3 若有必要,排除「異常」,重新計算平均數與標準差
  • 步驟4 利用「平均數±標準差」掌握「大致的分布範圍」
  • 步驟5 利用「標準差÷平均數」相對評量

第五章  連前輩也不見得會!使用數字與圖表製作資料的訣竅
🔺利用瀑布圖一眼看出「進」與「出」的狀況
▸如果想呈現「有多個加與多個減,最後得到這樣的情況」之訊息,瀑布圖可以發會強大的威力。
▸在商場上,一定會發生金額或人數的「進」與「出」,所以商務人士一定有機會用到瀑布圖。

第六章  「沒有傳達」等於零!使用數字做簡報的技術
🔺以「3-1-3」架構準備簡報
  • 3:三分鐘結束(短時間)
  • 1:鎖定一個主張傳遞(主張明確)
  • 3:該主張的依據不超過三個(對方能夠理解)
★區分「呈報資料」與「補充資料」
▸職場上兩種資料:資料是簡報的附屬品
職場上使用的資料大致可分為兩種:「呈報資料」「補充資料」兩種。
☆呈報資料:資料中只針對自己的主張放入需求的數字。
☆補充資料:為了因應對方提問,隨身帶著參考用的數據資料。
★ 資訊量與成功率成反比
▸主管指出「這份資料很難懂。」「長話短說,你到底想說什麼?」「現在說明的資料是哪個部分?」⇢由於太擔心主管的指正,所以把所有可能相關的資料都放入簡報資料中,諷刺的是,這麼做反而招致負評,完全預想背道而馳。
▸「這個參考資料的這個數據對嗎?這份資料的內容到底正不正確?」⇢該錯誤並不影響簡報內容,現在想想,或許一開始就不應該發那份參考資料才對。
▸總之,並不是把所有「可能必要的資料」都放入呈報資料就是對的。
請記住,呈報資料的資訊量與簡報成功率呈反比。
洽當的「呈報資料」就如同手機或壽險的廣告一樣
廣告本身可以說就是一場簡報,廣告裡應該不會放詳細的受費標準或合約內容給消費者看吧。
廣告只會鎖定最想傳遞的內容與依據來製作,消費者若想進一步瞭解廣告中沒有提供的資訊,就會主動上官網確認詳情。
製作呈報資料的標準就是就算沒有口頭說明,光看資料也能懂你的主張。
另一方面,補充資料就是假設對方聽了簡報後可能會提問,為此而做的準備。
簡報成功與否在於你如何想像簡報的進行,並做好適當的準備。

★ 「供閱讀」與「吸引對方」的資料
▸「呈報資料」還可以進一步分成兩種:
  1. 書面的「分發資料」:分發資料是「供閱讀」的資料。
  2. 「PowerPoint投影片的『投影片』資料:「吸引對方」用的資料。
▸經常看到商務人士把分發資料當成投影片資料,拿來在PowerPoint上撥放。這種做法原則上是不行的。
  • 投影片資料是用來「吸引對方」,稍微施點淡妝以協助訊息順利傳遞。
  • 供閱讀的資料,只要簡單放入有確實根據的資訊即可。
  • 補充資料只是供自己參考使用,所以無需做得太過華麗。

★為誰簡報?如何運用?任務為何?
▸工作中使用的資料各有不同的任務。請確實瞭解各種資料的不同用途並且區分使用。
如果覺得「因為太麻煩了,我靠一份資料走天下」,
這樣想表達的主張就不容易傳達給對方,反而解釋起來更費功。
▸甚至在簡報一開始就要先表明:「假如所需的詳細數據沒有放入資料裡,簡報後我再用電子郵件傳送給各位。如果提問,我也可以在現場口頭說明。」這樣一來,對方就能夠與你站在相同立場聽簡報,你也能夠開始進行理想的簡報。


▸數字分為實數與比率兩種,同時透過比較,更可發揮強大威力。因此,商務人士會頻繁使用<公式一>與<公式二>的傳遞方式。

2025年9月13日 星期六

哈佛商業評論推薦必讀AI商業趨勢(下)

哈佛商業評論推薦必讀AI商業趨勢
第八章 定價演算法趕走我的客人?請小心,別讓品牌受傷害
【指定定價演算法的負責人】
演算法失控時,很容易怪罪演算法本身,但問題根源通常在其他領域
像是組織不夠關心顧客心理,或是沒能掌握顧客心態。
➤當企業興高彩烈地把定價的繁重工作交給自動化時,切割出去給演算法不僅是數學計算的控制權,
也包括傳達訊息的工作。
➤定價演算法本身有兩個弱點。
  1. 它缺乏必要的同理心,而需要這種同理心,才能預測和解決價格變化對顧客行為和心理造成的影響。
  2. 它缺乏長期觀點,而需要這種長期觀點,才能確保公司策略或總體經濟目的。
【設置和監控定價範圍】
➤若要從演算法中收集見解,有三個主要領域需要進行更密切的職能協作:
▷實驗:受到控制的定期價格測試,能協助企業衡量顧客對產品、服務或任何功能的重視程度,
並了解在哪些情況條件下,可以再何時、如何取得那項價值。
▷因為顧客是對實際產品做出反映,以及進行真正的交易。
他們對價格變動的反應,有助於企業找出什麼是有效的做法,
什麼是無效的的做法,以及買家在什麼時候首次做出購買決定。
▷監控:企業可制定新的關鍵績效指標,或是比較現有指標,
以確保價格變化的頻率和幅度,不會削弱顧客成程度或品牌聲譽。

✩第九章 掌握兼顧彈性的自動化策略
✩企業在衡量專案的成效時,不該再比機器人與人類員工的成本與產出;
這種作法忽略了自動化其實可以從許多層面改善流程。
相反地,企業應該專注探討幾個問題:
目前執行某些任務的團隊,在自動化之後改去從事新工作,是否會更具生產力?
相較於沒有運用自動化科技的團隊,有運用這種科技的團隊能否提出更多創新構想,
或者從事更多樣化的工作?

【推動正和自動化
若要做到正和自動化,企業必須設計出兼顧生產力與彈性的系統,彈性進行自動化的三個關鍵如下:
1. 設計容易理解的工具,並投資進行教育訓練
➤許多機器人和自動化系統是由第三方技術顧問設計與設定設定,讓自動化系統的運作死板且容易出錯。生產環境或流程即使只出現小小的變化,也有可能讓整個系統停擺。
➤為了避免發生這類問題,公司應該確保自動化系統裡包含容易理解的技術,
例如低程式碼(lower-code)的程式化界面,讓技術技能不高於第一線員工也能及時修復或調整系統。
2.尋求第一線員工的回饋意見
3.選擇是選擇顧客的顧客績效標
➤自動化計畫是否成功,不可能藉由單一方程式來衡量。
企業應該要設計幾項關鍵績效指標(KPI),考量每一項要進行自動化的流程、
每一個涉入的團隊、每一位本身工作可能會因此而改變的員工。
這些KPI也應該考量無形的效益,包含產品創新、員工滿意度與安全性提升,以及重新設想流程。
➤出於細微動機去推行自動化的業者會面臨一項挑戰:評估成效的方式也必須採取精細的作法。
在某些情況下拿人工系統與自動化系統來做同類比較並沒有道理:自動化系統需要業者重新設計流程,也就是剔除效率低落的步驟,公司應該設計一系列的指標,包含三個層次:機次、系統、團隊。
  1. 機器層次:成效指標應該關注實際運作的彈性。相較於人類員工,自動化系統會學習一項新工作需要多少時間?
  2. 系統層次:指標應該關注轉換成本。機器人或者自動化軟體需要多少時間來順利運作一項新流程?
  3. 團隊成效的指標最重要自動化系統是否提升團隊的工作績效?團隊成員的表現是否優於過去?團隊是否能以更有創意的方式運用本身的技能?擁有自動化科技是否讓團隊做到以前做不到的事?
【自動化反而需要人類】
➤通用汽車「未來工廠」的願景,是要在不必開燈讓員工工作的情況下表有生產力與彈性。
但我們從率先推行自動化的公司那裡發現,就算公司能夠做到「關燈」自動化,多半仍不會這麼做。
他們知道,若想結合生產力與彈性,人類必須參與其中,去了解自動化科技在哪些層面能有效運作,以及在哪些層面可以改善。
➤對公司最有利的是「正和自動化」,這種自動化會運用智慧型機器、主管、工程師與第一線員工的各種長處。自動化的願景不該是排除人類,而應該是讓人類在工作上更能展現能力、更不可或缺。

第十一章 機器人的成功關鍵在於「人」
➤人類雖然天生擁有智慧,卻發現很多事情不可能、或者很難做好,而AI能夠做到這些事情,
例如:辨識大量數據當中的型態;擊敗首屈一指的西洋棋冠軍;運作複雜的製造流程;
同時接聽和回答打進顧客服務中心的許多通電話;分析天氣、土壤狀況、衛星圖像,
以協助農夫將作物的收成提升到最多;掃描數百萬張網際網路圖像,以防制剝削兒童的惡行;
偵測財務詐欺;預測消費者偏好;個人化廣告;另外還有很多工作。
最重要的是,AI使人類和機器能高效率地一起工作,這種協作正在創造許多新的高價值工作。

第十二章 掌握關鍵十招,全面啟動AI變革
➤第一資本(capital One)幾十年來一直被公認為分析領域的翹楚,
運用分析法來了解消費者的支出型態、降低信用風險,並改善顧客服務。
由第一資本的IT組織為所有這些數據建構和管理基礎設施的解決方案已不在有意義。
相反地,IT組織開始專注於培養軟體和業務能力。今天,第一資本即時分析來自網路和行動交易、
自動櫃員機和信用卡交易源源不絕的數據流。

2025年9月5日 星期五

哈佛商業評論推薦必讀AI商業趨勢(上)

 哈佛商業評論推薦必讀AI商業趨勢

第一章 ChatGPT引爆AI無限可能
✩不要只著眼於正確,而應更關注AI寫作如何提高工作效率。
➤機器現在能做以前只能由訓練有素的人完成的任務。
一些有價值的技能不再有用,新技能將取而代之。

第二章 人工智慧啟動新形態商戰
➤分析法有系統地將內部與外部的數據,轉化為預測、深入見解和選擇,
接著由這些預測、見解和選擇來指導並自動運作工作流程。
➤人工智慧工廠都必須具備四個組成要素:
  1. 數據工作流(data pipeline)這是一個半自動化的流程,以系統化、可持續和可擴大規模的方式,收集、清理、整合和保護數據。
  2. 演算法做出有關企業未來狀態或行動的預測。
  3. 實驗平台在上面測試有關新演算法的各種假設,以確保這些演算法的建議可創造想要的效果。
  4. 基礎設備:這些系統會把這個流程建入軟體裡,並把它連結到內部和外部使用者。
➤以Google或Bing之類的搜尋引擎為例,只要有人開始在搜尋框中輸入幾個字母,演算法就會根據眾多使用者曾輸入的字詞,以及這名使用者以往的搜尋動作,來動態預測完整的搜尋詞。
預測的這些字詞會列在一個下拉式選單裡(即「自動建議字串」),可協助這名使用者快速選定一個相關的搜尋。每一次按鍵和點擊,都會被取得當成數據點(data point),而每個數據點都會改善對未來搜尋的預測。
學習迴路(learning loop):任何一次點擊進入或離開搜尋問題與搜尋結果頁面都可以提供有用的數據。搜尋次數越多,預測越正確;而預測越正確,搜尋引擎被使用的越多。
➤網路效應在達到關鍵多數(critical mass)之前,創造的價值很少,而且,大多數新應用的演算法,
在獲得足夠的數據之前,都遭受「冷啟動」(cold start)之苦。
這說明為什麼安穩使用傳統模式的高階主管,起初都難以相信數位模式有追趕的一天。可是數位營運模式一旦真的發展起來,'就會提供更優異得多的價值,並快速超越傳統公司
✩重建企業結構長久以來,公司一直是透過更大程度的聚焦與專精化,來優化規模、範疇和學習,這導致現今的絕大多數企業,都擁有各部門壁壘分明的結構。
然而,壁壘分明的部門是人工智慧驅動的成長之敵。當公司的每一個部門,都擁有自己的數據和代碼時,內部開發就會零碎分散,幾乎不可能在部門之間建立連結,也難以和外部企業網路或生態系統建立連結。而且幾乎不可能全方位地了解顧客,這種對顧客的完整了解是取自每一個部門與職能單位,同時也能供每一個部門與職能單位使用。因此公司在建立新的數位核心時,應避免深度劃分組織結構。
✩將人工智慧置於企業核心
  • 一個策略:若要重新建構公司的營運模式,就必須在整合數據、分析和軟體的新基礎上,重新打造每個事業單位。這項深具挑戰性的耗時工作,需要有個焦點,以及一個由上而下交辦的一致任務,來協調和激發許多由上而下的行動。
  • 一個明確的架構:一個以數據、分析和人工智慧為基礎的新方法,需要某種程度的集中化,以及高度的一致性。數據資產應該跨越各個應用軟體而整合起來,使它們的影響極大化。

第三章 機器學習贏家祕訣
➤在許多情況下,演算法可以利用回饋數據,不斷地改進;若是把實際的結果,拿來和當初用來產出預測的數據進行比較,就可以產生回饋數據。如果在明確定義的界線內可能會出現很大的變化,這種工具就特別有助益。
✩在預測中建立競爭優勢在機器學習領域中建立可長久維持的事業,在很多方面很類似在任何產業中建立可長久維持的事業。你能否做到這些,取決於你對以下三個問題的答案:
  1. 掌握數據越多,越難被超越你有足夠的訓練數據嗎?
  2. 令人望塵莫及的迴圈速度你的回饋迴圈有多快?機器如果納入回饋數據,就能從結果中學習,並提高下一次預測的品質。
  3. 精準預判顧客需求你的預測有多準?
✩迎頭趕上
  1. 特殊數據成為致勝關鍵找出其他的數據來源,並固守這些來源。
  2. 尋找不同的服務對象預測差異化。另一種可協助後進者變得更有競爭力的方法,就是重新定義什麼因素會讓預測變得「更好」,即使只是對某些顧客來說比較好。

第四章 培養數位心態,為轉型加速
➤數位轉型不是一個要努力達到的目標,而是達到本身各種獨特目標所採取的手段。
有了數位心態,組織所有的員工都能做好準備,去掌握當前變化萬千的世界所帶來的機會。

第五章 「影子學習法」讓組織學習邁開大步!與智慧型機器聰明共事
➤影子學習法的五大技巧:
  1. 尋求挑戰:剛接觸機器人手術的受訓人員通常沒什麼機會實作。偷學者解決這個問題的方法,是尋找機會在有限的監督下,挑戰本身能力極限的手術。他們知道有挑戰,才有學習的效果。
  2. 向第一線取經
  3. 重新設計角色
  4. 收集整理解決方案
  5. 向偷學者學習

第六章 擴大應用AI轉型力:與其一次性求變,不如抓重點先行
步驟一:制定策略
  • 潛在影響
  • 相互關聯的活動:如果重新調校這些活動,可以解決系統性的問題,例如長期效率低下(像是冗長的貸款審核時間)、高變異性(迅速波動的消費者需求),以及經常錯失機會(難以提供產品給顧客)。
步驟二:建構團隊
步驟三:重新想像日常營運
步驟四:順應組織和技術變化

★第七章 AI行銷為何不給力?你沒問對問題,就會錯失機會
➤有一家大型電信公司的行銷主管設法要減少顧客流失,於是決定運用AI來判斷哪些顧客最可能離開。他們取得AI的預測後,一再提供大量優惠促銷方案給高風險顧客,希望吸引他們留下來。
雖然實施這項留住顧客的活動,但很多顧客還是離開了。為什麼?
這些主管犯了一個基本錯誤:向演算法問錯了問題。
雖然AI預測的內容很好,但沒有解決這些主管真正想解決的問題。
【解決方案】一個三步驟的框架將有助於開放市場行銷和數據科學團隊之間的溝通管道。
(1)我們試圖解決的市場行銷問題是什麼?
(2)在我們目前的做法中有沒有任何浪費或錯過的機會?
(3)是什麼東西/事情造成這些浪費和錯過的機會?

【重點為校準:沒能問對問題】
➤我們研究的這家大型電信公司,主管真正該做的事情不是找出哪些顧客可能流失
而是應該弄清楚該如何運用行銷經費,來減少顧客流失
他們不應問AI哪些顧客最可能離開,而應該問哪最可能被說服留下
換句話說,應該問哪些考慮離開的顧客,最可能會對促銷方案有回應
前述這家電信的行人員,給予AI錯誤的目標,於是,把錢浪費在許多無論如何都會離開的顧客身上,
但對於加倍花心力就能留住的顧客,卻投資不足。

【利弊不對稱:沒能體認到「預測正確的價值」與「預測錯誤的代價」不同】
➤ AI的預測應該越準確越好,不是嗎?
不一定,差勁的預測,有時候代價極為高昂,但有時候代價不那麼高;
同樣地,超級精準的預測,在某些情況下的價值比較高。
➤ 必須了解的一項重點是,AI預測可能有各種不同的錯誤。
預測除了會高估或低估結果之外,還可能會出現偽陽性
(指出顧客可能流失,但其實顧客會留下),或偽陰性(指出顧客不可能流失,但其實顧客後來離開了)。
行銷人員的工作是要分析這些類型錯誤的相對成本,而這幾項成本可能差異很大。
然而,負責建立預測模型的數據科學團隊常會忽略這種相對成本差異很大的狀況,
或甚至沒有人告知他們這種情況,於是,他們假定所有的錯誤都同樣重要,導致出代價高昂的錯誤。

【數據未善用:沒能充分運用精細的預測】
➤企業會產生大量的顧客數據和營運數據,可以使用標準的AI工具,根據那些數據頻繁地做出詳細的預測。但許多行銷人員並沒有利用這種能力,仍根據舊有的決策模式來運作。
以一家連鎖飯店為例。這家飯店的主管每周開會,以調整各個地點的房價,即使已有AI可以針對不同房型的顧客需求,每小時更新預測數字。他們的決策流程,還是保留下來的過時訂房系統。

【雙向溝通不良】
➤行銷主管必須改善與數據科學團隊的溝通與協作,並且清楚說明自己設法要解決哪些商業問題。
【架構運用實務】
1.我們現在想解決的行銷問題是什麼?
➤這個問題的答案必須有意義,而且精確。
舉例來說,「我們如何減少顧客流失」就問的太廣泛,對AI系統開發人員沒有任何幫助。
「如何能最妥善地分配留住顧客的活動預算,以減少顧客流失」這樣的問法比較好,
但仍太廣泛(這筆留住顧客的預算已經定案,還是要由我們決定?所謂的「分配」是什麼意思?
是否要分配給不同的留住顧客活動?)最後,我們會得到一個對問題更清楚的陳述,像是:
「如果現在有幾百萬美元的預算,我們某一項留住顧客活動,應該針對哪些顧客?」請注意,
我們完全沒提到「我們要如何預測顧客流失」,因為預測顧客流失,並不是要解決的行銷問題。

2.在我們目前採用的解決方法裡,是否有任何浪費或錯失的機會?
➤第一步就是反思,如何算是成功和失敗。
在前述那家信公司,一般人直覺認為成功的定義,是「接到促銷方案的顧客是否續約?」
但這種定義太過簡化,也不準確;這些顧客或許不用促銷方案就會續約,
所以提供優惠促銷反而浪費了留住顧客的經費。
同樣地,如果沒有接到優惠促銷的顧客,最後決定不續約,這樣算是成功嗎?不一定。
如果這位顧客無論如何都不打算續約,「不提供優惠」實際上算是成功,因為本來就無法說服他留下。然而,如果這位顧客只要收到優惠促銷就會留下來,那就是錯失一個機會。
➤有時很難找出在原子層次的失敗,在前述那家電信公司,數據團隊並未檢視那些顧客有可能被說服留下來,因此很難判斷失敗的類型。在這種情況下,
團隊可以使用較屬於總計式的數據,來量化浪費與錯失的機會,即使這樣產生的結果較不精確,也要這麼做。這家電信公司可以使用的一個方法,就是檢視「提供銷售誘因的成本」,相較於「收到這些誘因的顧客所增加的終身價值」,何者較高同樣地,對於促銷活動沒有接觸到的顧客,團隊可檢視因為他們不續約而損失的獲利。
➤這些手法有助於這家電信公司區分以下顧客:
  1. 哪些顧客雖然被留下,但花費的成本比增加的終身價值高;
  2. 哪些高價值顧客雖然收到留住顧客的促銷優惠,但仍流失;
  3. 哪些高價值顧客沒有收到促銷優惠,而在促銷活動後離開。
3.什麼原因造成那些浪費與機會錯失?
➤前述電信公司的團隊成員,當初若是回答這個問題,就會明白,如果他們的AI能完美預測,誰會因為留住顧客方案而留下(而不是預測誰將要離開),就既能排除浪費(因為他們就不必提供優惠給無法被說服留下來的顧客),也能避免錯失機會(因為他們能鎖定所有可以被說服的顧客)。
這方面常見的一種錯誤,就是誤以為,預測與商業目標之間相關性就已足夠。
這種想法有缺點,因為相關性並非因果關係,於是可能出現一種情況,就是你或許預測到,
某件事的變化與獲利能力有相關性,但其實無法改善獲利。
即使真的有因果關係,也不見得能百分之百對應到你的目標,所以你花費的心血,
不見得能完全達到你要的最後結果,導致錯失了機會。

【處理「利弊未對稱」的問題】
➤你一旦清楚了解AI預測,與決策和商業成果之間的關聯,就該把系統出錯所帶來的成本加以量化。
這就需要問:如果AI產出的結果並不完全正確,會和我們想要的商業結果有多大差距?
➤在那家電信公司,把留住顧客的促銷方案寄給無法說服的顧客(浪費),這樣的成本比失去一個本來可以透過優惠方案而留下的高價值顧客(機會措施)低。因此,如果AI系統把重點放在「不要漏掉可說服的顧客」,公司的獲利會更高。即使這麼做會提高誤判某些顧客願意接受方案的風險,仍值得這麼做。

【處理「數據未善用」的問題】
➤大多數行銷用AI所做的決定,並不是新的決定,仍是在處理舊決定,
像是顧客區隔、鎖定目標顧客、預算配置等。「新」的部分在於做這些決定時,
根據的是由AI收集處理更豐富資訊。這麼做的風險,在於人類大致上不樂意改變。
在做一些舊決定時,許多主管尚未針對改善AI新科技能帶來的頻率與精細程度做出調整。

【攜手進步的合作】
➤行銷需要AI。但AI需要借助行銷思惟,才能充分發本本身的潛力。