全公司「玩數據」！別只讓科學家專擅於前

我們直覺認為，數據科學是專家的事，一般員工沒必要了解這麼多。這個想法太狹隘了。數據科學必須廣泛地普及化，不妨讓全公司都參與，大家一起「玩數據」。現在已經有許多工具，將數據科學的部分作業流程簡化或自動化，而位於組織第一線的員工，早已熟稔公司業務，只要能掌握使用小量數據，就能熟練並快速地對問題做出回應。數據科學的關鍵在於人，只要能策略性地讓員工參與數據工作，就會看到更好的結果。

許多組織已藉由設置「卓越中心」（center of excellence），來啟動數據科學之旅，盡可能聘請最優秀的數據科學家，並專注在可收集到許多數據的地方。從某些方面來看，這麼做相當合理，畢竟公司不想在人工智慧或機器學習上落後。而且，數據科學家也想炫耀他們的最新工具。然而，這是運用這項稀有資源的最佳方式嗎？對大多數公司來說，我們認為並不是。相反地，我們建議公司以更具策略性、更廣泛的角度，來看待數據科學。以策略性數據科學為例。雖然組織的策略性問題相對較少，但它們對組織特別重要。即使針對策略性問題與牽涉到重大變動的決策，能分析的數據相對稀少，但公司應該全力處理這些議題。數據科學提供的價值，遠遠不僅是大數據演算法，還包括其他很多價值，從更清楚地建構問題，到分析有哪些「小數據」可用，再到實驗、製作極佳的圖表，不一而足。運用數據科學來獲得更好的見解，這方面的潛力很大。而且，既然資深主管最終必須領導進行數據科學轉型，那麼讓他們參與數據事務，就能協助他們更清楚看見相關的益處，並且更加了解他們必須對這項轉型做出什麼貢獻。然而，數據科學也必須廣泛地普及化。若要數據科學真的能夠推動轉型，每個人都必須參與，來玩玩數據。只讓專家接觸數據科學，是有局限性的想法。把重點放在專業數據科學家的數據科學計畫，會忽略掉絕大多數的人和商業機會。舉例來說，如果組織裡充斥著許多問題及數據導向的決策，知識工作者組成的小型團隊、中階主管與合作伙伴，都可以使用小量數據，在二到三個月內解決那些問題、做出決策。這些位於組織第一線的個人，早已了解公司業務，不像數據科學家還需要去學習了解。如今許多不同類型的供應商，提供許多不同類型的新工具，可簡化或自動化地執行數據科學的許多部分，像是整理數據、建立演算法，以及編碼以部署和運作某個模型。推動全體組織進行數據科學轉型，雖然聽起來太難以推動，但有一些方法可以讓你開始進行。根據我們的諮詢工作、與高層領導人的談話和研究，我們建議採取以下那些相互關聯的步驟，讓你公司的數據科學更具策略性、更普及使用。