為了做決策分析的議題,我曾經訪談一位在鋼筋產業已經有 30 多年經驗的企業家。在蒐集資料的過程中,我發現企業都會面臨交棒的問題,其中最困難的部份就是:如何將上一代豐富的實戰經驗傳承給下一代?

  • 培養總能做出正確決策的專家,談何容易?

專家通常都具有大量的專業知識,他可以依據對象與環境的不同去運用這些知識,而且可以依據不完整或不精確的數據與資料,去推測出比一般人所能得到的更好結論。

因此,專家在面對企業環境可能的變化時,例如金融風暴、911 事件、日本大海嘯、或是戰爭的發生等狀況,往往都能從多種要素的相對關係中,辨識出哪些是能讓自己的企業持盈保泰的關鍵。

而這樣的能力,並不是接班人在短期內就可以被培養或訓練出來的。

  • 資料探勘和人工智慧或許可以幫忙處理營運決策

除了接班傳承的問題之外,企業常見的日常營運決策問題,尚有企業如何依據銷售數據找出最有價值的客戶,進而推測出如果資源投注過於集中時,是否會因為突然損失這位客戶,而危及企業的生存?或是當企業員工反應,資訊系統回應的時間過久是因為新更新的程式語法不佳,或是記憶體不足,還是網路頻寬的問題?

為了解決這些大大小的問題,傳統的分析方法已經使不上力。

取而代之的是資料探勘(Data Mining,DM)與人工智慧(Artificial Intelligence,AI)等方法。傳統的分析方法所得出的結果大多屬於事後驗證(即所謂的事後諸葛),而且相關的工具較難處理大量且分散的數據。

  •  AI 是為了讓電腦能透過適當的行為調整,適應不同的狀況

AI 始於 1956 年,由  John McCarthy 召集全美國對於自動機理論(Automata Theory)、類神經網路(Neural Network)和智慧研究有興趣的研究者們,辦了一場為期兩個月的研討會。

其提案中記錄著:

研討會是以對於學習的每一個面向,或對於智能的任何其他功能的推測為基礎來進行,而且這些推測在原則上還必須能夠如此精準地描述,以致於我們能夠製造出機器來模擬它。

我們將進行嘗試去找出如何讓機器使用語言,形成抽象過程和形成概念,解決目前留待人類解決的問題,以及能改進機器自身等事情的方法。

而在 AI 發展的歷史中,IBM 一直是其中的佼佼者之一。他們所開發的「深藍 (Deep Blue)」電腦,在 1996 年已經能夠和西洋棋棋王 Gary Kasparov  對決,並於 1997 年獲勝;2011 年,「華生(Watson)」電腦在美國知名的電視益智搶答節目《Jeopardy!》中,打敗了該節目最強的兩位參賽者,贏得了 100 萬美元的獎金。

  • DM 可以讓不確定的經驗法則與直覺判斷更有說明力

DM 的發展則始於 1960 年代的檔案系統。主要是用來針對資料庫中的大量數據進行分析,以找出數據背後的關係、預測事物的發展趨勢,進而擬定策略,做出獲得最大效益或最低成本的決策。

像網路的搜尋方法、關鍵字排行、7-11 的訂貨系統、iTunes 的熱門排行榜、交友網站的配對服務與銀行的借貸系統等,都可以看到 DM 的相關應用。

  •  數據的應用是一體兩面的,千萬別忘了「垃圾進,垃圾出」

無論是 AI 或是 DM 的應用,最終的目的都「不是」用來取代人。而是讓過去只憑經驗與直覺做判斷的方式,能以數據分析為依歸,用來輔助人們做更理性的決策參考。

雖然數據可以呈現事實,讓企業的經營不再全憑負責人的八字或第六感,但是也不要忘了「垃圾進,垃圾出」這句警語。

(圖片來源:Halcyon, CC Licensed)