疫情過後,數據生態系統勢在必行!你準備好了嗎?

紀伶燕 Linda Chi, 黃志雄 Jonathan Huang

圖片來源:Unsplash

前言

商業生態系統(Business Ecosystem)是最近討論熱度相當高的一個概念。相信大家對2020十月由鴻海成立的「MIH電動車開放平台」印象深刻,尤其發表的宣言:「我們要打造電動車領域的安卓(Android)系統!」,意指欲打造一個電動車的商業生態系統。到今年六月為止,全球已經有 1,625 間企業與組織響應號召加入平台,這是近期在台灣最常被討論的商業生態系統案例。

在進入主題之前,先來簡單定義商業生態系統(Ecosystem),生態系統(Ecosystem)是從生物學中引用到商業中的概念,在諮詢機構安永(EY)的報告中,將商業生態系統定義為「在封閉的系統中,系統內的成員彼此相互合作,並且持續運作,以保持系統穩定,並在這個穩定的狀況下,可以優化成員的利益」。而在Harvard Business School Press, 2004b.中,解釋為「一群相互連結,共同創造價值與分享價值的企業。」

以一個生活中常見的實例來說明,商業生態系統將商品、服務供應者、生產者以及潛在客戶,
透過平台將需求與數據進行整合,並且協調供需,以滿足大家的需求。例如:

  • 手機作業系統­-安卓(Android):由Google 提供的Android系統,讓手機製造商可以快速開發手機使用介面,內建Google研發的App ,例如:Chrome, Map, Gmail, Search, YouTube等,讓使用者習慣其服務,再透過開放的Google Play,讓第三方 App 開發商可以上架其開發的App,滿足使用者從工作、生活到娛樂(包含支付)各種不同的需求,並提供一個更好的使用體驗。同時維繫龐大的手機使用族群,並記錄下其各種使用行為,再將收集的數據應用到廣告投放,讓廣告主可以精準接觸到目標客群。在這樣的環境中,手機製造廠商、App提供者(產品或服務提供者)、使用者、廣告主以及Google,在這個環境中各盡其能,亦各取所需,進而形成一個生態系統。

其他的案例,如外送服務平台­(Ubereat, Foodpanda)、訂房平台(Agoda, Airbnb, Booking等)、電商平台(Amazon, Momo, PCHome, 淘寶等),甚至是B2B的 Salesforce、研華與台積電等,都有其商業生態系統,在此不一一說明。

其實商業生態系統的運作模式並非一個全新的概念。在過去台灣大部分夜市的營運分工中,可見生態系統的概念,有人負責組織攤商、協調地點與政府單位,再由民眾口碑宣傳,以促成一個夜市的營運。時至今日,基礎建設、科技與資源的進步,使得一樣的商業行為可以更具彈性與規模,甚至更快速。

在現代商業生態系統中,大多數都是奠基在數位平台之上,透過協同產品、服務供應商與客戶的需求,讓參與的服務供應商,在平台訂定的標準下,建立各種應用並彼此協作。於此同時,數據的交換與整合,也必須透過平台快速進行,進而滿足客戶的需求及體驗。而數據在這當中扮演著關鍵角色,沒有完整的數據為基礎,平台將無法順利運行,而商業生態系統亦無法順利建立。

數據生態系統是多數商業生態系統的基礎

對多數的商業生態系統來說,數據生態系統是一切基礎,由其整合不同來源的數據,並加以處理與分析,才能在這些處理過的數據上創造價值。例如: 外送服務平台(Ubereat, Foodpanda),收集商家的商品與服務資訊,當有用戶需要外送服務時,要考慮其所在範圍,根據其過去行為給予商品推薦,一旦用戶訂單確認後,要將訂單資訊傳遞給店家,並同時將外送資訊派發給外送員,以確認外送訂單能夠及時送達。在外送服務當中,就運用資訊的即時整合,並傳遞多方的資訊,進而達成客戶的需求。因此數據生態系統的完善與否至關重要。然而,該如何建立完善的數據生態系統呢? 

以下簡單說明:

  1. 數據的盤點與判別: 前提是先清楚定義目的。盤點手上有哪些數據源?還需要哪些數據?目前的數據是否正確與完整?數據時效性? 目前收集數據的系統是什麼? 運用怎樣的理論(演算法)或工具以驗證數據的合用性?
  2. 數據收集/清整:一旦數據源正確,就要開始規劃數據的收集。收集會依數據源提供的方式而有所差異,若數據源提供API就能使過程更容易,有的可能需要撰寫爬蟲程式以獲取數據。若有其他非結構性的數據,例如:聲音或影像,就必須思考如何將其轉變成結構化的數據。數據收集進來後會需要將數據清整,也就是常聽到的ETL – Extract, Transform, Load.,將不同數據源的數據予以整理並設法整合/連結,此時會運用到一些演算法、程式語言,甚至專門工具,將數據清整並賦予更多的意義,例如:透過特徵工程(Feature Engineering)找出最關鍵的因素以提高機器學習準確性。
  3. 數據分析及洞察:運用演算法、統計模型,以及機器學習(ML)等工具,將清整後的數據加以分析,找出可運用的洞見(Actionable Insight),並以視覺化的方式呈現出來。例如發掘高購買機率的人群樣貌、消費者在購買前的特定行為模式等類似此類的應用。
  4. 數據保護與儲存: 數據分析後,不論原始數據或分析後的結果數據,都要儲存並加以管理。這就必須要考量到數據保護、個資法律,以及公司數據治理規定等,然後決定儲存的位置,並訂定管理與稽核規則,再加以執行。

上述幾點是在建立數據生態系統時可參考的步驟。從開始的商業生態系統討論,到數據生態系統。看似是一個面向很廣的課題,但將同樣的觀點放到公司內來看,其道理亦是相同。也就是在公司內部建立一個數據生態系統,亦可以幫助企業創造出更多的價值。管理大師Peter F. Drucker對企業的觀點 “The two most important functions of a business are Innovation and Marketing",而數據生態系統可以在創新及行銷上發揮非常大的效益。

當公司內建立了完善的數據生態系統,在銷售上可以有怎樣的幫助?

以下用一個情境描述一下在公司內建立一個完善的數據生態系統,在銷售上可以有怎樣的幫助:

“假設一個美妝零售通路,當一個客戶走進實體店面時,因為他的手機裝了該公司的APP,透過藍芽的訊號傳輸,店內的系統收到APP傳出的訊息,店內銷售人員的PAD上立即秀出此顧客的相關資訊,發現她是忠誠客戶,上次購買的保養產品應該已經用完了,最近有在網站及APP上頻繁查看粉餅及口紅,但是根據客服紀錄,她對之前的一款粉餅中的某個成分有過敏紀錄,且透過第三方數據比對他感興趣的競品品牌有哪些?

綜合以上資訊與分析並透過機器學習後系統預測她會購買保養品的可能性有 80%,購買粉與口紅的可能性有70%,同時根據最近的商品瀏覽行為,過去的購買紀錄與客戶服務紀錄推薦了相關產品的列表及注意事項。系統即時的提供這樣的資訊到銷售人員手持系統上,以幫助銷售人員更清楚掌握客戶需求與意圖以提高其成交率。“

透過上面這個情境說明,再把建立數據生態系統的步驟套進來看實際會發生哪些活動或作業:

了解一個顧客並判斷其意圖需要哪些數據?

  • 顧客交易與顧客服務紀錄,實體店面與線上。可使用工具 — CRM
  • 顧客是透過哪些管道(廣告、搜尋引擎、社群媒體、論壇、網紅推薦….等)來到網站?顧客在網站上的瀏覽行為與轉換行為、顧客在APP上的使用行為…等。可使用工具 — 網站分析/ CDP
  • 了解顧客站外的行為及興趣,需整合第二方及第三方數據。可使用工具 — DMP / Data Partner

運用CDP、網站/APP分析工具,收集訪客/客戶流量來源、行為、轉換等資訊;並透過共同的ID(例如:會員編號)將網站或APP上的數據與CRM中的實體店面的採購數據、以及顧客服務…等數據,互相整合後產生一個更完整的客戶樣貌(賦予客戶更有用的標籤以方便更深入了解客戶)。再透過DMP或Data Partner的數據交換,以了解顧客在外面世界的行為與最近的興趣或意向(Intention,對美妝商品的關注、對產品的關注等),藉此幫客戶貼上更完整的標籤。為了更準確的分析與預測,還可進一步運用特徵工程( Feature Engineering )從收集的數據中找出預測或分析的關鍵因素。

運用上述整理過的數據,透過機器學習來建立預測模型,以滿足顧客在資訊及商品上的需求,例如:網站或App上的內容或商品推薦,促銷的方式(打折或贈品),消費意向程度分析(購買意圖強烈程度預測)等。透過這些資訊及預測,同樣可運用在廣告投遞的目標對象設定、廣告投放管道或行銷自動化中的分群與接觸工具使用等運用上。

顧客數據通常會包含個資,因此在收集、處理、應用及儲存時,必須要特別注意數據安全與保護,同時必須要考量到所對應的法律及政府規定,這包含規則制定、教育訓練、環境、軟體、硬體、電腦系統等配套的運作。

以上說明是針對數據生態系統在行銷、銷售上的解釋。

數據生態系的運用 不僅侷限在行銷及銷售面向 

數據生態系統一旦建成,其應用是非常多面向的。例如:整合產線上作業機台運作時的各類數據及品管良率,並且找到其連結與關係,就可以預測機台需要保養時間或零件更替的時間,以避免因機台故障所導致的生產延誤或良率下降。所以,數據生態系統可以提供的優點是非常廣的。

然而要打造一個完整的生態系統是需要時間與投資的。但最重要的則是確定目標與完善的規劃,特別需在意,針對不同的需求或問題所需要的數據與應用是甚麼?在建置的過程中需要的規劃,平台、技術合作夥伴是誰?舉例來說,最近大家都在談第一方數據(數據),因此許多企業對CDP產生高度興趣,市面上也有各式各樣的平台供應商在銷售類似的產品。

凱絡是您生意上的夥伴 可為您建立及評估數據生態系統

再者,怎樣的平台是符合企業的需求?怎樣才可以發揮出數據的最大價值?這些問題可能都不一定是技術廠商單獨可以解決的問題,因為市場上有許多例子是企業花了預算建立的系統卻看不到其價值,而這未必是系統的問題,有很多可是對於產業及企業應用情境的不熟悉所造成的。

因此,在規劃與評估階段、應用、成效與後續服務的評估需要專業的夥伴一起來協助。
這樣才可以建立一個真正能發揮功效的數據生態系統。
若對於想要建立數據生態系統、或者已開始建立但過程中卻遇到瓶頸的您,歡迎隨時與我們聯繫!

參考數據

數位時代 2021五月份,生態系大戰略

What business ecosystem means and why it matters

Do You Need a Business Ecosystem?

Why Do Most Business Ecosystems Fail?

Data ecosystems made simple

對「疫情過後,數據生態系統勢在必行!你準備好了嗎?」的一則回應

  1. Ethan Chiu 2021/09/30 / 1:00 下午

    週報內容很喜歡,符合我們資訊服務業銷售模式。

發表迴響

在下方填入你的資料或按右方圖示以社群網站登入:

WordPress.com 標誌

您的留言將使用 WordPress.com 帳號。 登出 /  變更 )

Twitter picture

您的留言將使用 Twitter 帳號。 登出 /  變更 )

Facebook照片

您的留言將使用 Facebook 帳號。 登出 /  變更 )

連結到 %s