關閉 

預測分析時代:販賣未來──從生活、商業、政治到投資,數據如何在不確定的世界創造最大價值(二版)

Predictive Analytics: The Power to Predict Who Will Click, Buy, Lie, or Die

    ※庫存=1

    結帳去

      

    內容簡介  |   作者介紹  |   目錄  |     |   內容試閱  |   同類推薦   |  購物說明

    內容簡介

    ──販賣未來──
    21世紀潛藏最大商機與優勢的迷人科學
    預測技術正以你無法察覺的方式,
    全面影響每個人的日常體驗。

    「這是一本21世紀生活的使用說明書,指出預測分析幾乎是所有事物的核心,無論是在科學界、商業界、運動界,或者政治界。艾瑞克.席格是非常理想的嚮導。」──史蒂芬.貝克(Stephen Baker)

    「此書深入探討預測分析技術在商業上的各個領域,具批判性的眼光又兼顧實用性,閱讀起來充滿樂趣。」──傑弗里.摩爾(Geoffrey Moore)矽谷教父、高科技策略大師

    你發現網路上每個廣告越看越對味,這是怎麼回事?
    我們在網路上發洩情緒的聊天話題,跟景氣好壞有什麼關係?
    AMAZON、GOOGLE等熱門企業的成功銷售率,為何能不斷提升?
    行銷活動讓顧客反感至極,該怎麼處理?
    科技公司為何要預測員工是否會離職?
    歐巴馬競選團隊如何利用預測分析,拉攏搖擺選民?

    在數據為王的時裡,
    每個人從出生到死亡的一舉一動,都受到預測。
    如果你可以擺脫信念和成見,以數據資料取而代之
    那麼你將獲得十足的優勢!

    艾瑞克.席格曾任教於哥倫比亞大學,亦是預測分析世界大會創辦人。他囊括各種領域經驗來說明預測分析的概念,提供多項案例,從企業預測的動機、如何收集民間資料、運作到結果應用逐一剖析。同時也探討企業在個資管理及運用所面臨的道德問題與挑戰。席格點出,小預測會有大妙用!預測分析的目的是讓預測結果改變決策品質。許多企業組織靠著預測,成功改善服務品質、提高成效,增加利潤,同時省下成本。

    本書將告訴你,預測分析究竟在做什麼,這種預測方法為何符合直覺,不但效力強大還讓人歎為觀止。席格以深入淺出的方式,敘述預測分析的重要。書中不但穿插有趣的故事和圖解,文筆生動幽默,一般讀者也能看懂這項複雜高深的技術,探索預測的妙用,以此為基點,進一步創造更大的商機與優勢。

    「看見未來」的能力已然成為一項利器,
    預測分析就是商業智慧發展的方向。

    預測分析包羅萬象的領域已深入社會核心。無論是企業、政府、醫院或銀行等各種組織,為了推動服務,要做出幾百萬個運作決定。而預測就是指引這些決定的關鍵所在,也是改善大規模作業效率的絕佳手段。

    關於生活:當你的喜好成為商機……
    ◢ 奈飛公司(Netflix)出資一百萬美元徵選最頂尖的科學團隊,改善奈飛公司推薦系統的能力,以便預測符合顧客喜好的影片。
    ◢ 網站先行預測你可能點選的廣告,當你進入網頁時,馬上就能跳出那則廣告。事實上,利用這種做法能創造出數百萬美元的新財源!

    關於商業:精準預測只需比對手快一步、準一點
    ◢ 誰會離職?惠普知道!惠普科技算出哪些人有意求去,適時留住人才,降低員工流動率。
    ◢ 特易購利用預測,決定1億多張折價券的內容,使折價券兌換率增加3.6%。

    關於政治:超越搖擺選民,贏得選戰
    ◢ 歐巴馬競選團隊透過預測搖擺選民對於宣傳活動的好惡,成功說服更多選民支持歐巴馬。

    關於投資:讓風險變機會,賺錢的祕密都在這裡
    ◢ 美國大通銀行運用預測分析管理房貸風險,身價爆增,獲利增加6億美元。
    ◢ 華爾街券商AlphaGenius和英國倫敦Derwent Capital基金公司觀察人們在推特上的活動來追蹤趨勢,以此預測股市走勢,作為避險基金的交易依據。

    關於生老病死:你我都必須買單,更渴望提早知道。
    ◢ 美國前五大醫療保險公司預測年長保戶在未來18個月內過世的可能性,以便啟動臨終諮詢。
    ◢ 匹茲堡大學醫療中心預測病患30天內再次住院的風險,協助醫師決定是否讓病患出院。

    <TOP>

    作者介紹

    艾瑞克.席格(Eric Siegel)

    曾任哥倫比亞大學教授,為預測分析世界大會(Predictive Analytics World)及文本分析世界大會(Text Analytics World)創辦人,亦為《預測分析時報》(Predictive Analytics Times)執行編輯。席格讓預測分析變得容易理解也令人著迷,他擔任教授時,就以寓教於樂的方式授課。現為知名演說家、教育家及預測分析領域的翹楚。

    譯者簡介

    陳琇玲

    美國密蘇里大學工管碩士,曾任嶺東科技大學講師、行政院國科會助理研究員、Alcatel Telecom主任稽核師。榮獲100年全國模範勞工,現專事翻譯,重要譯作包括:《歐巴馬勇往直前》、《贏家:教你摸透詭譎市場的投資心理學》、《非典型力量》、《藝術精神》、《畫家之眼》、《畫出心中所見》等。

    <TOP>

    詳細資料

    EAN / 9789869644716
    頁數 / 396
    裝訂 / 平裝
    級別 / 普
    語言 / 繁體/中文

    <TOP>

    目錄

    目錄
    推薦序 大多數天鵝是白的
    作者序 預測分析,現代人的超自然能力

    前言 預測效應──千金難買早知道
    預測人類行為,如何讓我們對付風險、強化健保制度、提高打擊犯罪的效益,並讓銷售額激增?為什麼企業要做好預測,就要肯學?差勁的預測怎麼會變得寶貴無比?組織為什麼要預測你什麼時候會死?

    Chapter 1 起而行吧!做預測不能光說不練
    要將預測模型實際應用需要多少膽識?這樣做有什麼好處?推動預測分析,表示要依據預測採取行動,把從資料中學到和發現的事情實際應用。許多組織都如此大膽躍進——畢竟,不做,就永遠不可能成功。

    Chapter 2惠普科技、塔吉特百貨和警方如何推斷你的祕密
    我們如何在不侵犯隱私的情況下善用預測機器,預先得知誰會辭職、誰會懷孕和誰會犯罪?公民自由出現危機了嗎?為什麼某家知名壽險公司要預測保戶的壽命?利用電腦偵測詐騙,機器智能如何在它的腦袋裡解讀「詐騙」這個詞的意思? 
     
    Chapter 3 資料效應──多不見得有用
    我們忙著處理多到數不清的資料,但是這麼多原始資料能告訴我們多少寶貴資訊?我們真的能利用這些原始資料做預測嗎?現有資料可以揭露平民百姓的集體情緒嗎?如果可以,我們在網路上發洩情緒的聊天話題,跟景氣好壞有什麼關係?

    Chapter 4 有學習能力的機器──大通銀行如何預測房貸風險
    哪種風險型態最不容易被察覺到?預測如何將風險轉變成機會?為何各行各業都必須向保險公司學習?我們如何放心信任機器的預測?為什麼預測無法避免全球金融危機?

    Chapter 5 集成效應──奈飛公司、群眾外包和速效預測
    把預測分析委由群眾外包──外包給一般大眾──企業把本身的策略、資料和研究發現公諸於世。這種做法怎麼可能協助企業跟同業競爭?預測分析的哪項創新關鍵是透過群眾外包的協助而開發出來的?集成模型預測的精準度一定會複雜到讓人難以招架嗎?或是有巧妙的解決方法可循?非人類群體也有智慧可言嗎?

    Chapter 6 IBM電腦華生挑戰益智問答節目
    挑戰益智問答節目《危險邊緣》的IBM超級電腦華生,究竟是怎樣運作的?為什麼這部超級電腦需要預測模型才能回答問題?讓這部超級電腦有如此超高績效的祕訣是什麼?拿iPhone的Siri跟其相比如何?為什麼對電腦來說,人類語言是如此艱鉅的挑戰?人工智慧有發展的可能嗎?

    Chapter 7 數字最具說服力──歐巴馬選戰如何精心設計,創造影響力
    為什麼有些行銷活動讓顧客反感至極?美國總統大選證明數字最具說服力,所有企業該從總統選戰中學到什麼?投票率預測如何在2012年總統大選幫助歐巴馬連任?怎樣能減少醫療事故,讓醫生不會不小心害死病患?謎語:有些狀況經常發生在你身上,但你無法察覺到,甚至事後都不確定它們是否發生過,想想看那些狀況可以事先預測嗎?

    後記
    預測2020年第一個上班日,這十件事情已然成真……

    附錄
    A. 預測的五大效應
    B. 預測分析的二十一個應用
    C. 預測人物群像

    謝辭

    預測分析147個實例

    <TOP>

    大多數天鵝是白的

    這本書探討以量化資料預測人類行為,在各方面得到的應用成果。其實,早在二次大戰時,美軍就率先利用這種預測分析。1940年時,「模控學」(cybernetics)之父維納(Norbert Wiener)開始嘗試預測德國軍機的行蹤,目標是擊落德國軍機。他的方法是利用先前觀察取得的軍機移動資料,預測軍機可能的飛行路徑,考慮飛行員最可能採取的閃避方式,預測軍機接下來可能移動的位置,這樣就能把軍機擊落。可惜,維納只能預測軍機下一秒的動作,但是要擊落軍機,卻需要預測二十秒內的飛行路徑。

    不過,在席格這本書裡,你會知道許多預測工作其實相當成功。畢竟,從維納那個時代以來,電腦的處理速度突飛猛進,我們能收集的資料也越來越多。因此,銀行、零售業者、選戰活動、醫生和醫院、以及許多組織最近在預測特定人群行為時,全都獲得豐碩的成果。他們對預測分析投入心力,協助自己贏得顧客青睞、打贏選戰並戰勝疾病。

    依我所見(我想席格也這麼認為),整體來說,預測分析對人類是有利的。從健保、犯罪和恐怖主義這些方面來說,預測分析可以拯救性命;對廣告業來說,利用預測既能提高效率,也能落實環保(減少寄送直銷郵件和型錄的數量),同時不會浪費收件者的寶貴時間和關注心力。而對政界來說,重視這種科學方法的候選人,似乎都能在選戰中成為贏家(或許有些人不認同這種說法,但我認為預測分析確實對打贏選戰有幫助)。

    不過,就像席格在這本書裡開宗明義地指出,這些方法也可能用在一些不好的地方。席格對此坦率直言,讓我十分欽佩,他引述電影《蜘蛛人》中的一句台詞:「權力越強,責任越大。」換言之,身為社會的一分子,我們在使用預測模型時必須審慎小心,在應用方面有些禁忌要列入考量,不能為了一己之私就犧牲他人的權益。跟其他強效技術或破壞性創新一樣,預測分析基本上跟道德無關,能用來為善,也能用來作惡。不過,為了避免預測分析被拿來做壞事,了解這個方法究竟能做什麼,當然再重要不過。如果繼續看下去,你就會知道預測分析的效力有多強大。

    這本書的探討重點就是預測分析,預測分析不但是一種分析類型,也是最有趣、最重要的分析類型。我不認為我們需要更多只講敘述性分析(descriptive analytics)的書籍,因為那種分析只描述過去,沒有針對事件起因提出任何見解。我常把自己的論述比喻成第三種分析,也就是規範分析(prescriptive analytics),這種分析告訴使用者,透過控制實驗或最適化要做什麼。不過,這類量化方法不像預測分析這樣廣受採用。

    這本書及其所依據的構想跟塔雷伯(Nassim Nicholas Taleb)的研究,剛好形成很好的對比。塔雷伯在《黑天鵝效應》和其他著作中提出的論點是,由於隨機性和複雜事件本身的不可預測性,讓人們為預測所做的努力注定徒勞無功。塔雷伯說得沒錯,有些事件是無法預測的黑天鵝;但事實上,大多數人類行為都有跡可尋,既固定又可以預測。席格在這本書裡提出許多成功預測的實例,都提醒我們這項事實——大多數天鵝是白的。

    席格也抗拒目前對「大數據」風潮的推崇,雖然他在書中提及的一些實例確實屬於這一類,也就是資料龐大又缺乏結構,很難用傳統那種關係資料庫加以管理。但是,預測分析的重點不是資料數量大小或控制難易程度,重點是拿資料來做什麼用途。我自己就發現「大數據通常用途少」,許多實際拿大數據做分析的人,只是拿數據設計一些引人注目的視覺分析,這樣做他們就很滿意了。相較之下,這樣做當然不像設計預測模型那樣有價值。

    席格這本書以深入淺出的方式,敘述預測分析的重要,讓一般讀者都能看懂這項複雜高深的技術。書中不但穿插有趣的故事和圖解,還以生動的文筆,讓一般讀者能輕鬆閱讀。就算數學讓你很傷腦筋,你也該看看這本好書,因為在這個數據為王的時代裡,每個人(包括你在內)從出生到死亡的一舉一動,都受到預測。而且很可能的情況是,大多數人在職場上會更加需要考慮預測模型,或用預測模型進行評估,並依據預測模型的結果採取行動。

    簡單講,我們生活在凡事講究預測的社會裡,要在這種社會出人頭地的上策就是,了解預測模型的目標、技術和限制。而且,要做到這一點的速效方式很簡單,那就是趕快把這本書好好看完。
    湯瑪斯.戴文波特(Thomas H. Davenport)
    哈佛大學商學院訪問教授
    國際分析學院(International Institute for Analytics)共同創辦人

    作者序
    預測分析,現代人的超自然能力

    每當我跟別人說我做哪一行時,對方總會用奇怪的表情看著我。這就是從事預測這一行會遭遇的職業傷害。

    資訊時代因為一項明顯疏漏而蒙受其害。這樣講可能會讓許多人跌破眼鏡,我們現在主動地記錄世上發生的每件事,那還會有什麼事被我們漏掉?以前人們撰寫史書記載重要事件,現在科技進步,利用電腦系統就能保存個人的每次點擊項目、付款記錄、通話清單、破產資料、犯罪記錄和病歷。有了這些資料,你認為熱愛數據者就算沒被寵壞,也應該感到滿足。

    但是在這浩瀚無垠的資訊裡,卻沒有包括一項最寶貴的資訊,那就是:還沒有發生的事。

    大家都渴望獲得預見未來的能力,我們都對預測相當著迷。我們膜拜號稱有預測能力的女神,我們花大錢去算命,我們注意星座運勢也喜歡占星學,就連吃飯時也不忘來片幸運餅乾,看看籤詩的運勢預測。

    但是,許多熱中靈媒和算命的人卻唾棄科學。講到科學,他們的本能反應就是:「討厭!」科學不是太難懂,就是太無趣。許多人甚至相信,就本質來說,如果沒有超自然能力的支援,根本不可能做任何預測。

    我喜歡的喜劇影集《靈異妙探》就是以此為主題,主角是觀察力過人的偵探——堪稱是當代講究數據的福爾摩斯。他觀察入微,甚至讓警方誤以為他能如此準確地推論,是因為他涉案。這位英雄為了讓自己脫困,不得不順應常理:他告訴警方,他是靈媒,警方才放過他,請他繼續協助打擊犯罪。劇情就這樣發展下去。

    我自己也有過類似的經歷,有時朋友問我是什麼星座,我沒有假裝自己相信占星術,而是幽默地回答:「我是天蠍座,天蠍座的人不相信占星術。」

    在朋友聚會時,我常被人問起是從事哪一行。這時我會兩眼呆滯、鼓起勇氣,小心地說:「預測分析。」大多數人都很幸運,能用簡短一句話描述自己的工作,比方說:醫生、律師、服務生、會計師或演員。但是對我來說,每次要描述這個大多數人都不知道的領域,實在太煞風景。我越想簡短回答,對話就變得越平淡無趣:

    「我是技術類企管顧問。」人們還是繼續追問:「哪種技術?」

    「我讓電腦預測人們會做什麼。」大家聽了滿臉困惑,根本不相信我說的話,還面露難色。

    「我讓電腦從資料中學習,以便預測人類的行為。」大家聽了一頭霧水,沒人會想在聚會中聊數據資料。

    「我分析資料找出模式。」大家聽了眼神更加呆滯,開始心不在焉,我這樣回答讓大家都很難接上話,也讓場面變得很尷尬。

    「我協助行銷人員找出會購買或取消訂單的顧客。」大家似乎有點明白我的意思,但是這樣講根本是矮化和局限預測分析這個領域。

    「我預測顧客行為,就像塔吉特百貨(Target)預測顧客是否懷孕那樣。」接著,大家就開始挪動腳步,沒人想搭理我。

    所以,我寫這本書告訴大家,預測分析究竟在做什麼,這種預測方法為何符合直覺,不但效力強大還讓人歎為觀止。

    我要跟大家報告這個好消息:小預測可以做大妙用。我把這種現象稱為預測效應,這也是從頭至尾貫穿本書的一項主題。預測的效力相當顯著,畢竟預測比臆測來得準確。這種效應讓預測分析變得可信,我們不必做一些不可能做到的事,也不必具有超凡的洞察力。這本書的內容既令人興奮又值得信賴:預測未來,讓原本像薄霧籠罩的模糊未來,開始變得清晰些,這樣做確實有利可圖。預測分析就是用這種方式,對抗金融風險,強化健保制度,減少垃圾郵件,提高打擊犯罪的效益,並協助企業讓銷售額激增。

    你有科學家或企業家的精神嗎?讓你興奮的是預測這個構想,或是預測能為世界堅守的價值?

    了解不可知的未來這個概念吸引著我。預測似乎蔑視這項自然法則:你無法預見未來,因為未來還沒發生。但是我們找到一個應變對策,我們設計能從經驗中學習的機器。這種嚴格控制的學科是利用我們確實知道的事(以資料形式顯示),更準確地預測接下來會發生的事。我們將最頂尖的數學方法和技術結合在一起,有系統地調整修正,直到我們設計出一套讓自己滿意的系統,看透以往擋在現在與未來之間、讓人捉摸不透的層層阻礙。

    預測專家每天討論著,要大膽邁向「未來」這個沒人到過的地方!

    人各有所長,有些人做業務,有些人從政,我鑽研預測分析,這工作實在棒極了。

    <TOP>

    內容試閱

    Chapter 2
    惠普科技、塔吉特百貨和警方如何推斷你的祕密

    我們如何在不侵犯隱私的情況下善用預測機器,預先得知誰會辭職、誰會懷孕和誰會犯罪?公民自由出現危機了嗎?為什麼某家知名壽險公司要預測保戶的壽命?利用電腦偵測詐騙,機器智能如何在它的腦袋裡解讀「詐騙」這個詞的意思?

    要是你打算離職,但你沒有跟任何人說,老闆卻知情了,會怎麼樣?如果你是惠普科技全球超過三十三萬名員工的其中一位,你跟同事們其實都被老闆用「離職風險」分數逐一標記。這個簡單的數字預言你離職的可能性。身為惠普科技的員工,你很可能不知道公司這樣做,等看完本章的詳細說明,你可能會很生氣。

    惠普科技運用預測分析掌握內部動靜
    2011年時,惠普科技的兩名傑出科學家破天荒以數學方式,詳細檢查惠普在全球超過三十三萬名員工對公司的忠誠度。哈爾德(Gitali Halder)和德伊(Anindya Dey)開發預測模型,找出所有員工的「離職風險」,風險越高就表示離職機率越高。

    留住員工是保護任何組織的關鍵,畢竟組織的關鍵特質就是成員組成的團體。惠普創辦人制定的五大信念準則之一就是:「唯有內部團結合作,我們才能達到共同目標。」員工各自貢獻所長,彼此相輔相成,學習如何共事。一旦有優秀員工要離職,都會對內部士氣造成打擊。管理員工流動率就是所有企業要面臨的重大挑戰。舉例來說,另一家多國企業就設法降低巴塞隆納客服中心人員的流動率。很多人夏天到巴塞隆納這個美麗城市旅遊,順便到客服中心兼差,但是夏天一過這些人就突然遞出辭呈,拍拍屁股走人。要是公司可以在應徵時,事先把這種人排除掉,就能降低員工流動率。

    以惠普的例子來說,該公司利用預測分析調查內部員工的行為,這並非常見的顧客行為預測,而是如同為了鎖定該挽留哪些顧客,而預測哪些顧客最可能求去,惠普為了留住員工,也預測哪些員工最可能離職。不管是預測有異心的顧客或員工,這種做法就像是找出船隻的漏洞,趕緊把洞補好,不讓船沉。

    預測分析的應用:留住員工
    1.要預測什麼:哪些員工會離職。
    2.要做什麼用: 主管依據預測審慎了解下屬的意向。這個例子不是以預測結果讓電腦自行做出決策,而是利用預測結果,協助主管做出決策。

    究竟是洞察力,還是侵犯隱私?
    惠普是聞名全球的品牌,原本是從車庫創業起家,現在成為全球知名的個人電腦製造商。注意:這家公司在2011年時名列全球第二十七大雇主,年營收高達一千二百七十億美元,是全球少數幾家最賺錢的科技公司之一。

    惠普就像某種帝國,但絕不是一個封閉的堡壘。有些工作團隊的流動率甚至高達20%,如果把惠普比喻成一艘大船,那麼這艘大船一定有一些漏洞,尤其是時下的科技工作者經常跳槽,讓人員流動率居高不下。

    惠普本來就是分析領域的翹楚,光是在印度班加羅爾的分析部門就有一千七百名員工。惠普自豪本身在銷售、行銷、供應鏈、財務和人力資源等領域擁有先進的分析能力。該公司的預測分析專案包括顧客流失預測、銷售案源計分、以及供應商詐騙偵測。

    哈爾德帶領惠普在班加羅爾的分析團隊,專注於人力資源方面的應用。哈爾德是德里經濟學院(Delhi School of Economics)經濟碩士,又有幾年實務經驗,在預測分析方面實力堅強。她自信十足,口才跟交際手腕都好,讓人印象深刻。她跟惠普班加羅爾分公司另一名顧問德伊合作,兩人組成一個完美搭檔,從他們在2011年11月於倫敦舉辦的預測分析世界大會上的精彩簡報就能得到佐證。

    哈爾德和德伊彙整巨量訓練資料,作為預測分析的學習教材。他們蒐集員工兩年來的資料,比方說薪資、加薪狀況、工作評價、調職情況等資料。然後從每筆員工記錄著手分析員工離職的模式。因此,惠普藉由從以往經驗學習,預測出無價之寶:哪些因素組合的員工類型最可能離職。

    如果這項專案協助惠普降低本身員工流動率,那麼哈爾德和德伊就是站在眾人之上,是惠普最寶貴的兩名員工,但他們兩人也可能讓被點名會離職的同事恨之入骨。為惠普賣命的一些員工在得知離職風險一事時,心裡肯定不舒坦。要是分數算錯了,害你被貼上標籤說你對公司不忠,讓你的名聲受損,那該怎麼辦?

    一種全新類型又有效的人力資源資料出現了:推測資料。超越跟個人有關的私人資料、財務資料或其他私密資料,這類資料是對個人未來的預估,所以是把員工內心的感受、想法和意向通通說出來。這些究竟是洞察力或是侵犯隱私?

    洞悉離職背後隱藏的因素
    資料顯示,離職風險是以你會期望的一些事情為依據,比方說:薪水越高、加薪越多、績效評等越高,就越不可能離職。這些因素就成為降低離職風險的驅動因子。有更多工作輪調機會,員工也比較不會離職;包斯推測由於這項工作都在操作電腦系統,過一陣子就會令人覺得單調無趣,才會造成人員一陣子就出現流動。

    讓人訝異的是,升職未必是好事。以惠普公司整體狀況來說,升職確實降低離職風險,但是對業務薪酬小組來說,就算升職幾次,薪水也沒調高多少,所以就產生反效果:升職越多次的員工就越可能離職,除非升職時薪水也調高不少。

    這項分析就跟原先的資料一樣(電腦界有句俗話說:丟東西進電腦裡就是垃圾進、垃圾出)。我替某家公司進行一項類似卻不相關的專案,這間公司是一間提供企業信用資訊的財經一千大企業,我設計模型預測客服中心新進人員會任職多久。我從這家企業提供的歷史資料發現,先前有外場業務經驗的應徵者任職至少九個月的機率高達69%,其他影響因素還包括:過去十年內做過幾份工作、應徵者的推薦單位,以及教育程度。這項專案巧妙避開一個地雷,因為初步結果顯示錯誤,沒有高中學歷的新進人員任職更久的可能性,是有高中學歷新進人員的2.6倍。那時,我們再過幾天就要跟客戶簡報,並建議客戶雇用更多高中沒念完的應徵者,幸好我們從客戶提供的資料中,及時發現差點釀成大錯的問題。容易出錯的資料通常只表示,我們能從中做出更少的推論,而不是做出錯得離譜的推論,但是這個案例卻是例外—真是千鈞一髮,我們差一點就出大紕漏!

    在任何領域使用預測分析,預測模型會考慮不同因素,產生一個單一分數—以惠普這個例子來說,就是每位員工有自己的離職風險分數。現象中有許多看似顯而易見或理所當然的事,但是這個模型本身妙處所在就是:如何確定這些要素彼此之間的相關權重?這些要素如何結合或互動?哪些預感直覺最後證實無效而該被去除掉?機器學習流程藉由處理以前的資料,也就是從以前的資料學習,自動找出這些答案。

    哈爾德和德伊設計的離職風險模型,讓惠普避免因為遍及全球各地員工頻頻離職,造成生產力損失及增加人員招募作業,最後幫惠普省下將近三億美元。結果,惠普所有員工中,有40%屬於高離職風險群,而75%的離職者都屬於這群人(意即預測的增益值﹝lift﹞為1.9,也就是實際發生率除以母體原始發生機率,所以75%除以40%四捨五入後為1.9)。

    我問哈爾德和德伊,他們自己的離職風險分數是多少,他們預測過自己可能離職嗎?結果他們馬上跟我說,自己很喜歡目前在惠普做的工作,不過他們也坦承自己就屬於高離職風險群。我想也是這樣,因為分析技能現在可是超級搶手。

    小心運用預測指標
    化學家在合成一個不安定的新元素時,必須小心翼翼地處理。惠普的離職風險分數在實際應用時必須額外審慎小心,包斯、哈爾德和德伊設計一個通報系統,只有一些受過訓練,懂得解讀離職風險分數,也了解其限制、衍生關係和機密性的高階主管,才能檢視個別員工的離職風險分數,而且這些高階主管只能檢視自己部屬的分數。其實,就算這份報告落入未授權者的手中,他們也無法從名單裡認出誰是誰,因為名單上並未列出姓名或能辨認個別員工的資訊,只有一些讓人看不懂的隱密符號,授
    權主管才有線索解讀密碼,並將資料對應到個別員工姓名。雖說所有保全系統都有漏洞,但是惠普這套系統相當牢靠。

    以GBS業務薪酬小組的三百名員工來說,只有三位主管能看到這份報告。惠普利用一項工具,以讓使用者輕易上手並減少技術難度的方式,顯示離職風險分數,並在每個分數旁邊提供支援情境資訊,協助說明分數高低的原因。這種分析產品的使用者(惠普主管)事先接受訓練,從針對員工分數高低影響因素的附帶說明來了解離職風險,這樣這些分數就不會被當成主要依據或過度信賴,而取代其他考量。

    <TOP>

    如果你喜歡這商品,那你一定不能錯過...

    <TOP>

    購物說明

    退換貨說明

    如遇欲退換貨之情形,請於收貨日當天起算第7日(含)前以收執聯為憑,將商品與完整包裝(商品、附件、內外包裝、隨貨文件、贈品等)以掛號方式寄回灰熊愛讀書客服部,否則恕不接受退貨。有特殊外包裝之商品,一經拆封(除運送包裝外之一切包裝),恕不接受退貨。
    詳細退換貨須知請參考FAQ

    <TOP>