★IT知識將成為最強大的競爭力，商務人士必修★ 大數據、演算法、AI、程式設計、物聯網…… 學校沒教、你不能不會的關鍵科技新知與商務運用， 日本GLOBIS商學院讓你花5小時迅速掌握！   專業的IT知識，文科生也能看得懂！ 一本書就能：知識打底×理解現況×職場運用 →進化你的價值，搶先一步勝出！   　　日新月異的科技發展所帶來的產業遊戲規則變化，讓所有商務人士惶惑不安、急著追趕。大數據、人工智慧、區塊鏈、物聯網與虛擬實境等流行關鍵字；或是網路經濟、平台商業模式、數據行銷等新模式，不斷衝擊現有的企業營運：再從產業發展來看，全球市值總額排名前五大的企業：蘋果、谷歌、微軟、亞馬遜、臉書來看，都是由科技業獨占鰲頭。如果不懂科技，恐怕將面臨淘汰。因此，作為職場工作者，傳統的商業知識、技能固然重要，但如果跟不上科技新知，難保自身競爭力。 　　但是，即使知道科技新知很重要，卻工作太忙無暇進修、專業術語障礙又難以跨越，該怎麼辦？《IT知識，就是你的競爭力》就是想幫讀者解決這個難題，讓你自修「職場基本功」。 　　本書用「文科生也看的懂」的淺顯但系統化的語言與概念，描繪當今職場所需的IT基礎知識、技能，以及提供有效率的學習方式。這裡的「IT基礎知識」，不是Excel的使用方法或應用程式的操作技巧，而是指科技新知對商務的影響與應用，供你在思考、判斷和決策時作為依據。 　　全書內容包括：第1章【電腦與資料的基本技巧】介紹電腦、資料，以及有關演算法的基本知識與技巧，諸如例如電腦如何處理檔案資料，演算法的重要性及其原理。第2章【擬定策略與市場行銷的基本技術】則是依序介紹現今在職場上必備的科技新知，並且解說技術的最新動向。第3章【領導力與組織的基本技能】談的是因應科技發展之下，組織架構的基本知識與技能。你可以學到： 【演算法是「思考程序」】（見技巧1） 演算法就是「利用電腦解決所賦予任務的處理順序」。計算量愈少、計算時間愈省的演算法愈好。 【程式設計的基礎知識】（見技巧2） 各種程式設計的語言擁有不同文法、特徵，以及擅長的領域，需因應用途區分使用。 【專案管理＝提升事前準備的能力】（見技巧4） 若專案企劃人員事先思考演算法與資料結構，明確地定義條件，能讓工程師更有效率，贏在起跑點。 【大數據如何活用在商務上？】（見技巧6） 大數據將以往不可能確實掌握的顧客行動／想法的變動，藉由分散式儲存與平行運算，大幅縮短巨量資料的分析時間，顧客資料分析的品質突飛猛進。 【新的數據驅動行銷】（見技巧12） 以往行銷上無法預測的事物，可藉數據進行預測，並依其擬定行銷策略，落實計畫，即時檢證。   　　只需5小時，入門者即可掌握3大分析架構、19項必懂最新趨勢與概念；你也可以輕鬆面對環境的變遷與工作的挑戰，並且藉此拓展視野與自我實踐。 ◎專業推薦 詹文男／資策會產業情報研究所（MIC）所長 齊立文／《經理人月刊》總編輯 劉榮樺／世新大學新聞系助理教授 ◎本書特色 1.以科技知識站穩現在、迎戰未來！商務人士最新必修課 本書為渴望吸收新知的職場人士量身訂作，介紹電腦運算程式、統計學、平台商業模式、程式設計等新科技工具，以及善用科技的19項技巧；無論精準決策、跨界思考、職涯進化……都能搶先一步勝出！ 2. IT技術的超入門圖解！無閱讀門檻，非相關領域者也能懂 IT知識至關重要，進入門檻卻高。本書包羅基礎、必學概念與知識，行文親切、輔以圖解，幫助入門者親近科技產業及領域，把職場必備、學校沒教的數位知識，變競爭優勢。 3. 忙碌的商務人士，僅需五小時即可掌握 行文親切且篇幅精簡，5小時即可想掌握整體視野，最適合時間有限的職場人迅速學習、吸收。

推薦序：一本書，快速掌握IT知識與趨勢／詹文男 推薦序：資訊科學助你面對工作的挑戰／劉榮樺 前言：IT技術，將成為最強大的戰力 CHAPTER 1◆電腦與資料的基本技巧 →技巧 01：使用電腦解決問題的方法 利用電腦解決新問題的思考方式：科技創新思考 電腦是如何運作的？ 什麼是演算法？什麼是程式設計？ 愈好的演算法，「計算量」就愈少 伺服器的持有數不是問題 →技巧 02：完成簡單的程式 什麼是程式設計語言？ 如果沒有100%完美地下令，程式就無法遵照指示執行 有時「文法」正確，也無法順利運作 程式設計的基礎知識 實際編寫程式吧 「程式開放性」理所當然 →技巧 03：有效率地處理資料 了解電腦怎麼處理資料 了解資料的基礎：表格 電腦與人類在處理資料上的差異 了解電腦容易處理的資料結構 只要了解資料結構，就能產生新的商業想法 →技巧 04：提升規劃的能力（專案管理） 從沒見過沒發生任何問題的IT專案 為什麼專案無法按照期望發展 開頭就要考慮好演算法 專案企劃員本身熟悉演算法，等於贏在起跑點上 將來IT專案的型態 日本缺少開發型人才 →技巧 05：了解最強的學問──統計學的基礎 了解統計學，能夠掌握先機 推薦的兩種基本方法 統整數字 標準差的重要特徵 統整算式 有時解釋變數不只一個 →技巧 06：了解大數據的基礎 大數據和小型數據有什麼不同？ 資料量「龐大」的好處是什麼？ 活用大數據的機器學習 機器學習無法說明原因？ 大數據與人類所扮演的角色 →技巧 07：了解新科技的基礎 了解主要技術動向 AI（人工智慧） AI的今後發展 IoT（Internet of Things：物聯網） 機器人學 VR（虛擬實境）．AR（擴增實境）．MR（混合實境） 如何正向面對新技術 新技術的學習法① CHAPTER 2 ◆擬定策略與市場行銷的基本技術 →技巧 08：提升業務的生產力 提升技術創新時代的生產力 細分工作內容，與電腦業務分工 試著質疑原本認為「理所當然」的判斷 收集、公開新型態資料 →技巧 09：理解網路經濟 網路經濟帶來的衝擊 為何選擇「平台型商業模式」 何謂分工（化） 分工化所帶來的影響 →技巧 10：創建平台型商業模式 建構平台型商業模式的四個步驟 （1）盡可能鎖定利基客戶 （2）提供客戶「最棒的體驗」 （3）建立能讓用戶彼此「價值交流」的機制 （4）活用資產，將業務擴展至相關產業 →技巧 11：科技即將帶來的影響 消費者會因數位科技而產生什麼變化？ 數位技術能使消費者感受到「偶然」或「幸運」 分解各企業所提供的價值，並重新定義 實現、加速數位轉型的四種概念 →技巧 12：了解科技對於IT市場的影響 行銷要有依據 邁入資料導向式行銷的時代 提升一對一行銷的層級 →技巧 13：行銷從掌握資訊開始 活用顧客體驗旅程 製作顧客體驗旅程地圖 顧客體驗旅程地圖實際運用 活用周遭的工具 認清個人的力量有限 新技術的學習法② CHAPTER 3 ◆領導力與組織的基本技能 →技巧 14：理解願景、設定任務 領導者職責的變化 由人類負責的工作 解決問題的方法可能有所改變 人類的附加價值，就在於課題設定 提供資料的方式與設定框架，也需要借助人類的力量 創造力是人類的特權嗎？ 未來的必備技能 →技巧 15：創新 帶領他人迎接變化的必備能力 「嶄新事物」別具價值 成為創新的領導者 維持創造性思考，勇於嘗試錯誤 享受改變 →技巧 16：成為一位好的追隨者，向人與數據學習 數據和第一線的情報，比「HiPPO」更具意義 學會仰賴第一線的意見，以及年輕一代的知識 追隨者也需要判斷局勢與溝通的能力 在第一線反覆測試 保持開闊胸襟，聽取各方意見 →技巧 17；與公司外部人員合作 商業行為不僅發生在企業內部，也發生在企業網絡中 假設每個人都是合作夥伴 公司內部業務，也能交由外部人員負責 將各種人組成團隊 對自己與他人的行為模式，抱持著改變的決心 →技巧 18：累積信任 「數位原住民」時代的特徵 特別重視信任感 將消費者視為獨立的個體，維繫關係 儲存在網路上的透明化數位情報 判斷要公開什麼樣的自己   →技巧 19：成長心態 做好持續改變的覺悟 堅定成長心態 投資自我，學習新的技能 常保活力，規劃職涯 透過對話取得旁人的理解 選擇改變或被迫改變？都取決於你自己 新技術的學習法③ 結語 關於作者 共同執筆者

　　【摘文1】序言_IT技術，將成為最強大的戰力 　　◆IT+MBA知識備受重視的時代 　　本書提到的「IT 技術」，不是指Excel 的使用方法或其他應用程式的小技巧，而是程式設計、統計學等等，一般商務人士在工作上雖然不需成為科技專家，仍必須具備一定的素養，才能在工作中運用自如，在職場上創造嶄新的價值，並使工作效率大幅提升。能不能掌握這些知識，足以大幅左右工作的成果。因此，IT 知識會是提升工作基礎技能的要件。 　　最近愈來愈聽到「AI」、「SMACS（Social、Mobile、Analytics、Cloud、Sensor/Security 的首字母）」……等有關IT科技的關鍵字。日本的小學，程式設計甚至已被編列為義務教育課程，商務及IT 技術更加密不可分。如今，已經不能再單用一句「我是文科畢業的」就當作不熟悉IT 知識的藉口。 　　相關技術的進化也以前所未見的速度影響了眾多的企業活動。 　　在九○年代後，網際網路的進化，雖為當時的商務模式帶來了驚人的改變，但管理學的架構及概念經某種程度的升級，仍能用來說明此情況。 　　但自從進入2010 年，人們對於相關知識的「升級」速度，卻漸漸跟不上科技進步所帶來的加倍影響。 　　MBA 的知識、技能固然重要，但科技的知識、技能如果無法適當配合，很難成就真正的競爭力。現在這個時代需要的，是新時代的MBA 技能。 　　本書的內容，集結了科技化時代的MBA 知識（技術創新教育＝ technology ＋ innovation），即使是毫無基礎的讀者，也能從零培養IT 相關的核心素養，並妥善應用於工作當中。 ◆IT產業，將於二十一世紀發揮價值 　　為了讓各位更加了解IT科技具備的價值，我在這邊先介紹一下全球市值總額排名前五大的企業。 第1名_Apple_8,689 第2名_Alphabet (Google) _7,295 第3名_Microsoft_6,599 第4名_Amazon.com_5,635 第5名_Facebook_5,128 （統計時間二○一七年十二月底，單位億美元） 　　前幾大企業，可說是由美國科技業獨占鰲頭。這種掌握科技進化趨勢一舉成長為巨型企業的動力，今後想必會更加速。附帶一提，與第五名臉書僅有毫釐之差的是中國的科技公司騰訊（Tencent）。 　　接下來要介紹的企業，是前五大雖未上市，但市值總額超過十億美元的獨角獸公司（是成立不到十年，但市值總額估計超過十億美元以上，且未在股票市場上市的科技創業公司）。這些新創企業的創業時間，大多數都落在二○○八年雷曼兄弟事件之後，沒有任何一家創業於二十世紀。 第1名_Uber（美國）_510_車輛共乘服務_二○○九年創業 第2名_小米（中國）_460_智慧型軟硬體開發_二○一○年創業 第3名_Airbnb（美國）_255_民宿網路服務 二○○八年創業 第4名_Palantir Technologies（美國）_200 _大數據分析服務 _二○○四年創業 第5名_China Internet Plus Holding（中國）_180_網路服務_二○一五年合併重啟 （統計時間二○一六年五月底，單位億美元） 　　在日本的相關知名企業，就是創立於二○一三年，市值總額超越十億美元的獨角獸公司Mercari。二十一世紀，能夠產生價值的是科技業。 　　科技的進化，除了衍生出新的商機，也會為既有的事業帶來改變，甚至可能徹底擊潰某些業界。 　　舉例來說，Microsoft的創辦人比爾．蓋茲就曾說過一句相當有名的話：「在未來，我們可能面對的是一個沒有銀行的金融世界（Banking is necessary, banks are not.）。」 　　現今銀行的功用，理所當然的就在於資金的借貸、匯款、結算等等行為。但仔細想想，其實要匯款也不一定要跑一趟銀行。如果能確保交易安全，許多人也很樂意使用僅收取些微手續費的網路匯兌服務。假如現場匯兌的手續費也沒有特別低，那就更不用說了。 　　瞄準這道商機的，就是被稱作「金融科技」（Financial technology＝FinTech）的金融界新事業。 　　舉例來說，國外也出現許多以網路大數據分析調查為服務主軸的新創企業。日本也有新創企業因應顧客需求，以電腦進行原由理財專員擔任給的投資建議工作。應用區塊鏈的虛擬貨幣（加密貨幣）交易，近年來也有蓬勃發展的趨勢。 　　在先進國家當中，日本是少見較為重視現金交易的國家。也正因如此，將更容易受到科技進化的影響，在不遠的十年後，金融機構或許也將有重大的變革。 　　但是，不僅限於金融業，未來的科技進化，也可能改變各個產業的生產價值方式，甚至是業界結構本身。 　　或許由於這些影響，你現在所待的公司，在十年後說不定也已經不存在了。 　　工作方式也產生相當大的改變。隨著雲端服務的進化、價格逐漸壓低，更容易從外部存取公司的伺服器。員工如果能夠在自家處理工作，就用不著在交通尖峰時段趕著擠電車通勤。 交通移動、人與人之間面對面的溝通固然重要，但在未來的生活中，這樣的比重很可能會逐漸下降。 　　當技術更加方便、低廉，自由工作者也會跟著增加，與這些人之間的合作關係將成為一個重要的課題。單憑一家企業在技術與資金面所能開發出的創新將十分有限，愈來愈需要複數企業之間的合作。 　　如何運用IT 技術超越組織既有的隔閡、獲得成果，也會是未來將面臨到的重要問題。 ◆情報化時代將產生的改變 　　面對未來這類難以想像的變化，在各個產業中可以歸納出重要的三項改變： →改變①「資訊」比實際商品還重要 　　首先，在經營方面，資訊的重要性會大幅上升。資訊有各種特性：在「保存．複製．傳達」上的追加成本（邊際成本）幾乎是零；與實際的商品不同，能夠同時提供複數的客戶使用；流程難以控管等等。 　　過去的商業模式，營業通常以提供「實際商品」為前提。這樣的產業雖然不至於完全消失，但可以預料，與現在截然不同的是，人們在未來的生活中，將會愈來愈重視從資訊及與其相關的「體驗」或「經驗」中找到價值。 　　為此，必須具備對資訊的深度洞察力，進而活用。 →改變②網路經濟＆網路平台的重要性 　　從原本以實際商品為重轉變為重視資訊的「網路經濟」。網路經濟指的是，隨著使用網路的用戶增加，會帶來更多的提高用戶方便性的效果。 　　在重視實際商品的時代，事業最重視的應該是規模經濟效益與降低成本。在資訊的世界中自然是同樣道理。事實上，由於建構一個新的資訊平台需要固定且大量的投資，沒有一定規模的企業很難競爭，因此重要性也相對較低。 　　傳遞資訊需在平台上進行，也同時會產生交易及溝通行為。這也表示，掌握網路平台，就等於掌握了資訊，成為商業往來的核心。 　　現今提到網路平台企業，不外乎蘋果、谷歌、亞馬遜、臉書這四強。舉個實例來說，蘋果打造了App Store 這個強力的網路平台（以及名為iOS 的作業系統），並在銷售軟體的過程中，抽取了高達30% 的「佣金」，這也成為該公司市值總額躍升全球首位的主要因素之一。IT 商務成為大平台企業的經營策略重點（關於這點，將在第2章的技巧9 中詳述）。 →改變③不合常理的進化速度，將帶來破壞性的創造力 　　如今，一支智慧型手機的運算功能，已經遠遠超越1960年代後期阿波羅十一號登陸月球的時代，所有電腦加總起來的運算能力了。 　　在科技進化的同時，成本卻大幅降低。雖然近幾年來，其他技術領域也有創新的變革，但像車輛製造技術，也很難達成在短短兩年間行駛速度翻倍，價格卻減半的狀況。 　　這些超越常理的進化，與資訊的特性互相結合，帶來戲劇性的轉變，破壞力彷彿核爆一般。 　　或許正為了消費者難以滿足的需求能逐漸滿足，人類的思考模式，甚至是與需求的維持方式才會產生變革。 　　更進一步，領導與組織管理等領域，也隨之產生變化。新時代下，遵循過去既有的管理模式，也難以達成過往的成效，因此，必然需要研究出打動人心的方法。 ◆想在這樣的時代存活，什麼才是必要的？ 　　在諸多變化之下，最重要的就是確實掌握訣竅。 　　對尖端技術（AI 等科技知識），大部分沒有必要了解其原理，但應該說，注意它們有什麼樣的影響力，適合應用在哪些領域，對於一位商務人士而言絕對是有益的。 　　此外，也可以持續觀察周遭哪些人是資訊高手，或是網路上的意見領袖。對於未來的預測，眾人或許很難有統一的見解，但時時掌握多種見解，才能更有條理地掌握事物。 　　在這個快速變遷的資訊時代，讓我們學會客觀審視：過去的技巧，到了現在能夠通用到什麼程度？比起陳腐的做法，更要勇於投注時間在嶄新的必備技能上。 【摘錄2】第1章_電腦與資料的基本技巧 技巧 1→使用電腦解決問題的方法 ◆何謂演算法？何謂程式設計？ 　　說起來，程式實際上到底是什麼東西呢。舉例來講，畫面顯示「Hello, world」時的程式，如下圖所示代表性的程式語言，也就是C語言及Java。 　　除了這兩種語言之外，程式能夠用到的語言相當多種，光是主要類型就高達兩百種以上。每種程式語言都各有其特徵，例如人類也容易理解、適合人工智慧、處理速度快等，會根據用途的不同而選擇使用特定的語言。 　　電腦記住程式語言，就好像人類習得英語、日語等的過程一樣。必須一一仔細記住文法、詞彙、說法。 　　程式設計師會記住這些語言，在各種工作現場活用這些知識，時時磨練自己的功夫。 　　不過一般的職場工作者有必要記住這些程式語言嗎？以結論來講，雖然學會最好，但比起各種程式語言，最好優先了解演算法。 　　所謂的演算法，就是「利用電腦解決所賦予任務的處理順序」。 　　一般而言，演算法不會依靠程式語言（C 語言、Java 等）。無論你學哪一種程式語言，演算法的思維都通用。也就是說： ．演算法相當於「思考程序」 ．程式相當於為了表現演算法的「語言」 　　光只是學習說話方法，並不會深化思考，更不會產生出新點子。身為一般的商務人士，重點在於了解演算法。 　　那麼，演算法到底是什麼？舉個排列名片的例子說明。 　　準備好五十張姓名完全不同的名片，用自己喜歡的方法，按照日文五十音的順序排序。實際動手試排，速度快的人要花七分鐘，慢的人大概得花十五分鐘左右才能排完。 　　該如何用更快速的方法排列名片這個「課題本身的解法」，就相當於演算法。 　　例如，首先將名片依日文A 行到WA 行分為十座山，每座山按照母音分為五組，就能依五十音順利輕鬆分類五十張名片。 　　不過，電腦並不像各位讀者一樣厲害。如果是人類，能夠綜觀映入眼簾的大範圍事物，但是電腦能做到的，只有慢慢取出主記憶體內的資料。由這個案例來看，電腦只能一一瀏覽每張名片，無法相互比較，也無法互相替換。 　　那麼，你要如何下命令，讓這樣的電腦排列名片呢？解題的方法就是演算法。 ◆愈好的演算法，「計算量」就愈少 　　許多演算法都可以排列名片，最具代表性的演算法就是「氣泡排序法」（Bubble sort）。我在下頁圖中，將數字1 至5 隨機排列，接著將圖中數字重新由小排到大。 　　首先比較從右邊數來的兩個數字，如果左邊的數字大於右邊的數字就替換兩者，右邊的數字比較大就不必移動。 　　例如，比較圖中右邊的兩個數字，2（左）和1（右）相比後，發覺2（左）比較大，因此兩者就互相替換；接著，相同地，再將比較後的數字逐一與左方數字相比。此時5（左）和1（右）相比後，由於5（左）比較大，因此就進行替換。 　　比較到最左邊的數字，完成替換後，最左邊的數字就變成最小的數字。 　　圖中，數字1 已經在最左邊的位置。然後再度從右邊做同樣的事。接著，這次數字2 會來到左邊數來的第二格。基本上要不斷重複這個作業。這就好像將浮出的泡沫排列替換的方法，因此叫做「氣泡排序法」。 　　接著再介紹另一種排序方法。就像下圖所示，以最右邊的數字4 為基準值將比4 還小的數字放在4 的左邊，將比4 還大的數字放在4 的右邊。 　　此時不用在意排的順序。接著，數字4 會自動變成從左邊數來的第4 個數字。 　　接著，分為比4 小的（2、1、3）及比4 大的（7、8、5、6）兩組，進行同樣的作業。例如數字較小的那組，就用最右邊的數字3 當作基準值，比3 小的數字放在左邊，比3 大的數字放在右邊。 　　同樣的，比4 大的那組中，將最右邊的數字6 當作基準值，比6 小的數字放在左邊，比6 大的數字放在右邊。在各組的數字只剩一個之前，進行同樣的作業，結果就能將1 至8 按順序排序。 　　這是叫做「快速排序」（Quicksort）的演算法，如名稱所述，能夠非常快速進行排序。不過有些人會覺得難以理解，也會有人覺得更加費工。 　　在演算法領域，為了判斷好壞，會使用「計算量」的概念。我們可將「取出一個資料，進行比較、交換」的作業當作一種計算，而根據不同的演算法，也能測出計算量的差異。 　　那麼，氣泡排序法的計算量又有多大呢？上文介紹了五十張名片，以及八個數字，接下來將要進行排列的對象數設為n 個。首先從右邊比較、排序n 次（下頁圖的灰色箭頭），接著進行n 次這種作業（同一張圖的黃色箭頭）。 　　接著，進行n 次比較、交換n 次的作業，會發生最多n2 次的計算（正確來講是n(n － 1)/2，在此不講解細節。請記得，大概就是接近n2 的數字）。 快速排序法中，n 次的比較（橫向箭頭）雖然一樣，但是縱的深度會成為log2（n）。log2（n）是數學的對數的思考方式，就是2 要乘以幾次才會變成n。例如log2（32）是5，log2（1,000）大約是10。 此時，就將n 個單位各自分為二個，即為log2（n）。如果n是8，就是log2（8）＝ 3，如圖示，縱向有三層的結構。只要進行三次這種作業，就能結束排序。計算量是用log2（n）來計算n 次，所以就是n×log2（n）。 　　接著，我們來看n2 及n×log2（n）的計算量相差多少。將橫軸設為n，並將計算量的大小圖表化，即為下圖。只要n 愈大，計算量就會出現壓倒性的影響，一目瞭然。 【摘錄3】第2章_擬定策略與市場行銷的基本技術 技巧 12→了解數位行銷的影響 ◆行銷需要依據 　　我到目前為止，以策略論、商務模式的視角一路解說。而在技巧12 及技巧13，將再說明更貼近我們的行銷細節。 　　談到行銷，各位讀者會浮現什麼業務上的印象呢？「請藝人來拍廣告」、「訂定商品的價格」、「思考物流策略」……的確，一般都會如此企劃行銷活動，或思考擬定策略的根據。 　　譬如，如果要推出一款商品，有了知名度、廣告就能提升好感度。行銷時必須用到許多數據。但公司內部並不一定恰好擁有這類符合需求、能當作根據的數據。為了知道必要的關鍵資訊，市場調查的重要性理所當然就不言可喻。 　　不過直到不久前，說到調查，就是和人面對面談話，或郵寄調查問卷回收，至少也得進行電訪調查，這些至少都需花費好幾個月的功夫，由於作業量龐大，也需花費大筆金錢, 因此，也有相當多的場面是在「雖然想看過數據後再思考，但是沒有預算，那就算了！」的情況下依賴直覺下決策。 　　不過最近，透過網際網路馬上就可以進行市場調查。由於可直接在螢幕上進行問答，不需要拿著紙筆填寫，觀看影片進行問答，也納入一般調查服務的範圍。 　　不只是如此，由於這些回答都已經資料化，集中起來，統計某種程度也能夠自動化進行。未自動化的部分也能在短期內處理，並快速提交。使用多變量分析的複雜統計，及分析實際用文字書寫回答的文字探勘（Text Mining），這些具有代表性、難以處理的資料分析也進化了。 　　而最近，甚至會一邊開會邊向調查對象提問，其回答反映在會議上，同時間擬定企劃。在市場調查的領域，也因科技的進步變得截然不同。 ◆邁入數據導向式行銷的時代 　　隨著技術的進步，數據也能一項項匯集起來，例如網站的紀錄檔資料（log file）。這是指由某個載具進入自家公司網站的人，是從哪個頁面進入、瀏覽哪個頁面、花多少時間逛網頁，或者會不會再次回來看網頁。 　　只要將tag（標籤，在網頁的原始碼上嵌入幾行資料，一般在瀏覽網頁時看不出來）嵌入頁面，就能運用分析網頁的工具。例如谷歌所提供的免費Google Analytics，就能提供用戶這些資訊。 　　當你購買某個數位商品，加入會員時，應該經常遇到「……是否同意這些事項？」的問題。大多數情況，都是同意官方使用Cookie（指用戶訪問網站的歷程軌跡或使用內容等，以資料的形式暫時保存在電腦內的檔案）。 　　只要用戶同意Cookie，能夠分析的資料就會更多。 　　同時，只要利用Salesforce 等雲端服務，就能引入相對便宜的CRM（Customer Relationship Management，客戶關係管理）或SFA（Sales Force Automation，業務自動化）系統，建構詳細的顧客資料庫。 　　每日業務報告已經不是手寫，而是用PC、iPad 的平板電腦報告，這個景象已相當普遍。以往只會寫在「業務員黑色皮革的小冊子」內的顧客資料，經由SFA 或CRM 系統化為資料庫，成為公司共有資產，也成為可分析的資料。 　　現今已經能依據這些資料做出各式各樣的預測。例如，第一次造訪網站、登錄電子郵件的人，以往習慣瀏覽什麼頁面，之後與業務承辦員見了幾次面、做了什麼交易，以及購買商品後，在社群網站上留下什麼訊息。 　　只要有這些資料，擬定行銷策略時，就能知道每個人的動態，依資料衡量策略的成效，這些資料也能夠成為預測的依據。 　　結果， 最近經常受人提起的數據驅動行銷（Data Driven Marketing），也變得可行。 　　所謂的數據驅動行銷，就是以往行銷上無法預測的事物，可藉數據某種程度及時預測，並依其擬定行銷的策略，實踐計畫，也能依據數據即時進行檢證。這類行為可擴及所有公司的行銷活動，不限定於業界型態或工具，已經成為人人不可或缺的行銷思維。 ◆提升一對一行銷的層級 　　這種數據驅動行銷的思維，基本是用數據資料剖析包含潛在顧客的顧客購買前的行動。特別是在數位介面和顧客有許多接觸點的科技業，利用這個方法對每位顧客進行客製化的行銷，已經理所當然。 　　根據Forrester research 公司在2014 年的調查，有45% 消費者，會對客製化的服務或經驗掏出更多的錢。我們已經知道消費者會購買實體上客製的品質或服務，但不僅如此而已，消費者也會花錢買為自己量身訂做的獨特體驗。 　　關於專門打造的推薦，例如影片瀏覽網站會基於自己的喜好或瀏覽網頁前的行動軌跡紀錄（在○○網站上用△△的關鍵字搜尋過來，其他也看過□□網站之類的），提供用戶客製化的資訊。人們喜歡像這種自己專屬的資訊或服務。事實上，在美國等地不只是科技業，像飯店等服務業也有許多提供這類型的服務。 　　由於許多人沒有機會比較自己和他人的顯示畫面有什麼不同，或許沒注意到自己瀏覽的畫面已經過客製化。現在一對一行銷（One to One Marketing）已經變得可行，代表以往只是概念的一對一行銷，現今已成為行銷思維主流。 　　1993 年，派波（Don Peppers）和羅傑斯（Martha Rogers）的《一對一的未來》（The One to One Future）出版。從那時開始，行銷人員的思考方式，就從完全思考顧客一生所使用的金錢，轉變為顧客終生價值（CLV，Customer Lifetime Value）。 　　接著，想法又轉變要如何在顧客終生價值中取得市場機會，也就是錢包份額（Share of Wallet）的概念。 　　行銷一般的思考方式是以商品為中心，將之普及化，想出盡可能讓更多人接受的定位，盡量能簡單明瞭，盡力對更多人宣傳，而有所反應的人就會購買商品。 　　不過相對的，思考那些客人為何選擇商品、出手購買，在商品的多種特徵之中，選擇宣傳對方接受的面向以讓對方購買，讓對方喜愛商品進而多次購買，這類做法比較好。 　　當時在業界最常聽到的一句話，就是「釣魚的時候，必須在有魚群的地方，用魚喜歡的魚餌釣魚」。 　　在1995 年的時候，即使有「去有魚群的地方釣魚」這樣一句話，不過「到底哪裡有魚群」的答案卻模糊不清。當時也無法立刻準備好幾種魚吃的餌。 　　企業也建立自己公司的顧客資料庫，即使一步步開始實施CRM，CRM 的概念也停留在「對於可能會成為回頭客的顧客，在對方可能會下手的時機推薦對方購買」的階段（參考下圖）。 　　這是典型的透過RFM 分析（Recency〔最近購買的日期〕-Frequency〔購買頻率〕-Monetary〔富裕性〕）影響顧客的例子。也就是說，對於一個月購買一袋砂糖的人，每個月最多提醒對方一次。 　　這股潮流出現變化，是在2000 年代後半、能夠使用科技建立資料庫的時刻。 　　該不該進行基於顧客資料庫的一對一行銷，有時會對營收有直接的影響，特別是歐美企業已加速進行對行銷系統的投資。 　　這個過程可以逐步了解，不僅是顧客購買的時機，無論是會如何購買，重視購買經驗等資訊，也逐漸變得清晰可見。就像技巧10、技巧11 提到的內容，「經驗」非常重要。 　　而且在顧客購買時，也能了解顧客之前曾和哪種品牌有所關聯，也是一個重大因素。 　　也就是說，即使在購買以外的時間點，或者不和商品有直接關聯，消費者所有的品牌體驗，全都和購買連結起來。換句話說，就是誕生出新的CRM 思考方式。 　　考量到顧客並非在當下經理性思考而出手購買，而是以過往的經驗為基礎，在半無意識的狀態下購買商品和服務，也是理所當然，參考下圖。 　　特別是有興趣的消費產品，就能夠直觀地了解顧客累積的深層心理含有「喜不喜歡」之類的情緒扮演著重大角色。 　　進入2010 年之後，顧客服務更是突飛猛進。 　　接著，這幾年DMP（Data Management Platform，數據管理平台）、MA（Marketing Automation，行銷自動化）、SFA、CRM 之類的管理資料的流程也建立起來了。理論上「連名字都不知道線索」的資訊，到成為尊榮級會員所有的顧客數據，都能夠一個個接連查詢。 　　在此之後，在行銷的領域將顧客經驗視為業務核心基礎，關注每位顧客和哪一種企業有接觸點（Touch Point），經歷過什麼樣的MOT（Moment of Truth，指關鍵時刻），才成為尊榮級顧客。也就是說，業務方式正轉變為基於品牌策略設計出顧客旅程（Customer Journey）並將其實現的型態。 　　想要實現這點，理所當然的，公司的組織勢必也得轉變為以顧客為中心的形式。例如美國的達美航空，就以遵循顧客旅程而全體組織改組而聞名。 　　不過，對許多日本的企業還只在理論階段。實際上，即使是歐美企業，有許多資料庫也都還沒經過整合，結果各個數據都還是各自獨立。 　　不過，個別掌握從不知名的消費者成為公司尊榮級顧客的各階段資料的平台也已經逐漸普及化，以往在行銷整體策略中，數位行銷只在局部對個別資料提供最適合的策略，現在已經逐漸改變為支撐行銷策略整體結構的主體。 　　在這層意義上，可說數據驅動行銷的重要性逐漸增加。在這種環境，將個別獨立的數據連結，使顧客資料完整統合，進而幫助銷售。身為數據處理者一定要有這樣的思維。全世界對行銷的系統投資，已與對IT 部門業務系統的投資額並駕齊驅，因此產生巨大的推動力。 　　只要顧客資料能夠完整統合，就如下圖所示能掌握行銷策略的策略圖，也就是顧客旅程地圖中重要的KPI（關鍵績效指標），逐漸改善行銷策略也愈來愈容易（關於顧客旅程，會在技巧13 詳細說明）。 　　各企業現在也在進行將顧客旅程地圖視為數據驅動行銷本身的系統投資。在行銷的世界，缺少數據就一事無成。

作者：GLOBIS商學院 譯者：林佑純 出版社：商業周刊 書系：藍學堂 出版日期：2019-02-14 ISBN：9789867778512 城邦書號：WBBB0087A1 規格：膠裝 / 雙色 / 240頁 / 14.8cm×21cm