Google 指南：打造資料導向文化

資料讓我們瞭解到資料文化的重要性。

數位革命為所有企業提供前所未有的機會，卻也讓他們面臨史無前例的風險。價廉又豐富的線上資源為更多樣的客戶關係帶來全新產品、市場與機會，卻也預示著競爭升溫，產業即將面臨永久性的變革。

當我們為變化所困擾時，可以牢記下列不變的核心原則：瞭解市場、專注於客戶、完善產品與服務，準備好因應日新月異的局勢，並且追求效率。

換句話說，即整合資料並予以善用，並營造以資料為中心的職場文化。上述做法會因所涉及的人員而截然不同，如果您將相同的技術和資料提供給兩個不同的團隊，並以創新或解決難題為目標，結果可能大相逕庭。不同的團隊必須在目標與所運用的資料上達成共識，才能開始營造邁向成功的文化。

文化本身就是一種加速劑。根據 McKinsey & Company《Why data culture matters》(為什麼資料文化很重要) 這篇文章：「文化可以是複合問題，也可以是複合解決方案。當機構的資料使命與企業策略和核心營運項目脫鉤，無意外地，數據分析計畫的成效可能就不如預期，不過，若機構將對資料分析的熱情灌注到各個層面，這股熱情就能化為能量與動力來源。畢竟，善用這項技術的效益相當驚人。若能進一步將資料分析做法營造成文化，也就能帶來豐碩的成果。」

提醒您，使用資料並非新鮮事。自商業出現以來，人們就會觀察事實、釐清關鍵，然後找出可運用的模式。現代統計資料的歷史可追溯至 1749 年。過去一世紀來，運用資料的管理模式大幅提高了全球 GDP，而且複雜度日漸增加。因為善用資料，我們進入了資料導向的革命性時代。

人們會著根據手上擁有的資料量和品質而調整工作安排方式。以前農夫觀察天氣得出規律，並根據這些日常資料耕作；工業家則為標準化的機器工具申請專利。在電腦時代初期，我們應用了數學和作業研究學，而現在，我們需要一種更強大、可在整個企業中廣泛運用的方法。

這會是什麼情況呢？我們從機會的重要性開始說起。2002 年，數位儲存空間容量超過了總類比容量。此後，一般企業的資料年複合成長率約為 60%。資料量不僅增加了，且來源更為多樣，包括瀏覽器、感應器、智慧型手機和行動裝置等，更不用說還有其他電腦。年複合成長率的變化變得難以預測。

我們花費許多時間檢視這些機會，畢竟，Google 成立的使命就是整理全世界的所有資訊。多年來，我們已解決了許多有趣問題，包括如何從大量不同類型的資料產生深入分析結果並據此行動。現在我們能在極短的時間內完成這些作業。

無論是我們與企業的廣告合作，還是現在的 Google Cloud 資料管理和深入分析相關工具和服務，我們皆致力於為消費者和企業提供數位深入分析結果和採取行動的能力。我們常聽到我們的產品如何協助世界各地的公司加速數位轉型和創新，包含 ANZ、Mayo Clinic、賽諾菲 (Sanofi) 和 UPS 等。以 AirAsia 為範例，他們正在蛻變為數位航空公司。該公司的轉型已然能協助使用者擷取新的深入分析結果、提高靈活彈性，還能提供更為個人化的體驗，讓他們在業界脫穎而出。亞洲航空產品長 Nikunj Shanti 表示：「我們必須成為一家數位航空公司，以便為客戶提供更豐富的個人化體驗，並改善預訂和票務程序。我們已成功從資料管理轉為資料導向決策。」

在我們自己的發展歷程，以及協助客戶解決難題的過程中，我們也學到了許多關於內部機構最佳化資料的經驗。這本電子書汲取了其中部分經驗，探討資料文化很重要的原因，並歸結為四個關鍵支柱：作業值得信賴、讓所有人都能取得深入分析結果、提高企業靈活性，以及運用智慧技術。

大規模處理資料有幾個引人注目的特點。資料技術的進步表示存取範圍擴大，管理作業更為簡化。與過去的資料處理作業相比，大規模管理及處理資料不是件易事，且存在新挑戰；在許多情況下，現今更實用的流程自動化程序與資料解讀工具能解決許多問題。不過，存取範圍擴大當然也意味著安全性、品質和可解釋性方面遭遇新難題。

偉大的企業之所以成功，是因為他們擁有製造卓越產品的優質流程，體現對客戶的深刻瞭解和關懷。換句話說，所有偉大的企業都有良好的內部文化來締造這些成果。具備好奇心和創造力的人能適應環境、適時挑戰現狀，並根據新的深入分析結果進行創新。此外，他們也能善用交託給自己的資料，調整並套用相關流程，以從資料中產生新價值。

過去從來不像現今這般真實，巨大的數位化浪潮帶來了全新且更清晰的焦點，我們有必要在大規模收集和使用資料方面營造良好的文化。盡快步上正軌很重要，因為歷史教會我們其他道理：那些致力於新目標的人，只要資料實用，他們永遠不會拒絕擁有更多資料。雲端運算、資料管理、資料分析和人工智慧等技術的進步腳步沒有停歇，任何企業也不應渴望改變此一世界進程。

在重塑資料文化或營造新文化方面，企業常回饋下列 Google Cloud 產品相當實用：

• Cloud SQL 可輕鬆將地端部署工作負載遷移至全代管 Google Cloud
• Cloud Spanner 和 Cloud Bigtable 雲端原生資料庫服務可實現大規模擴充性
• BigQuery 提供 PB 規模的超快 data warehousing 技術
• Looker 可運用於現代商業智慧 (BI)、嵌入式數據分析和資料導向應用程式
• Dataproc 能讓使用者採用 Hadoop 和 Spark 叢集進行大數據處理作業
• Dataflow 可在無伺服器的情況下快速處理批次資料和串流資料
• Pub/Sub 可將訊息傳送至獨立應用程式，以及傳送來自獨立應用程式的訊息
• Dataprep 能以快速且視覺化的方式準備資料，以供分析或機器學習之用
• AutoML 可讓使用者訓練自訂機器學習模型，不需具備大量專業知識
• AI 平台可讓您將機器學習模型部署至地端或 Google Cloud 上

如今，公司在面對「業務不間斷」的期望、各項快速發展的技術，還有大量可用資料的情況下，企業靈活性備受追捧。但什麼是靈活性，又該如何實現呢？Google Cloud 相信，只要整合人員、流程、資料，以及可讓您提煉這些資料價值的技術，就能實現目標。如此一來，貴機構中的人員就能專注於擅長的領域，而非忙於處理已商品化的事務。要達成這項目標，就必須在人員需要時提供適當的工具和服務，以減少需克服種種障礙的情形、完成更多工作、懷抱大志並探索新想法。

我們常從技術人員那裡聽到：他們需要的是資料工具，這明顯也符合當今世界的現況。公司充斥著資料，而且每天都有更多資料湧入。要提高靈活性，我們需站在他人的肩膀上、嘗試專門建立的工具，並放心地大規模運用。這些工具包括可免除日常繁瑣工作的代管資料庫，以及經調整與簡化的大數據分析服務，讓許多人可以運用資料，而非侷限於少數人。這些工具能以可重複的方式處理企業所收集的所有資料，因此能持續以視覺化圖像與可行的角度提供資料，相當實用。若工具能根據資料提問以做出更好的決策，您甚至能告訴資料您正在尋找的項目，並從中獲得預測結果。

當我們探討靈活性的概念時，我們所談論的是態度，以及公司使用的技術。Google 剛創立時，使用的是現成技術。隨著公司的發展，我們在過程中學到許多寶貴的經驗，也由於這樣的擴充，我們不得不做出因應和調整 (靈活性)。我們發現，讓開發人員操作自己的堆疊效率並不高。開發技術時，Google 著重於簡單、自動化和開放性。我們瞭解到，當使用者可存取全代管的整合式技術時，資料將能發揮不同的效用。現在，Google 員工不必花時間搜尋適當資料，或細部調整找資料或分析資料所需的軟硬體。此外，他們也不必擔心在操作、擴充或管理資料方面缺乏技能或缺乏靈活性。我們相信，這種的心態可協助使用者提高協同合作成效，減少或消除經常存在的資料孤島和瓶頸。我們在開發 Gmail 等產品時，發現這樣的態度在內部發揮作用，Gmail 自打造以來一直進化，即使在企業規模也能保有容易使用的特色。

我們從客戶那裡聽到他們如何調整自家技術和文化，以適應新的靈活態度。譬如，一家全球媒體公司將多個資料中心和 1,200 項服務遷移至 Google Cloud。實現靈活性是公司行動的一大推動力：層級較高服務可讓他們更快交付更好的產品，並專注於內部團隊最擅長的領域，也就是開發音樂服務，而非管理資料中心。該公司致力於在團隊需要時提供適當的資料，並透過串流資料分析和處理工具增加靈活性。

Twitter 的數據分析基礎架構以 data lake 形式建構而成，每天收集數 PB 的資料，並且須複製到多個目的地才能快速滿足使用者需求。該公司決定將資料集複製到 Cloud Storage，以便使用 Google Cloud 上的 BigQuery、Cloud Bigtable 和 Dataproc 及其他產品，如此使用者便能透過自助服務存取所需資料，從而增加整個企業的靈活性。

全球金融機構匯豐銀行 (HSBC) 將自家地端部署資料倉儲遷移至 Google Cloud，藉此提高靈活性、交付較小的工作負載，並在流程中建構自動化功能。如此一來，他們就能消除技術債並建立資料平台，專注於創新，而非花時間管理基礎架構。自遷移以來，匯豐銀行在開發和測試程序方面效率提升、在 data warehouse 實現單一資料來源，並透過授權檢視表確保資料存取安全無虞。使用者可以不受限制地探索資料，因而能更快享有所需服務。

企業必須能靈活回應市場需求、變化萬千的客戶期望與無法預見的挑戰，最終才能取得成功。思考一下目前機構人員與資料的互動情況，如有更適宜的做法，不妨試試。

我們從研究中得知，營造資料文化確實能帶來業務成果。營造的文化需切合機構需求與目標，且最好將人員、流程和資料整合在一起。

當然，資料這一部分不可或缺。我們已討論過如何設定技術基礎架構，讓資料帶來所需的深入分析結果，並協助貴公司提高靈活性。除此之外，將智慧技術運用於資料中也相當重要，如此一來，資料在當前和未來都能為您所用。十年前我們無法想像的 AI 和機器學習工具，現已推出並投入使用，且採用範圍不限於學術界或少數幾家大公司。我們從使用這些進階數據分析工具的企業那裡得知，他們能做出更好的決策，並在競爭中保持領先地位。

雖然本著協作資料文化的精神，每個人都必須能輕鬆存取進階數據分析工具和輸出結果，但只要確定團隊需要哪些資訊，您就能為使用者提供完成工作所需的資料。要達成上述目標，或許需將營運和業務流程最佳化、進行研發工作，或解答日常問題。根據即時資料提出分析性問題，為新想法和創新開啟了大門。除了只知道上個月的銷售數字外，您還能運用資料來瞭解個別客戶網購的多通路購買記錄，根據記錄和目前購物車中的商品提供即時優惠。

當進階數據分析技術與熟悉的工具和應用程式搭配使用後，便成為日常工作流程的一部分，讓使用者可以輕鬆獲得所需的答案，團隊之間的孤島障礙也已清除，例如，銷售或行銷負責人不再需要向分析團隊的同事索取報表，取而代之的是，他們能在單一資料集上一起工作，更快做出資料導向決策。堅實的 data warehouse 基礎意味著有足夠的容量可供使用，因此每個人都能獲得所需的深入分析結果和報表。

美國癌症協會 (American Cancer Society) 是 Google Cloud 數據分析客戶，他們使用 AI 平台來識別數位病理影像中的新型態。他們訓練模型進行 AI 影像分析來找出癌症指標，讓研究人員更快識別病症，進而提升患者的治療效果。現在他們分析影像的速度比過去快 12 倍。

LG CNS 也使用 Google Cloud 的資料分析工具來識別生產線上的不良品。他們之前曾訓練機器學習模型，但發現使用 Google Cloud 訓練模型的速度更快、結果也更為準確。LG CNS 以此效率更高的製程，每年每條生產線可節省約 100 萬美元。

Google Cloud 將 AI 和機器學習技術建構到 BigQuery 等 data warehousing 系統之中，並應用於 Contact Center AI 和 Document Understanding 等服務。這類的深入分析功能不應只保留給公司內少數特定人員使用，或停留在難以取用的狀態。我們使用大家熟悉的 SQL 介面建構 BigQuery ML，因此您只需編寫查詢即可使用機器學習功能。有了內建的進階數據分析功能，您就能為新一代智慧技術做好準備。

我們堅信應將智慧技術嵌入流程、人員和資料中，如此一來，當使用者擁有所需資料，且處理過程並不困難時，就能將遠大構想付諸行動。

現代世界中可供存取的資料類型能協助我們開拓思維，令人驚喜且最重要的是，這些資料也非常實用。理想上，我們應能運用大量收集而來的資料，無論是透過圖形或報表呈現，還是將資料融入日常業務工作流程。資料與人類知識和理解內容的結合，可讓我們以全新的角度看待業務計畫和專案，並激發新的洞察與想法。

現在我們有很多技術可以選擇，但除非使用者能輕鬆取用，否則這些技術仍無法推動業務發展。如今資料來源繁多，如 IoT 感應器、企業應用程式、行銷資料等，在此情況下，機構內極易出現重複資料孤島，導致人員仰賴於不同的資訊或重複的資料。

因此，打造平台以做為機構資料的單一來源，並讓每個人在需要時按所需方式存取，就像是一種「聖杯」。這種做法須將必要的資料擷取至 data warehouse，並在 Looker 等企業商業智慧 (BI) 系統中建立資料模型，以便彙整來自 10 到 20 個軟體即服務 (SaaS) 應用程式或公有雲中的資料，接著授予團隊使用該資料來源的存取權，且過程中不會出現佈建延遲或要求瓶頸。此外，對於讓適當的使用者具備適當的存取權，資料治理不可或缺。有了資料治理做法，資料才能在使用期間和整個生命週期中受到妥善保護。就實務面來看，資料使用者可能是製作自助式報表以拆解銷售數字的資料分析師，或可能是建立模型來預測收入或建立新工具的機器學習專家。資料文化看起來也像是團隊協作，而非團隊僅在需要完成任務時才彼此互動。當資料文化在技術的支撐下良好運作時，使用者似乎就能擁有所需時間和資源，推行有助於推動企業發展的新專案。

要能信任及使用資料，並提出資料相關問題以助您向前邁進，您需具備深入分析功能的技術基礎。選擇資料分析技術時，您可能會詢問下列問題：

• 我能否以整合角度查看機構資料？
• 機構中的商業使用者是否也能輕鬆查看所需資料？
• 平台能否即時擷取串流資料 (且不超出預算)？
• 平台能否處理不同來源的資料類型？

要將使用者連結在一起，產出更具影響力的工作成果，我們需要一番規畫。看看參與貴公司 AI 專案的利害關係人類型，您可能會發現，為了讓專案順利進行，他們的第一步是互相聯繫並瞭解彼此的工作內容，所使用的工具與服務也必須支援這樣的連結工作。

我們從許多客戶那裡聽說，他們希望更新技術和規劃未來，同時營造更符合資料導向的文化。例如，亞洲航空 (AirAsia) 意識到在他們制定業務決策過程中，資料所扮演的角色日益重要。他們的團隊每月分析超過 6 PB 的資料，以前他們須等到每週或每月的 Excel 報表出爐才能獲得所有的分析結果，而在使用 BigQuery 及其機器學習功能後，現在成員人數 1,500 名的團隊隨時都能存取資料，且幾分鐘內就能對超過兩年的資料量進行個案式查詢。團隊成員可以存取簡單易用的介面，並能視需要細查詳細資料。他們的營運成本降低 5% 至 10% (在該產業中，這樣的降幅相當顯著)，而且比起將資料儲存在個別機器上，資料更為安全。

我們的 BigQuery data warehouse 可讓您處理物件儲存空間、交易式資料庫和試算表等來源中的資料，因此您永遠都不必複製資料。此外，BigQuery 也納入公開資料集，因此您可以從內部資料中獲得更多價值。我們打造易於使用的產品，讓使用者能輕鬆協作並分享深入分析結果。我們也內建了您現在和未來都能使用的功能，像是簡單易用的機器學習工具和其他進階數據分析功能。

建立資料文化可將人員、流程和資料整合在一起。我們已討論過確保資料的適當性與易用性。在簡化資料收集和使用的過程中，我們還須確認資料值得信任。在大量地端部署或舊版系統中，資料都是孤立的，且使用者一遍又一遍地複製資料，直到過時的系統遍布各處。此外，一旦資料集開始變大，資料品質可能就會下降。

因此，營造資料導向文化的一大步，就是讓使用者更容易信任資料，信任資料為最新狀態且準確。在這個過程中，不應有任何外圍資料集或孤立的專案。黃金標準就是貴機構只有單一資料來源，且所有人都知道這個來源。

信任屬於人員和流程議題，可決定資料文化營造的成敗，這也是更大的資料技術問題。收集和分析的資料越多，安全和管理機制就越重要。對自己的工具和流程充滿信心，是資料導向文化營造成功的重要因素。

資料來源五花八門，但都需要相同基準的保護機制，包括加密、防資料竊取和存取權控管等。除此之外，您可能有自己的威脅模型和保護資料的重點領域。根據所屬產業，您可能正致力於遵循特定的法規和監管條例。雲端服務供應商的技術堆疊應能提供安全防護功能，並讓您使用中繼資料、資料目錄和資料歷程來管理資料和設定政策。此外，為了讓團隊順利協作並安全地共用資料，存取規則應易於設定。

如要順利分析資料，將上述做法付諸實踐至關重要，因此請思考一下您大致會如何實施安全性做法及運用工具。Google 的 BeyondCorp 是我們自己實作的零信任安全性模型，源自最初的零信任網路原則。這背後的概念是存取權控管已從網路邊界轉移至個別使用者和裝置，因此使用者能在沒有 VPN 的任何位置安全地工作。進一步來說，BeyondCorp 包括單一登入、存取 Proxy、存取控管引擎、使用者清單、裝置清單、安全性政策和信任存放區。BeyondCorp 遠端存取服務是提供此功能的雲端解決方案，因此使用者可安全地遠端存取內部網頁應用程式。

我們一位全球金融機構客戶在準備遷移至 BigQuery 時遇到幾個重要問題：資料是否受到保護？是否可以追蹤資料歷程？基礎架構的穩定性是否足以執行重要業務應用程式？遷移至 Google Cloud 後，他們能運用中繼資料標記功能，且實現單一資料來源。他們在 BigQuery 中的資料一律都會經過加密，且原生的 Identity and Access Management (IAM) 整合意味著資料存取層級得到保證，存取精細程度達到資料欄。該機構可定期執行風險模擬，並使用 BigQuery 改善安全性、管理和監管狀況。

您信任的資料分析平台可協助防範攻擊或安全性漏洞，也與營造穩固的資料文化密不可分。如果使用者信任所獲得的資料，他們就能專注於創新和產生新想法。

資料文化會為貴機構帶來問題還是解決方案？如果是解決方案，大概會是什麼樣子？您如何判斷是否成功？以上問題能協助您開始著手，或在已開始的基礎上助您繼續前行。對於不同產業的不同企業，資料文化看起來會有所不同。您和利害關係人將會知道什麼對團隊和機構最有利，您所營造的資料文化也將最符合貴公司的需要。