在職涯初期，作為一位對自己統計能力很有自信的資料工作者，總是希望自己能進到一間數據驅動決策的公司，如此一來才有機會藉由長才發揮影響力，找到工作的成就感。很多公司也常常說自己是一間 data-driven 的公司，但往往進到公司後，才發現事情永遠跟想像中的不一樣。Data-Driven 究竟是什麼意思呢？ 當我期待一間公司 data-driven 時，我期待的究竟是什麼？會不會我期待的是某一種比起 data-driven 更抽象的東西。

我還記得研究所剛畢業第一次開始找工作時，有次用人主管在面試尾聲說：「這間公司剛開始數位轉型而已，主管們都相對比較⋯⋯ data-informed 一點，數字對他們來說，多數還是參考。」

當時雖然是第一次聽到 「data-informed」，不太理解它是什麼意思，但可以聽出來，用人主管想暗示的，是數據對這間公司的主管來說，都是參考參考就好，短時間內資料團隊的工作不會有太大的建樹。但過了一段時間細細品嚐 data-informed 這幾個字，它想表達的似乎不該是如此負面的語義。當時的我只是覺得 data-informed 與 data-driven 應該有些差異，但又無法具體指出。

之後，遇到了人生第二次求職，用人主管在面試時又說了：「 我們的公司文化還蠻數據驅動決策的，像是有數據機壞掉時，會透過數據機的使用流量，決定維修的先後順序。」這確實是一種數據驅動的文化，我也蠻認同這樣的判斷。但他描述的方式卻不怎麼吸引我。

細想一段時間後，我發現問題出在「數據驅動決策」這幾個字。當我們講到決策時，總是會想到策略，或是一些重大而有延續性的決定，但用人主管說的卻是一些每天都要做，重複做很多次的營運性質的決定。我也發現了也許數據驅動決策（至少對我）造成了很大的誤會。

數據驅動決策源自 data-driven decision making。 Decision-making 指的是作出決定的過程 也因此 data-driven decision-making 就是以數據為主，去驅動做出決定的過程，像是：

• 針對用戶，利用推薦系統推薦對方極有可能申辦的信用卡 vs 信用卡專員憑藉自己的經驗與直覺決定推薦哪些信用卡。

• 利用圖像辨識將紙本資料轉成數位資料 vs 打字員用鍵盤選擇正確的字元，將紙本資料輸入電腦中等等。

**面對這些例行性、運營性的決定，每天會重複數百、數千甚至數萬次的「小」決定，以分析大量數據得到的結果為主做出決定去執行，就是一種 data-driven decision making。**反覆性高又極度相似的決定，人腦本來就很容易做出非最佳化的判斷，也會隨著判斷次數增加，錯誤率也隨之提高。同時，這類型的決定也有足夠的樣本數，讓機器學習、推薦系統甚至是 A/B test 去找出統計的顯著性。

但如果將 data-driven decision making 譯為數據驅動決策，便讓人產生了要讓策略性的決定謹遵「數據」教誨的錯覺。策略性決定少而重要，很難依靠機器學習或是統計顯著性給出什麼指示，比起數據，使用者訪談、對市場的認知、對商業主觀的直覺與洞見，甚至是管理階層對於公司願景的理解以及想見會是更主要的驅動力。但如果這些驅動力沒有任何的數據佐證，做出來的決策會不會只是充滿個人的偏見。因此，策略性決定的過程與其說是 data-driven decision making，更應該說這是 data-informed decision making: 在做出決定的過程中，思考的脈絡是被資料所呈現出來的資訊所支持的；或是說資料客觀地呈現出現況以及未來可能的發展方向，做為策略思考時的綜合判斷的基石。



最後我的結論是，也許 data-driven decision making 不該翻譯為「資料驅動決策」，而應該翻譯為資料驅動決定。 比起 data-driven，我個人在工作的選擇上確實也更加喜歡 data-informed 。只能說「資料驅動決策」害我不淺，但同時也要強調， data-driven 與 data-informed 並沒有優劣之分，在不同的場景中，他們都可以是高品質的決定。

最後，根據《經濟學人》在 2014 年的研究，有 58% 的企業組織認為，在接下來的三年會投資在「大數據」上，也有超過一半的管理層認為基於直覺或是經驗的決定越來越受到質疑，可見不論是 data-driven 或是 data-informed 至少在十年前就已受到重視，但什麼是大數據呢？它又是如何幫助決策者透過 data-driven 或是 data-informed 的決定優化商業運營的，我會在下一篇文章中說說在網路上得到的資訊以及我的想法。

註：其實在心理學的解釋中，決策也有認知過程的含義存在。