a

Lorem ipsum dolor sit amet, consectetur adicing elit ut ullamcorper. leo, eget euismod orci. Cum sociis natoque penati bus et magnis dis.Proin gravida nibh vel velit auctor aliquet. Leo, eget euismod orci. Cum sociis natoque penati bus et magnis dis.Proin gravida nibh vel velit auctor aliquet.

  /  Project   /  Blog: 從被動解決需求到設計資料分析解決方案,主動出擊創造機會

Blog: 從被動解決需求到設計資料分析解決方案,主動出擊創造機會


訪談、撰稿/ Chava

Irene 目前在 iKala 擔任專案經理,為公司設計可銷售的解決方案。研究所時一堂課的啟蒙讓 Irene 一腳踏進了資料科學的領域,一路走來她不斷主動創造機會,從較被動分析客戶交付資料的角色,到現在可以預測需求,主動設計符合市場需求的資料分析解決方案。

iKala 的轉型:從線上 K 歌到建構 AI 行銷科技服務生態系

iKala 2011 年從線上卡拉 OK 平台起家,第一次的轉型為 Livehouse.in 網路直播,接著萃取技術推出 StraaS 影音服務,而後進一步與 Google 攜手擴大服務範圍。瞄準目前當紅的網紅經濟,推出 KOL Radar,幫助客戶找到適合的產品推廣人選。

此外,iKala 發現東南亞賣家相較於使用蝦皮等既有電商平台,更習慣直接透過社群網路買賣商品。如:Facebook 張貼銷售訊息、Instagram 發布商品照,再使用 Line 溝通交易細節。這樣的習慣造成流程零碎複雜,因此,在進行了許多市場訪談後推出了 Shoplus,以Chatbot 技術為基礎,結合不同社群平台,提供直播競標、訂單彙整、物流、交易金流服務,在不大幅改變賣家行為的前提下使銷售流程更流暢。

主動提供資料分析解決方案,為服務加值

Irene 隸屬於解決方案小組*。iKala 的雲端事業群 GCP 專門家,提供企業建置 Google Cloud Platform 的技術服務。為了使服務加值,並減少可替代性,解決方案小組應運而生。Irene 和他的組員們需要結合 iKala 現有技術,設計資料分析解決方案,為公司吸引更多來自不同產業的客戶。

當客戶有相關需求時,首先透過 PM 洽談、定義問題,再交由系統架構團隊先建立資料分析解決方案所需的基礎建設,接著由 2 位分析師合作分析資料,以避免主觀判斷造成的錯誤,最後交由 BI 設計師將分析結果視覺化,便於客戶理解。

主動學習迎接挑戰,讓經驗成為培養能力的養分

Irene 能力的培養來自於不斷的學習與自我挑戰。大學時 Irene 學的是資管,學習內容囊括了管理、程式設計,而研究所的 Data Mining 課程成為了她在資料科學領域的起點。與單純寫程式相比,Irene 發現自己更享受尋找方法解決問題。因此,她開始尋求各種機會加強自己的能力,像是參加 SAS 競賽為她打下扎實的基礎,而後更透過中研院的實習專案培養出文字探勘的能力。

與目前資料科學快速發展、滿地開花的狀況不同,剛畢業時,Irene 發現市場上幾乎沒有直接與資料探勘相關的職缺,因此她選擇 進入電信業,負責管理資料倉儲。工作內容主要是提供內部單位所需資料,例如:行銷活動所需用戶資料,包括年齡、上網行為等等。然而,比起被動地依照要求 用 SQL 撈出資料,Irene 希望可以善用資料庫中的龐大數據,主動提供見解。這樣的積極也讓她加入了新成立的 Big Data 小組,使用會員相似性、商品相似性、人口統計變數、消費紀錄等資料規劃影音娛樂內容推薦。

因為想要更自主的發掘產業新趨勢以及應用新技術,Irene 接著選擇成為顧問,從甲方到乙方幫客戶解決問題。擔任顧問時經常需要快速掌握產業知識,Irene 會主動蒐集網路二手資料、諮詢公司內產業顧問,甚至從客戶身上學習。再加上累積不同專案中相似可複製的經驗。舉例來說:雖然是不同的銀行客戶,還是有基本的共同特點,如信用卡部門就必須關注發卡量、卡友活動成效等指標。透過專案的累積,Irene 漸漸對電信、金融業有了更多掌握,甚至能夠為客戶預估未來可能遇到的問題。

金融、電信這兩個產業掌握了大量客戶資料,有許多值得挖掘的東西,但同時卻也因規模龐大,決策時需要考量的因素較多,加上競爭者相似性高,有時不免因市場壓力需要參考對手的策略。為了接觸更有彈性和創意發揮空間的網路產業,Irene 接著選擇加入了 iKala,此時,過往培養的技術能力、學習流程、產業知識、溝通技巧等等都成了她的養分,讓她能夠進而主動規劃產品,而不是被動針對問題提供解法。

對於資料科學家來說,掌握艱深的技術不是全部

綜觀 Irene 一路上的學習過程,我們也請她分享一些對學習的想法。對於還在探索的新鮮人,Irene 認為最好的方法就是主動去找資料分析,把資料分析的流程做一遍,即便用簡單的演算法也好,即便沒有 Intern 或工作經驗,也可以用這個方法去量化你的經驗。另外一個重點就是要找到有興趣的產業,才能將這條路走得更長遠。

Irene 目前也不斷透過各種管道學習,包括從線上、線下課程掌握新的技術;透過商業文章獲取產業知識,並把握機會鍛鍊自己的溝通與簡報能力等等。此外,她也積極參與不同社群活動,掌握最新趨勢並建立人脈。Irene 最後與我們分享了她對於「資料科學家」這個名詞的想法:

有些人可能會覺得資料科學家需要很高的學歷、懂很多演算法,然後要能夠實作,但我覺得不僅止於這樣。還需要結合許多產業知識,了解每個產業的重點指標,再套進演算法。能夠對某個產業有足夠的了解才能算是資料科學家。

*iKala 解決方案目前發展的面向分別是:

iKala AI 聊天機器人:建置環境包括客戶官網、Line 與其他社群平台。借用 Shoplus 的經驗,推動電商方面的 Chatbot,需根據需求客製化,應用方向包括:公司內部溝通、客服等等。

iKala 智慧推薦引擎:主打媒體業,目前雖有文章標籤,但還不夠精準。以文章語意分析優先,再結合用戶觀看行為、用戶調查、人口統計變數等資訊推薦內容。

iKala LTV 顧客終身價值模型:透過 LTV 顧客終身價值模型,企業將可以預測消費者未來貢獻價值,並依據不同類型的消費者提出不同的服務組合,藉此提高企業獲利。iKala 透過開發精準的數據分析模型,協助廣告科技、電商、遊戲、媒體等產業更了解消費者,以人工智慧及大數據技術提升營運績效。

iKala DMP 數據資產管理平台:iKala DMP 數據資產管理平台運用 Google Cloud 大數據技術,即時匯集用戶跨屏數位軌跡資料,協助企業掌握顧客旅程全景數據,搭配視覺化報表可以洞悉網站流量、廣告行銷成效與客戶行為。iKala DMP 數據資產管理平台可另搭配 iKala AI 聊天機器人、iKala 智慧推薦引擎、iKala LTV 顧客終身價值模型等解決方案,以數據驅動數位行銷操作。

相關職缺:

  1. 大數據工程師 70K+TWD month

https://meet.jobs/jobs/10492?referral_code=widstaipei

2. 機器學習工程師 80K+TWD month

https://meet.jobs/jobs/10490?referral_code=widstaipei

[ 廣告數據平台 ]

3. 資深前端工程師 70K+TWD month

https://meet.jobs/jobs/10818?referral_code=widstaipei

4. 資深軟體工程師 70K+TWD month

https://meet.jobs/jobs/10817?referral_code=widstaipei

5. 商務開發總監 70K+TWD month

https://meet.jobs/jobs/10983?referral_code=widstaipei

Source: Artificial Intelligence on Medium

(Visited 2 times, 1 visits today)
Post a Comment

Newsletter