LnData 如何為客戶打造數據解方：產品長專訪 [TWiDS]

Jake目前擔任LnData麟數據科技的產品長，需要了解市場與需求，負責數據產品的研發與設計。從剛進入 LnData，主要著力於行銷廣告方面的各種數據解決方案；直到目前公司也因應市場需求，新增碳盤查、產品碳足跡數據收集與計算的領域。本篇將從他在不同產業中的經驗出發，分享他如何帶領團隊設計不同的數據產品，協助企業用數據解決各式問題。

原文連結：Taiwanese in Data Science | Medium

LnData 是什麼樣的公司？

LnData 是台灣的數據顧問公司，提供企業從數據收集、清理、分析、管理、應用等各種服務與相關解決方案。產品方面以數據中台為核心，包含數據串接、源數據管理、data pipleline 、數據湖等底層技術，延伸到兩大領域產品：第一部分鎖定在行銷領域，強調以數據驅動行銷：包含CDP(顧客數據平台)、KOC聯盟行銷管理工具、數據市集等；第二部分則是ESG的領域，鎖定製造業等傳產為主，提供碳盤查驗到申報的解決方案。

延伸閱讀：關於我們

第三方數據公司如何解決客戶問題

LnData 作為一個數據顧問公司，接觸的客戶橫跨不同產業，從零售、金融、FMCG都有。而不同產業、甚至每家公司的狀況、痛點與數據的成熟度都不同。

因此 LnData 在輔導不同公司時，要先充分了解客戶想解決的問題或想達成的目標為何，並回過頭來協助客戶檢視與盤點數據現狀，包含有哪些數據應收集還未收、是否存在資料斷點、數據品質等。同時要考量各家公司的數據能力，甚至主動去幫客戶思考可以如何利用數據來解決商業問題，或是進一步優化營運、增加營收等。

數據市集與數據交易

Jake 分享到，數據市集目前普遍還是應用在行銷跟廣告領域，通常是將各種可識別與進行廣告追蹤的受眾資料(可能來自商業媒體、電信、發票等數據)，加上各種標籤，透過第三方的數據平台，讓廣告主進行採購並對消費者直接進行廣告投放，以達到精準行銷的效果。

舉例來說，某服飾品牌雖然擁有自己的會員資料，知道消費者曾經或喜歡購買哪些衣服，但透過數據市集，他們或許可以找出這些人當中誰可能也對美妝品有興趣、誰可能造訪過旅遊相關網站、誰可能購買過競品的衣服等，以設計更細、個人化的行銷策略。

若更進到一對一的數據交易模式，則情況又不太一樣，因為不同於數據市集單純是以金錢購買數據，數據交易包含兩家企業透過數據交換的方式，讓兩組資料進行比對與分析，得到全新的Insight或是商業應用的可能。由於此時往往涉及更敏感的商業機敏資料，因此如何讓交易雙方企業安心、確保過程中數據不會外洩，便需要透過如Data clean room(數據無塵室)的技術，在雙方不提交原始數據的狀態下，依然能進行數據的合併與分析，最終僅取得分析或去識別化後的數據結果，同時確保合規、信任跟安全。

Jake舉例：百貨公司擁有很多消費者與交易資料；而停車場則擁有車牌辨識的資料，因此是否有辦法藉由雙方資料比對，找出開特定車型、車款的消費者，就是非常有趣的應用。

用數據描繪出完整的消費者輪廓

品牌可以透過廣告聯播網等廣告投放數據，追蹤與分析廣告的曝光與點擊，來更了解自己的消費者，進而達到更好的再行銷或是優化廣告投放策略。

不過，光從廣告數據可獲得的資訊仍有限，因此當品牌想更了解自己的消費者樣貌時，LnData會建議結合外部的第三方數據來豐富品牌的第一方數據，包含從數據市集取得的標籤，了解消費者是否曾經到過特定地區、瀏覽過特定網站內容，或是在特定通路購買過特定商品等等，以此來全方位地掌握消費者輪廓，進而做分眾行銷、再行銷運用等等，甚至提供個人化的行銷體驗。

延伸閱讀：什麼是第一方、第二方、第三方數據

LnData的產品開發與管理

在不同的產品開發上，LnData會依據不同產品的定位、目標，設定階段性的範疇與開發順序。Jake分享一部分會放在實驗性質及加強基本能力的功能，用於提前因應未來趨勢，或是做為額外加分項目強化客戶信任，例如Data clean room這類關於數據交換、保護的技術。

另外則是市場即需、公司的主力開發產品，例如CDP、社群聯盟行銷等工具。因需要直接面對市場與客戶需求，所以要求時時跟上市場趨勢，包含了解客戶想法、觀察競品，以及主動在與客戶互動過程中發現可行的機會點，加入產品開發或更新的功能當中，並透過敏捷管理的方式，以確保產品的迭代能走在市場最前面。

大數據開發的架構與技術

為了處理海量數據，LnData會透過自己的Hadoop集群去建置資料庫存放這些大量的消費者行為數據，包含廣告、網站、app等數據的log資料。

Jake認為Hadoop可以有效幫助數據團隊儲存、管理與調取數據，不過相對的也需要花費不少成本維運。其實現在有越來越多新的開源或雲端解決方案可使用（如GCP BigQuery），不妨視企業所擁有的人才與資源，考慮混合使用不同的框架和雲端服務，以滿足大數據處理的需求，並在效能與成本上取得更好的平衡。

在數據隱私這塊，LnData以SaaS模式提供服務，此時的廣告數據都是去識別且不含機敏資料，因此較沒有隱私疑慮。而當客戶想要建立自己的第一方數據，LnData也會配合協助將數據獨立，建置在客戶的地端或使私有雲等私域上。

數據的新機會與挑戰

1. Cookieless時代與資安意識：LnData的應應之道

隨著Apple隱私政策調整、Google 禁用第三方cookie，對於整個廣告數據產業帶來極大的衝擊。因應這樣的生態海嘯，LnData建議品牌盡可能地從各種渠道收集第一方數據，包含 LINE OA、品牌會員、問卷等等，並將這些資料整合起來；而在聯播網上，LnData則是參與The Trade Desk 的UID2.0生態，作為替代cookie的廣告追蹤方案，讓數據在去識別化的情況下，依然可在公網上進行比對與使用。

Jake也分享實際案例與經驗：以保險業與信用卡發卡機構等金融產業為例，由於保險和信用卡交易等資料相對敏感，這些客戶對於資料的隱私性及安全性也會更加小心且有更多限制。此時便需要與客戶溝通，如何去識別化敏感信息，例如遮罩或加密卡號、將個人機敏資料進行轉換並無法反向復原，又或是用統計的方式針對群體進行分析，避免回推到任何個人資料。

2. 不可擋的趨勢：MarTech x LLM

談到AI與LLM在MarTech領域的可能性，Jake表示這是一個不可逆的趨勢。除了能幫助行銷人員更快地產出文案、圖片等等，也能讓非技術相關人員，獨立且更輕鬆地取用數據並產出結果。

在這方面，LnData 本來就會利用機器學習模型幫助品牌分析、分群與貼標受眾（例如透過CDP對每個消費者進行個人化行銷），或將自然語言相關技術應用在品牌社群聲量與公關危機預警。未來也會嘗試更進一步將LLM技術融入到既有的產品功能裡面，降低產品使用門檻並擴大數據應用可能。

3. 數據新戰場：ESG與碳盤查

在行銷領域服務不同客戶的過程中，LnData同時也注意到了企業在碳盤查、碳排放數據計算上面，隨著法規要求，而有越來越大的需求。因此回到數據本身，LnData仍是協助客戶收集在生產製程、設備、員工差旅等等不同來源的數據，進行整合與治理，確保數據的準確度與品質，最後透過碳盤查係數的換算出實際碳排放量，幫助企業進行查驗與認證。

對 Jake 來說，雖然領域不同，但基本邏輯是一樣的，因此在產品設計時不是打掉重練，而是將原先數據中台的管理思維，接到不同的數據管線上，配合不同的產業、不同的需求、不同的使用者進行校正與調整。

數據職涯分享

跨產業經驗到跨組織生態

Jake最早踏入職場是從資策會開始，當時接觸的領域以IoT、工業4.0為主，不過也是圍繞在數據相關。到後來進入LnData，雖然跳到了行銷廣告、 MarTech領域，但本質上依然是在做數據，因此對他來說並不是切跑道，而是吸收不同產業知識，探索數據的不同切角。

Jake分享了在資策會的經驗，指出資策會作為一個研究單位，雖然處在技術前沿，但產出可能較不即時及商業化，也不太需要顧時程及金錢成本。但到了LnData這樣的新創公司，在時間、資源有限的情況下，需要不停跟市場賽跑，兼顧技術研發和商用產品化，反而是更大的挑戰。

數據產品的開發與設計

而組織的定位也影響到了開發的模式。除了一般產業常用的瀑布式開發 (Waterfall)模式外，還有近年來興起、尤其在軟體業中盛行的敏捷開發(Agile)模式，Jake 也分享他對兩者的經驗與看法。他認為即使採用敏捷開發，也可以多多了解與借鏡Waterfall中的概念，除了能夠截長補短讓敏捷開發過程更全面、避免遺漏，也能讓初入職場或初次接觸敏捷的組員更無痛適應這樣的開發模式。

此外，在做大數據產品開發時，往往前期的建立很花時間，尤其在面對時程和資源的限制時，需要謹慎、聰明、靈活地進行架構設計與任務優先排序；至於在做客製化產品或導入時，則重點還是回到客戶的需求與現況。

客戶溝通到團隊溝通

Jake強調，必須先實際了解客戶面臨的情況，才能真正幫他們解決問題。因此在看客戶需求時，最重要的還是回到與客戶的溝通上––此時除了透過業務帶回需求外，Jake 盡量親自面對面與客戶討論，讓溝通更有效率與精準。

而在將客戶痛點帶回團隊時，如何有效讓工程師理解並解決客戶痛點？工程師畢竟不是實際面對第一線問題的人員，在做產品協調時，必須讓他們真實了解到客戶的真實需求。例如想開發一個簡單的登入功能，不是直接跟團隊說「要做一個登入」，最好是讓團隊完整了解與客戶溝通的脈絡與實務上的情況，才能讓團隊更願意執行，也能設計出更符合使用者需求的功能。

數據工程師與產品開發的必備技能

Jake覺得以工程師來講，最重要的是去理解每個東西背後的運作原理，能幫助在轉換不同的框架或是技術或是語言的時候更加輕鬆；而在開發與設計產品時，需要的是更全面的思維而不是單點的設計，思考整體的產品或技術的面貌，以幫助自己更有架構與系統性地完成設計與開發。

產業知識的重要性

而觀眾與讀者們也好奇，LnData的數據分析團隊需要什麼能力來為客戶提供答案。Jake也補充分享，他認為數據分析師需了解客戶產業領域的相關知識，以幫助在面對客戶時，能更好地溝通並理解客戶的問題，同時回到面對數據時，能夠知道該如何對雜亂的原始數據進行數據的清理、處理與分析，確保取得正確且符合客戶需求的結果。

當然，這點對於開發團隊也是一樣。例如製造業不同製程的機台數據該如何收集、不同廣告數據來源定義與廣告購買邏輯等，都不是光靠團隊盲人摸象就能做好產品。最後，他也強調從客戶的需求中學習，比如他在協助半導體產業時，就是不斷從客戶的反饋和需求來建立數據平臺，也應用到未來其他產品的開發上。

職涯軌跡：從工程師到帶領開發團隊

自我調適：自己來到放手給團隊

Jake從IC到管理職的轉換過程中，最難適應說選擇要將事情自己動手，或是交給團隊下屬。Jake表示要學習抽離只看單一問題解決的快慢，將目光放到整個團隊運行與產品開發，將任務放給不同人來做，以實現整體最大效率；同時在設計產品技術架構時，即使心中已有未來藍圖，也應該多聆聽與嘗試團隊提出的不同想法，跳脫自己的盲點，並為當下、為團隊找出更好的答案。

如何引領團隊成長

Jake 也分享如何幫助組員學習成長，從開發單一功能到能做到框架設計。他會盡可能讓組員從開始就參與整體的設計過程，避免一開就給設計好的東西，即使只是一個很小的功能，也會讓組員自己在大框架下可觸及的範圍，把功能的脈絡設計出來。等到組員成長到Senior的時候，再進入到框架的選擇與架構設計，同時這時候也會更注重於「丟問題」，而不是丟任務。

數據職涯的學習心法

Junior 到 Senior 該著重的學習面

Jake 覺得不管是 Junior 還是 Senior ，都必須持續關注與學習工作有關的各種技術、框架、語言、應用案例等。並且慢慢地從單點的開發、跟著做，成長到能夠通盤考慮整體產品的設計、獨立思考。

Jake 也補充建議，從 Junior 開始的時候，不要預設自己的職涯規劃，然後挑選自己只想學特定的技術，因為當經歷過一段職涯後，回頭看會發現這些技術都有可能成為未來的經驗與養分，所以不妨多嘗試不同的技術或工作。

身為產品長的自我學習

Jake認為在資訊攝取上，還是要確保自己廣泛獲取各種最新的技術趨勢，但是在深度上可以自己去評估與篩選，挑選對於自己當下或未來工作最相關的部分深度挖掘。例如以他自己來說，區塊鏈相關技術他只會大概瀏覽看過；而如果是AI或是LLM相關的，則會花時間深入研究，以掌握有哪些可用的技術或資源，並在實際進入產品研發時，跟據選擇的技術加深研究。

跟許多通勤族或開車族一樣，Jake覺得Podcast是個不錯的資訊管道，在上下班途中也許花個0.5~1小時左右的時間，就可以了解一個新的東西。Jake 也分享他自己常聽的Podcast，包含一些廣泛的產業動態方面可以聽數位時代；而想了解市場的深度分析與技術內容，他則是推薦曼報。

持續努力讓數據產品化，讓數據價值被看見

最後，除了持續研究技術以外，Jake未來也將目標放在如何實現將技術商業化、將數據產品化。即使近年來在大數據、AI經濟蓬勃發展下有改善，但是他認為相較國外，台灣目前對於數據可應用範圍的的認知仍普遍不足，數據的價值也被低估，因此希望未來可以透過推出符合台灣市場需求，且可落地使用的全方位數據解決方案，幫助企業「存數據、通數據、用數據」，讓台灣市場可以看見數據的價值。

想發揮組織數據資產最大價值？立即連繫我們