<全部刪光光>
看大家這麼氣憤中職不長進,就讓我來說一下「管理階層」可能的想法吧。
本文就三個方面:執行面、管理面、組織面做一些討論。
本文的基本結論是:
.數據系統建置需要加入棒球專業,因為這是跨領域合作
.在業務提案時,你如何說服管理層這套系統是「有用」的會是提案關鍵
.數據系統的導入會直接侵犯到教練的權力範圍,要懂得避開這個雷區
.最後,找到對的人提案
希望這篇文章可以幫助提案方大概了解一下被提案方的思維,
也希望有資料科學專業的板友能夠順利提案!
====
1. 有了數據分析,然後呢?
這是目前台灣在數據分析相關產業中,很難跨過去的一環。
技術永遠都不是問題,問題是數據分析好了,然後呢?
在實際執行上,光是分析數據,其實並不是什麼大問題。
無論你的分析方法論是什麼、分析架構又是如何,
「沒有人解釋數據分析的結果,就等於沒有」。
「資料分析人才需求持續成長,
但唯有結合專業領域知識者方能成為箇中翹楚。」
by Etu負責人蔣居裕,來源先讓我賣個關子
然而關於數據分析的解讀常常會有因為每個人視角而有所不同,
這沒有一定的準則,甚至跟個人哲學有關。
例如:數據分析出來我們有一位選手打外角低球的揮空率達52%,
那麼「不會打外角低球的選手要怎麼處理外角低球?」
(1)「破壞掉」
(2)「不要攻擊」
(3)「打擊訓練時加強外角低球的訓練」
(4)「轉頭看裁判」(誤)
這些解答都有可能被採用,
教練想要的答案跟選手願意執行的行動有可能不一致,
甚至教練自己都會變來變去。
所以數據(data)分析完之後的問題在於,
產出的資訊(information)變成知識(knowledge)的過程,
這可能需要棒球專長的人介入才有辦法提供對教練、選手「有用」的資訊。
" target="_blank">
" class="img-responsive" />圖片引用自 http://www.knowledge-management-tools.net/
knowledge-information-data.html
例如:「對上王柏融就佈陣,大概可以降低他大概10%的上壘率」
能夠產出這種結論,對教練、選手來說才算是有用。
" target="_blank">
" class="img-responsive" />教練是在場上「決定」怎麼做的人;選手是在場上「執行」的人,
所以數據分析要輔助教練「下決定」;幫選手「執行」更順暢,
對他們來說才是好用的。
所以從軟體的角度來看,這已經不只是分析了,而是solution。
" target="_blank">
" class="img-responsive" />當然你可能會問,如果是我把系統給教練使用呢?
那麼你就要準備教這些教練怎麼使用跟解讀了…
2. 這個要花多少錢?KPI又是什麼?
在面對管理層的業務討論上,會遇到
「導入這一套系統要多少錢?租用的嗎?還是買斷?
更新費怎麼算?維護費又要怎麼處理?」……之類的問題。
但這些都是小事。
問題是「導入這套系統之後會有什麼差異?」
這問題很重要,因為這就是 solution 的價值。
「你能夠讓這一隊的勝率達到50%以上嗎?」
「你能夠讓我們打擊者打擊率提高到3成2嗎?」
如果不行,提案方在這一段就沒有說服力
如果提案方敢承擔這個KPI,也別太高興,因為接下來就是要算錢了 XD
「喔,我們現在勝率40%,你這一套系統零零總總建制費用要1,000萬,
所以1%勝率要100萬?這太貴了!!」
「喔,我們現在打擊率2成8,所以增加4%要1,000萬,1%要250萬,
有這些錢不如去挖FA還比較快!!」
(然後那個1,000萬就這樣被算了兩次…)
不要笑,不要說職棒球團才會這樣,
這是普遍存在於企業跟政府標案的(天才)算法……
管理層要的是「戰績」、是成績亮眼的「明星」,
「你要怎麼說服別人你的系統是有『價值』的」?
所謂的「價值」,就是符合球隊的政策,這是這個層面的關鍵。
3. 我要怎麼導入這個系統?
前面兩種都還是可以解決的問題,這個才是最雞歪的。
約莫2個月前,小的我有回一篇文章,
在說中職球團不願意接受運動科學博士「主導」設計訓練菜單的事情
我在文中提到:「
跨領域的合作中,「誰主導」才是關鍵。
這不只是技術問題跟知識門檻,更多的是政治問題的確認跟協商技巧。
如果每個提案團隊都跑到對方家裡「整碗捧去」,
除非相關費用都是提案團隊出、責任也是提案方扛,
要不然被提案的那一方哪受得了。
何況戰績是教練要負責的呀!選手薪水是球團付的呀!
」
Re: [新聞] 馮勝賢要搞德州魔法學校 #1Ox4PFFk (Baseball)
https://www.ptt.cc/bbs/Baseball/M.1491879503.A.3EE.html
雖然狀況不盡相同,但一些老江湖的板友應該看到了一些「眉角」:
教練很有可能會對於數據分析產生敵意。
數據分析的結果就是在跟你教練說「你要怎麼做」,
那教練擺在那邊幹什麼的?
有數據按著數據走,被打爆就會被罵「要你這個教練幹什麼」;
有數據不照著數據走,有好的結果也就算了,
萬一被打爆就會被罵「都幫你弄數據分析了還不照著做,你豬嗎?」
教練會想要有這一套東西來綁手綁腳嗎?
在第一步上,這套系統就已經激起了敵意。
而且,教練往往有十多年的球員生涯,
會認為「看過的球員比螞蟻還多,今天叫電腦『幫我』是怎樣?
看我不專業、不懂棒球就是了?」
「你還在看球的時候我就在打全壘打了,這種事情還要你教我?」
「練球好嗎?」
「棒球不是算數學?」
這些的想法都有可能會在系統導入的利害關係者腦中出現。
結果就是:
1. 如果和教練一起開發,隨著系統愈來愈完備,
反彈聲音也會愈來愈大,因為你的系統已經威脅到他的權力了
2. 如果是自己獨立開發,跟球團簡報,你要說服的就不只是管理者,
更重要的 keyman 其實是教練團。
====
說了那麼多,難道中職永遠不可能導入數據分析嗎?
當然有可能,但前提是提案方要正確地認知對企業來說,
「Big Data是企管問題,而非IT問題!」
https://www.bnext.com.tw/article/34692/BN-ARTICLE-34692
這篇文章的標題雖然再講big data,但也可以套到數據分析系統,
而這也是前文Etu引言的來源
如何尋找切入點,可能是提案成功與否的關鍵。
《魔球》一書在博客來中被放在「商業理財管理與領導組織」的原因就在這裡。
簡單說,《魔球》是把「數據分析」放到「職業棒球」裡面的結果。
其實仔細看《魔球》,
你會看到教練就是覺得他X的這套根本就是在挑戰他的眼光跟既往的準則。
「人家明明穿牛仔褲那麼好看,你跟我說他是不好的打者?」
老實說系統導入等於是在毀人家三觀啊!
而看《魔球》一書也可以發現系統的切入點可以說是導入的關鍵:
主要改變的是對於球員的評量,而較少著墨於對於戰局的掌握。
很多時候,數據分析系統是幫助比利·比恩
「如何用較低的費用營運球隊,而能維持一定的戰績」
(就像書中有提到,洋基隊一隻全壘打多少錢?
同樣的金額,運動家又會怎麼使用?)
所以在《魔球》裡面,數據主要挑戰的是球探,教練算是被波及到的。
但是也要有管理層的豆子總大力相挺,這套方法論才能落實到球團裡面。
無獨有偶,中信本季能夠導入洋教練團,辜先生大力支持絕對有幫助。
導入數據分析系統跟教練團改組可以看成程度上的不同,
因為當一個新系統、新教練團進來的時候,就是代表某些人的屁股要發熱了。