【電子書】百工裡的人類學家2 厚數據的創新課

序

在二○一六年我的第一本書《百工裡的人類學家》中，就介紹了什麼是「厚數據」。但在過去五年，除了我自身的進一步思考外，學界與業界都對厚數據有更深刻的認識，除了有更多的案例浮上水面，也深化了厚數據可以發展出來的理論基礎。在這本書中，我將會更系統性地為你建構「厚數據創新思維」。

★厚數據的力量：揭示情感、故事和意義

要回答「厚數據」是什麼，一般人可能人都會一頭霧水，不知道該如何有效地定義。有這種感覺很正常，因為就如同大數據其實至今也沒有絕對清晰的定義一樣，作為一個還沒滿十歲的概念，厚數據其實也面對相同的問題。在《百工裡的人類學家》（一）之中，我曾經簡單提過其發展過程，在此容我再回顧一下，並且補充更多的細節。

最早提出「厚數據」一詞的是王聖捷（Tricia Wang），她擁有社會學博士學位，曾經是諾基亞（Nokia）的研究員，協助研究中國的手機市場。當時公司選擇忽略她在中國蹲點做調查的成果，也因此錯判了整個手機市場的發展方向，這成為導致後續整個商業挫敗的原因之一。這個經驗讓王聖捷深思量化數據與質化資料的價值。在二○一三年，王聖捷結合了人類學家「厚描」（thick description）的概念，在部落格Ethnography Matters上一篇名為〈大數據需要厚數據〉的文章中指出，「厚數據是用民族誌方法來揭示在大數據視覺化與分析背後的『意義』」。這可以說是厚數據最早被提出來的過程。而後在二○一六年，她進一步在另外一篇〈為什麼大數據需要厚數據？〉文章中指出，「『厚數據』是指利用人類學定性研究法來闡釋的數據，旨在揭示情感、故事和意義」。

當王聖捷提出「厚數據」，她所說的「厚」其實來自於人類學家克利弗德．紀爾茲（Clifford Geertz）的「厚描法」。「厚描法」是什麼意思？紀爾茲舉例，「眨眼」這個動作可以是生理性的，也可以是文化性、社會性的，只有在同樣一個意義網絡裡的人，才懂得眼前的人對自己眨眼是什麼意思。而人類學家的角色與工作，就是透過田野調查，進入到這個意義體系當中，再跳出來描述這個「意義之網」，讓外人也能正確理解這個眨眼動作所隱含的文化性、社會性意義。而人類學家之所以能夠施行「厚描法」，是因為他們採取了「民族誌田野調查工作」（ethnographic fieldwork）。透過讓自己長期沉浸在研究對象的生活環境裡面，說他們的語言、做他們在做的事，進而得以習得對方的語言、觀點與行為，並能解釋不同族群間行為差異背後所擁有的不同意義與假設。

在王聖捷看來，當今日企業都想透過大數據來發展創新或是更加理解消費者，但實際上大數據並沒有辦法協助看到社會真實的樣貌、挖掘不到人們來自於生活之中真實的需要，因此容易錯失真正的機會。相較之下，運用人類學的民族誌田野調查方法更能貼近真實的社會與人群，也更能夠看到人們不言說出來的，以及更貼近脈絡的可能性。

而在王聖捷之後，知名的商業諮詢顧問公司ReD負責人也以專文〈厚數據的力量〉（The Power of “Thick” Data）在《華爾街日報》上指出：「厚數據可以協助企業理解，消費者在接觸產品與服務時產生的情感以及內在的脈絡，因此更能協助企業面對瞬息萬變的商業挑戰。」

正因為這種特性，在過去五年之前，可以看到厚數據開始被各方重視。在設計領域與使用者經驗研究領域，厚數據方法被廣泛用來挖掘人的隱藏需求；在行銷、人力資源、公共服務與社會創新等等以「人」為主要對象的領域中，也可以看到有越來越多的文章或是案例在使用厚數據。為的就是希望能更加貼近「人」，看到人們真正等待被解決的問題、等待被滿足的需要。

★避免大數據的傲慢與偏見

在我看來，厚數據逐漸被重視正是因為人們開始反思大數據的局限。在今日大數據的廣泛應用下，可以看到人的消費習慣、網路使用習慣或是電子產品使用習慣，都已經能夠被妥善記錄下來，形成巨大的資料聚集，也有相應的服務產生。根據人們在Google上的搜尋紀錄，在臉書上或是搜尋頁面上進行商品資訊的精準曝光，已經成為過去五年當中最重要的行銷策略之一。但在《大數據的傲慢與偏見》（Weapons of Math Destruction）一書裡，作者凱西．歐尼爾（Cathy O’Neil）已經提醒我們，大數據的應用是奠基於數學演算法之上，而設計數據模型的設計者可能帶有偏見，並且針對特定目的來處理資料，這都讓我們有可能反而看不到真相。

再者，我們也看到伴隨著過去幾年大數據、人工智慧與機器人越來越成熟，許多的工作類型正在逐漸消失中。新聞媒體運用機器人來寫新聞稿，法律事務所運用機器人來整理資料與卷宗，餐飲業運用機器人來協助送餐點餐甚至製作餐點，飯店業運用機器人來接待貴賓，金融業的線上客服甚至也都轉為運用聊天機器人（chatbot）來提供服務。我們也可以想見，在5G的科技覆蓋下，未來許多的交通也會大量仰賴自動駕駛技術。這些工作的共通點在於「重複」、「單調」，所以可以用演算法來統合大數據資料進而驅動機器人來提供服務。但在這樣的趨勢下，我們也看到許多人在抱怨這樣的產品與服務其實沒有溫度，自己基於情境或是脈絡的特殊需求沒有被看到。

身而為人，我們一方面樂見運用大數據的人工智慧發展越來越成熟，能夠更加掌握我們的需求，能更即時地滿足我們的需要。但我們卻也同樣不願意看到自己只是成為一堆數字資料的集合，或者僅僅只是海量資料或巨量數據中的一筆。我們更期待自己的聲音、感受、想法被重視，希望被「有溫度地」提供產品與服務，而不是僅是要人類去配合尚未成熟的演算法或是資訊服務。

★厚數據創新的路徑

當厚數據變得越來越重要，那麼我們該如何掌握「厚數據」來發展創新呢？我在這裡先介紹幾個重要的「厚數據創新思維」，而透過釐清這些思維，我們也能更加理解在今日該如何給「厚數據」一個更好的定義並找出創新的路徑：

■厚數據創新思維六大重點
1.以「人」為本
2.人類學外，廣泛應用不同學門的質性研究方法
3.以「創新」為厚數據收集與分析的目的
4.從「元問題」出發反思創新的挑戰
5.以「洞察」為主要價值
6.以最有效形式完成資料的「轉譯與交付」

「厚數據創新思維」並不是一個絕對完美的創新工具與思路，但從前述六點出發，就能更加感受到厚數據背後有著濃濃的人文關懷，希望這個世界因為以人為本的創新變得更好。當然，「厚數據創新思維」作為一套創新的思路與方法自然不止這六點，我將在本書接下來的各個章節裡進一步協助你掌握這套思維工具，當一名厚數據創新者，也就是成為「百工裡的人類學家」。