百工裡的人類學家2 厚數據的創新課：5大洞察心法╳6種視覺化工具，掌握人類學家式的系統思考，精準切入使用者情境

序言

Part I  厚數據創新思維：10個視角・5個心法・4種路徑
Chapter 1  大數據與AI 時代，我們更需要「厚數據創新思維」
•    厚數據的力量：揭示情感、故事與意義
•    避免大數據的傲慢與偏見
•    6個厚數據創新思維：
o    以「人」為本
o    善用質性研究方法
o    以創新為目的
o    從元問題出發
o    以洞察引導創新
o    完成資料的轉譯與交付

Chapter 2  民族誌田野調查：有效挖掘厚數據
•    創新任務，以「解決問題」為導向
•    5個田野調查技巧：
o    做一個好的轉譯者
o    捕捉在地的語言與觀念
o    從陌生人變自己人
o    掌握全貌觀，捕捉脈絡化意義
o    習以不為常，理所不當然
•    5種搜集質性資料的方法：
o    焦點團體法
o    脈絡訪查
o    文化探針
o    身體地圖
o    共同設計工作坊
•    經典個案  優配蕾Go-Gurt重新定義美國早餐

Chapter 3  文化，是一套動態作業系統
•    人類學的視角
•    厚數據創新的文化觀
•    厚數據創新的研究策略
•    經典個案  Netflix「一次看完」的機能創新
•    練習題 避開創新的空瓶子陷阱

Chapter4  問對「元問題」：重新定義的力量
•    3個提問重點
o    發生了什麼現象
o    這個現象是如何發生的
o    這個現象為什麼會發生
•    經典個案  丹麥「身體遊戲」專案：重新定義「玩」
•    「元問題」和「黃金圈」理論的對話
•    4種方法：鍛鍊你的提問力
o    釐清現實：逐步深化你的提問
o    換位思考：從不同立場切入提問
o    檢驗預設：打破視角的局限性
o    解析脈絡：透視難題織成的網絡
•    從元問題到「重新定義」的創新
•    練習題  習以不為常，理所不當然

Chapter 5  厚數據創新10個視角：以人為本，看見角色、場景與脈絡
•    視角1看見「人」，為了「人」
•    視角2看見人的「底色」
•    視角3看見不同的人
•    視角4看到不同人眼中的世界，也要以身為度
•    視角5看見人群與問題背後的運作機制
•    視角6看見「人」的基本物質條件與發展出的文化模式
•    視角7看見場景裡的角色與劇本
•    視角8看見脈絡，與做出一連串決定與行動的「人」
•    視角9看見「自己」的思想侷限與創意可能
•    視角10看見跨領域專業工作者如何合作、解決問題

Chapter 6  厚數據創新5個心法：換位、解構、翻轉、修補拼貼、融合
•    心法1換位：主動切換到不同角色的位置來思考
•    心法2翻轉：在現有結構的基礎上進行反向思考
•    心法3修補：不預設立場的隨意連結
•    心法4解構：重新定義問題
•    心法5融合：連結不同厚數據資料發展新的系統

Chapter 7 厚數據可視化4種路徑：讓你的厚數據被看見
•    如何被理解：以同理心貼近對方的語言和經驗
•    如何被看見：以視覺化圖表、照片重建場景與脈絡
•    如何被體驗：激發五感、搜集具象徵意義的物件
•    共創歷程：邀請厚數據提供者加入共創設計工作坊

Part II 習以不為常，理所不當然：像人類學家一樣思考
Chapter 8〔髒髒包〕讓我們一起變髒
關鍵概念：骯髒與潔淨・社交食物・網紅文化

Chapter 9〔烤肉〕從生變熟的社交商機
關鍵概念：儀式性・由生轉熟・集體與共食・身體感

Chapter 10〔手搖杯〕掌控生活中的小確幸
關鍵概念：掌控感・第三空間

Chapter 11〔萬聖節〕脫離日常的儀式性狂歡
關鍵概念：集體儀式・體驗的複製與延續・影視宇宙

Chapter 12〔交換禮物〕延續社會關係的互惠遊戲
關鍵概念：互惠性・送禮與回禮・交換禮物

Chapter 13〔電玩上癮〕數位科技產品6大成癮要素
關鍵概念：玩樂・遊戲類型・行為上癮

Chapter 14〔Line與微信〕資訊、金流、人際與新的「國族性」
關鍵概念：即時性・金錢的物質性・國族性

Chapter 15〔精靈寶可夢〕當「異想體系」化為真實集體經驗
關鍵概念：可愛文化・社交性與社交貨幣・AR虛實整合・狩獵採集

Chapter 16〔VR與AR〕觀落陰、陰陽眼遇上「數位地理學」
關鍵概念：可見性與物質性・數位地理學・社會關係的數位空間性延伸

Chapter 17［人工智慧與物聯網〕「萬物有靈」時代來臨！
關鍵概念：香火與大數據・異化・萬物有靈

Part III  厚數據・商業創新最前線
Chapter 18〔金融創新〕AJA大予｜用田野調查助力數位轉型

Chapter 19〔科技創新〕BenQ｜「人・機・環・流」場景心法

Chapter 20〔跨域創新〕青年志｜在大數據與厚數據之間轉譯

Chapter 21〔旅遊創新〕睿丛文化｜從生活誌挖掘意義與趨勢

創新工具篇  挖掘厚數據：7個視覺化工具
第一類：厚數據思考視覺工具
•    工具1【使用者基本維度圖】
o    基本資料：使用者基本描述
o    創新課題：針對使用者進行的研究有何新的挑戰
o    行為特徵：針對創新課題的可見行為特徵
•    工具2【元問題圖】
o    WHAT：什麼問題正在發生？帶來什麼困擾？
o    HOW：問題是怎麼發生的？過程如何？
o    WHY：為什麼問題會發生？連續問三遍或更多次

第二類：脈絡重建工具
•    工具3【身體隱喻提問圖】
o    人物訪談問題設計
o    發展「人物誌」
•    工具4【使用經驗脈絡重建圖】
o    進行使用者經驗研究
o    搜集相關脈絡與資料

第三類：需求探索與創新點挖掘工具
•    工具5【換位思考圖】
o    針對田野資料進行分析
o    釐清不同類型使用者的想法
•    工具6【人物誌】＋工具7【冰山模型圖】
o    針對使用者的關鍵需求與問題進行分析時
o    針對創新歷程發展系統思維時
o    針對正在流行的創新進行分析時

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」。