想品嚐big data的甜頭，這些事情你不能不知道－IdeaSharer Blog

根據美國市調公司IDC(International Data Corporation)最新的研究報告指出：以全面性方法來處理data的公司在各個企業之中脫穎而出，且數據資產給予那些公司平均有60%的回饋，而這樣的數字差不多可以轉換成1.6兆美金的全球機會(將近台幣50兆元)。

此外，曾被商業雜誌Fortune選為全球最受讚賞公司的人力資源顧問公司RHI(Robert Half Technology Inc.)於2015年1月7日發布消息，直指企業將投注更多的資金到行動裝置與大數據的建置上，因此會需要更多專業並具有創造力的人才，RHI更大膽預測大數據工程師將為2015年薪水漲幅第二高的職業，其薪資成長率高達9.3%，平均年薪則落於美金119,250至168,250元(約為台幣360萬到520萬之間)。

這樣的社會趨勢，讓許多擁有發財夢的人們趨之若鶩，急著想在這一鍋黃金粥中分一杯羹，然而， Computer Sciences Corporation (CSC) 的調查所發送的壞消息是：每9個使用大數據的公司中，便有5個方案是未完成或是功虧一簣的。所以，是否能順利將自己滾入這樣的熱潮，還需視企業能否十足掌握與發揮big data的優勢來定。

瞄準目標，配置合宜的資金

「成本」是企業營運最重要的考量之一，雖然愈大分母的數據資料通常可以推演出愈精準的結果，但假設資金不夠雄厚卻又設定了太遠大的解析目標，往往公司在找到最佳解決方法之前，股東們的錢就會先燒盡。所以，公司在跑蒐集、儲存、更新資料程序的同時，必須先根據公司擁有的資源來劃出所能承擔數據量的範疇是多廣。

囊括所有變項的數據看似全面，但如果沒有對症下藥，那些辛苦分析的結果就不具意義。不同種類或甚至是同類型但擁有不同企業目標的公司，需要的big data分析通常不同，依據公司短、中、長期的計畫，提煉出最符合公司需求的數據標的才是王道。

讓辛苦解析出來的數據具有意義

相關性高不等同於資料具有因果關係。

最知名的例子不外乎是google利用自家工具GFT (Google Flu Trends)來預測流感蔓延的地區有多大，方法是藉由統合網上被搜尋過的流感關鍵字與數據的發送地區，進而推敲出流感的擴散區塊。事後將GFT的結果與國家級疾病預防中心交叉比對，證實的確有好幾起成功案例，且其速度凌駕於一般傳統的監測系統。然而，日後資料量與時俱增，使用相同方法所得出的數據結果卻不再精確，人們努力探究後，發現主要原因是「搜尋流感關鍵字的人」不見得就是「得到流感的病人」，混淆視聽的數據可能是來自搜尋者的好奇與求知心，或甚至只是搜尋者遠在他方的親友病症。

少了某一片重要的拼圖，使我們無法順利辨識整體畫面。藉由通盤的考量，並做足數據資料的insight，以除去數據庫中所有可能的「偽相關」，便成了分析師們更重要的使命。

價值創造，建立在「分析」與「應用」能力之上

近幾年興起的big data一詞，其實就是將過去原有的data，用新的技術與新的研究方法/視角來做分析與應用。儘管工程師使盡渾身解數來進行埋點、蒐集、儲存、辨識、挖掘等等的資料操作，企業卻仍舊可能無法獲利，背後的原因是雖然藉由數據的解析我們得到了一些答案，但這樣的答案卻無法被十足應用，進而創造出「商業價值」。

不一定有用的數據

以英國知名零售公司Tesco過去所發生過的事情來說，該公司在全球市場上已經站穩了一定的地位，可想而知，他能掌控消費者的資料量也是相當可觀，但為什麼在操作數據來擬定策略方針的時候會失準，並導致公司虧損了將近30億美元呢？原來是公司雖然擁有眾多的消費者，並在早期就已經將客戶的資料數據化，他們投注了相當高額的成本在顧客研究、分析、及提高顧客忠誠度上，但是這樣的數據卻無法提供對市場運作的理解。更進一步的說明，假設公司藉由數據來得知某個客戶在Tesco所購買的家庭用品支出達到客戶總體生活支出的60%，這樣的統計結果相當振奮人心，所以公司開心地依據客戶過去所買的用品與購買期間來給予所預估的將會購買的用品折價券，期待顧客下一次光顧時會買折價券上的商品，然而，這樣的期望卻可能因為該名顧客住家附近的生活用品減價活動而讓一系列的數據處理付之一炬，更別提如果客戶心血來潮一次購足一年12個月份的量對Tesco而言會是多麼沮喪的一件事情。

沒辦法用&不知道如何使用的數據

數據可以告訴我們的事情太多了，但那些資源是否能夠被充分利用又取決於我們的智慧，例如統合一切資訊得出的結果是某一間店可以藉由降價來增加客群，但是就商業營利角度來看，降價到成本之下是不可能的事情，世界上沒人喜歡做賠本的生意，所以這時候考驗的就是團隊的創意發想，思考如何運用這樣的結果來走出另一條獲利的道路。2015年初美商資料分析公司Dun & Bradstreet就宣布併購網路行銷公司NetProspex，這不僅僅使得個人化數據被增強，公司更為了強化行銷的精確度，而加以整合雙邊既有的數據，成為更強大的資料庫。

資安防護、商業倫理與法律之間的拉扯

近年來，當網路愈發盛行，生活中聽到的網路攻擊似乎也愈多，根據俄羅斯出產的防毒軟體卡巴斯基(kaspersky)對2014的網路攻擊歸納出：每天有3.9億次的電腦攻擊、1/5的安卓用戶遭受過網路攻擊、第一個手機加密勒索軟體出現，要求用戶支付贖金來解鎖，更甭說被新聞報導過以政府或民間機構為攻擊對象的網攻事件等，多半網路攻擊的目的是為了利益謀取，努力蒐集與個人有絕對關聯的大數據的私人企業不用說也是那些駭客垂涎的目標之一，所以企業架設一道縝密的個資防護網，對於企業的形象想必也有相當的加分作用。

然而，企業不只需要防範他人盜取內部資料，公司本身也應該要秉持著商業倫理來應用手上的數據。關於美國前三大零售商之一的Target所發生的懷孕預測模型事件告訴我們，運用大數據來做侵犯個人隱私的商業預測並不是一個企業生存的長久之計，或許這件事情並沒有讓該公司吃上官司，但辛苦建立起來的商譽肯定被損害了不少。