小滿讀：巨量資料（Big Data）
預測未來、創造商機的資料智慧
巨量資料（Big Data）和我們的生活究竟有什麼關係？
不妨先試著回想以下的網路使用經驗：在搜尋網站對話框鍵入關鍵字的首字後，就出現「您是不是要查……」的下拉選單，而且第一個候選詞彙就是你想查詢的關鍵字；在網路書店買書時，出現「買這本書的人也買了這些書……」的清單，推薦的書正好也是你的喜好類型；社群網站上出現「你可能認識的朋友……」的交友建議，讓你找到了失聯已久的同學。
你以為，這些網站精準預測你我的需求，只是「偶然的幸運」（serendipity），其實這背後就是巨量資料（Big Data）與商業智慧（BI，Business Intelligence）交互作用的結果。
巨量資料：從交易資料到互動資料
《大數據的獲利模式》指出，巨量資料狹義的定義是：「在3V（大量、龐雜、快速，簡稱「3V特性」）的層面上難以管理的資料，以及為了儲存、處理與分析這些資料的技術。」廣義的定義則是在狹義的定義之外，加上「為了分析這些資料，並且能夠從中萃取有用資訊或洞見的人才與組織」。
巨量資料的「3V特性」說明如下：
1.大量（volume）
當一架安裝4具引擎的巨無霸客機飛越大西洋時，產生的資料高達640TB（terabyte，GB的1000倍）。全球每天有2萬5000架次的班機飛航，可以想見產生的資料量有多麼龐大。
不過，當今的巨量資料更多是來自於生活周遭，像是部落格（Blog）、社群網站上傳，或是透過智慧型手機、監視器與感測器產生的影音檔、圖片檔、文字檔。由於這些資料難以儲存在企業視為主流的「關聯資料庫」（relational database）中，因此被統稱為「非結構化資料」。
儘管如此，企業如果能夠運用語意分析技術，掌握資料中所顯示的「情緒」（例如正面或負面評論），就可以洞察消費者對於自家產品的評價與網路口碑，獲取具有管理與行銷價值的資訊，進而發掘、預測需求。
2.龐雜（variety）
除了分析存在於企業內部或外部的銷售與顧客資料（即「結構化資料」）之外，企業如今更要設法從「非結構化資料」搶先獲得寶貴的顧客需求情報，進而與銷售連結。
比方說，精品製造商萬寶龍（Montblanc）透過門市監視器的影像，取得了顧客消費行為與動線的龐雜資料，在抽絲剝繭後，將最暢銷的商品陳列在最能吸引顧客目光的位置。
又如手機通訊業者T-mobile，在門市裝設具有影片分析功能的監視器，藉此統計上門顧客的人數與動線，以及花費多少時間站在陳列櫃之前，甚至連顧客花了多少時間物色哪一款手機、在手上把玩多少時間都納入分析，進而掌握上門顧客的消費行為。
3.快速（velocity）
更新頻率快與資料產生速度快，也是巨量資料的特色之一。便利商店的銷售時點情報系統（POS，Point of Sale），分分秒秒都在產生大量的顧客消費資料；網拍公司eBay每分鐘賣出5個女用包、每兩分鐘成交一只鑽戒，一天處理的資料量（含交易、查詢等）也高達50TB，相當於3000個16GB隨身碟。
社群網站的盛行，帶動了以「非結構化資料」為主的巨量資料分析，促使企業不再能只滿足於「產品賣掉了」「顧客突然解約」等屬於點狀的「交易資料」（transaction data），而必須轉而探究「為什麼這項產品賣掉了？」「顧客為什麼突然解約？」等屬於線狀的「互動資料」（interaction data）。
而想要從「分析現狀」到「精準預測未來」，就必須將分析方法從「點」（交易資料）深化到「線」（互動資料）。
比方說，亞馬遜網站（amazon.com）透過網頁的點擊串流資料，追蹤使用者從進入到離開該網站的動線與行為，就是顧客與企業網站之間的互動資料。如果從中發現多數使用者點入某個頁面就跳開，代表該頁面需要改善「優使性」（usability，讓使用者在瀏覽網頁的過程中沒有壓力或挫折感，能以最少的力氣發揮最大的效能。）
商業智慧：從分析現狀到預測未來
由上可知，巨量資料的儲存、處理和分析，主要目的之一就是從中萃取出「商業智慧」：有組織、有系統地分析、彙整儲存於企業內外部的資料，從中汲取關鍵的概念、機制與活動，創造出有助於商業上各種決策的知識與洞見。
商業智慧一詞最早在1989年提出，時任研究機構顧能（Gartner）的分析師豪爾德‧最斯納（Howard Dresner）主張，銷售與顧客的分析工作應該要由資料的終端使用者（end user）、也就是經理人或工作者親自經手，而非委由資訊部門代為處理，才能達到迅速決策與提高生產力的目標。
時至今日，商業智慧已歷經了不同的轉變，從1980年代以出具分析報告為主，目的在於了解「過去發生什麼事」；到1990年代，透過多維分析（例如Excel、線上分析處理［OLAP，On Line Transaction Processing〕、資料查詢［query〕），嘗試了解「這件事為什麼發生」；進入21世紀的第一個十年，則以監控（儀表板［dashboard〕、計分卡［scorecard〕）分析「目前正在發生什麼事」；到了2010年代，透過預測分析、最佳化（資料探勘、文字探勘等）的技術，預測「未來將發生什麼事」。
在巨量資料與商業智慧的協助之下，企業與經理人的決勝點將不再取決於分析過去和現在，而在於預測未來，發掘出可能連消費者自己也不自知的需求。
當資料成為商場上的重要資源，而企業要透過公開、分享或買賣方式取得資料又非難事。
策略架構：買還是賣？公開還是保護？
野村總合研究所高級研究員城田真琴建議，企業在思考如何運用巨量資料時，可針對資料進行分類，以資料源自內部或外部、資料性質屬於核心或背景為兩條軸線，形成巨量資料時代的企業IT策略架構：
1.來自內部的核心資料：保護或賣出
企業內部獨有、對於其他企業來說也有價值的資料，像是POS系統資料、會員消費紀錄等，有助於和競爭對手形成差異化（differentiation）。
這類資料由於已存在於公司內部、容易取得，又是競爭對手很想拿到、市場價值極高的策略型資料，企業通常會將之歸類為「必須慎重保護」，絕不對外提供。不過，近來開始有些企業願意換個角度思考，「如果能為公司帶來極佳的利潤，不妨與其他企業策略聯盟共享或交換資料。」
2.來自內部的背景資料：公開或保護
企業獨有，但無法直接創造差異化以吸引顧客的資料，包括：總營收、銷售利潤等財務資料，或員工的履歷、往來e-mail等。這類資料的處理方式非常極端，不是公開就是保護（甚至要到嚴格保護的程度），像公開發行公司的財務資料依法就必須公開，但是員工的個人資料與e-mail就絕對不可外洩。
3.來自外部的核心資料：買入
其他企業獨有，但是自家企業迫切需要的資料，由於沒有對外公開，所以市場價值很高。對於企業來說，這是屬於即使要付出高昂代價也要入手的資料，像是其他企業的顧客資訊就是一例。
4.來自外部的背景資料：使用或買入
相較於核心資料，來自外部的背景資料（通常是政府公開的統計資料或地圖資料）多半可以免費使用或是以相對便宜的價格買入，所以市場價值並不高。不過，由於事涉該國政府是否願意公開統資料，因此相對來說較難取得。
城田建議，企業可以從「為了達到何種目的必須要有什麼資料；光靠內部現有資料是否夠用；如果不夠用，應該從外部取得何種資料」開始思考，建構巨量資料的應用策略，協助企業嗅出趨勢、創造「偶然的幸運」，精準預測顧客的需求。
看得到的是資料，看得懂的是資訊，用得出來的是情報。找出資料的價值，萃取可用的資訊，才能將巨量資料化為商業智慧，進而嗅出趨勢、預測未來、創造商機。
本文內容摘自以下網頁：
http://www.managertoday.com.tw/glossary/view/131
文章定位：
