當大數據充斥各種場合，從馬雲到釋昭慧都侃侃而談，你還能不懂什麼是大數據嗎？你也許已經聽過無數的大數據神話，但對於大數據仍停留在一知半解階段，《數位時代》專訪各大大數據專家，整理出你最應該知道的大數據十問。
Q：大數據是什麼？
A：大數據（Big Data）又被稱為巨量資料，其概念其實就是過去10年廣泛用於企業內部的資料分析、商業智慧（Business Intelligence）和統計應用之大成。但大數據現在不只是資料處理工具，更是一種企業思維和商業模式，因為資料量急速成長、儲存設備成本下降、軟體技術進化和雲端環境成熟等種種客觀條件就位，方才讓資料分析從過去的洞悉歷史進化到預測未來，甚至是破舊立新，開創從所未見的商業模式。
一般而言，大數據的定義是Volume（容量）、Velocity（速度）和Variety（多樣性），但也有人另外加上Veracity（真實性）和Value（價值）兩個V。但其實不論是幾V，大數據的資料特質和傳統資料最大的不同是，資料來源多元、種類繁多，大多是非結構化資料，而且更新速度非常快，導致資料量大增。而要用大數據創造價值，不得不注意數據的真實性。
Q：為什麼需要大數據？
A：因為當從人到機器都已經被數據解構，數據不僅僅是歐巴馬口中的石油或是黃金，它更是血液，貫穿每個人一生中每個生命階段。這並非危言聳聽，更不是科幻電影，而是正在逐步成真的現實。
例如有一款叫做Ovia Fertility的App，藉由分析30萬名會員的數據，開發演算法，精準計算排卵期，提高懷孕的機率，這個App已幫助5萬名會員成功懷孕。又比如Workday推出一套軟體，預測員工的薪水漲幅和可能跳槽時間，幫助企業決定每名員工的加薪幅度、時間點和轉職時機。理財也逃不過大數據的掌控，騰訊就於年初推出第一家用大數據決定借貸與否的銀行，微眾銀行結合辨識人臉和公安部門資料，決定借貸者的信用等級。
從懷孕生子、工作到理財，大數據將全面影響每個人與每家企業。對企業而言，大數據可望提升服務品質、增加管理效率、幫助決策和創造商業模式；對一般民眾而言，大數據是另一個自我，它可能比本人更了解本人，為你預先解決每個未知，當一切都開始數據化，你能夠不需要數據嗎？
Q：大數據一定要很大嗎？
A：雖然大數據的狹義定義是，資料量要在100TB到PB之間，但其實絕大多數的企業，都不符合這個標準，大企業如eBay、亞馬遜或AT&T或許符合大數據的標準。但其實資料量只是大數據的其中一個面向，大數據揭示的是一種「資料經濟」的精神，而非只是「大」。
「大，是大數據中最無趣的部分。」天睿資訊（Teradata）首席技術長寶立明（Stephen Brobst）認為，企業真正要尋找的是非傳統的、而且未曾被挖掘過的資料，並且從這些資料中去提煉出價值，這才是對大數據應有的正確認知，而非只是執著於資料大小，只要能從看似毫無意義的數據礦坑中挖掘出金礦，有誰會在意那座礦坑原本是大得像座山還是小得像狗屋呢？和沛科技創辦人翟本喬就指出，大數據這個名字容易讓人誤導，因為真正重要的其實是大智慧。大數據不只是說資料量有多大，速度快和資料量大都可以用技術輕易解決，但種類（Variety）比較需要智慧。
Q：沒有大數據就不能用大數據嗎？
A：非也，建置大數據架構與環境的確所費不貲，一般中小企業通常無法輕易投入鉅額成本，但大數據時代的精神在於如何妥善利用既有或非傳統資料，從中挖掘出新商機，因此即使是中小企業甚或者是新創企業，都能在大數據時代用「大數據」。
就技術面來說，現在有許多業者開始提供建置成本較低的大數據處理工具和雲端系統，有些甚至跟App一樣，只要根據自身需求挑選需要購買的功能即可，例如科智提供的工業化數據管理工具即為一例。另一方面，很多時候中小企業其實不需要建設大數據系統。中研院資訊科學研究所研究員陳昇瑋即指出，在絕大多數情況下，大數據專案其實不需要建置Hadoop系統，特別是台灣的社群媒體沒那麼發達，而是直接採用國外的居多，資料都不在自己手上，與其盲目追求技術和工具，不如先用小量資料去驗證一個概念，是否能將資料轉換成商業機會，再來決定要不要建置大數據的作業環境。
大數據領域權威麥爾苟伯格（Viktor Mayer-Schönberger）在《大數據》一書中便提及，大公司有巨量資料的規模優勢，但小公司有成本及創新上的優勢，小公司因為速度夠快、靈活度高，就算維持小規模，還是能夠蓬勃發展。
Q：我要怎麼開始進行大數據專案？
A：設置專門統籌大數據專案的部門和職銜是第一步，而且層級越高越好，企業領導人必須足夠正視大數據的力量，才能帶動整個組織重視數據的文化。Etu負責人蔣居裕便指出，大數據其實是管理問題，而非技術問題，缺少跨部門協作，大數據專案很難有個美好的開始。
第二步，切勿陷入大數據迷思，與其急著想用數據變現，不如先回頭看看自己企業內部的問題為何，先定義問題，再試圖用數據找解方。阿里巴巴集團副總裁車品覺建議，與其整天想著大數據，不如先整頓自己企業內部的數據，很多時候光是企業內部的數據就問題叢生，不同部門之間的數據無法相容，「整個數據在一個中小企業裡面也是四分五裂，在這個地方沒做好的情況下，居然說你想用大數據，其實是有點難以理解。」
當大數據充斥各種場合，從馬雲到釋昭慧都侃侃而談，你還能不懂什麼是大數據嗎？你也許已經聽過無數的大數據神話，但對於大數據仍停留在一知半解階段，《數位時代》專訪各大大數據專家，整理出你最應該知道的大數據十問。
Q：大數據從哪來？
A：任何地方。隨著物聯網興起，任何以前不可能產生資料的東西或地方都可能「資料化」。天睿資訊（Teradata）首席技術長寶立明認為大數據的發展可以分成三階段，正說明了大數據的來源多樣化：.com時期、社群網路時期和物聯網時期。早在2000年初網路熱潮興起，人們就已經開始研究log資料，蒐集使用者的cookie和搜尋行為等。而社群網路如Facebook或Twitter將人們的互動關係數據化，這些社群數據創造了大量的商業價值。而第三階段物聯網時期，可能是最有趣的階段，無論是機器還是人都開始被數據解構，數據可能來自手錶、鞋墊甚至皮帶，這些物聯網數據將是接下來重要的數據分析對象。
Q：大數據有什麼風險？
A：傳統商業分析會有的風險，大數據也都會有，這並非大數據才有的問題，「個資安全問題」一直都存在，只是隨著資料來源越來越多且資料量越來越大，資安問題更顯迫切罷了。市場研究機構Gartner研究副總裁布萊恩（Brian Prentice）指出，大數據本身並沒有資安問題，問題在企業應用資料的方式，Gartner預測2018年，企業違反商業倫理的案件中，有近50％都來自不當的大數據應用。
另一值得關切的是大數據可能帶來的「資料獨裁問題」，根據大數據領域權威麥爾苟伯格（Viktor Mayer-Schönberger）的說法，資料獨裁指的是任由資料來管控我們，盲目受到分析結果的制約，導致濫用或誤用資料。例如根據數據分析將人群分類，其實有可能會把個體給標籤化，甚至污名化某些族群，想像未來若我們用數據預先打擊犯罪，那會是什麼情景？
Q：Big Data和Open Data有什麼不一樣？
A：開放資料（Open Data）是大數據的一種，但大數據不等同於開放資料。開放資料是指將原本受私人組織或公部門管理的原始資料無條件地開放出來，供任何人使用。近年來討論度較高的是公部門的原始資料，許多民間團體主張公部門資料本為民眾所有，除非涉及個人隱私，否則公部門應無條件開放資料，讓民間可以介接資料，除了瀏覽，還可以加值應用。
對新創企業而言，開放資料是非常好的資源，當創新遇上開放資料，很可能激起無盡想像。例如李慕約有限公司創辦人李慕約就利用政府開放的農產品即時價值資料，設計出果菜花終端機，用視覺化的圖表呈現農糧署累積近20年的資料。
Q：什麼產業特別需要大數據解決方案？
A：根據Gartner的報告，媒體傳播業、銀行業和服務業最早導入大數據，保險業、零售業和醫療照護業預計在兩年內導入，但阿里巴巴副總裁車品覺指出，以後任何一種產品或服務都潛藏著巨大的「數據化」潛力，企業需要加強對數據的重視，更加注重數據的蒐集和整理工作。
根據《大數據@工作力》一書作者湯瑪斯．戴文波特（Thomas H. Davenport）的說法，他根據資料量、所有權和資料應用程度，將產業分成高成就者、資料劣勢者和低成就者。高成就者是那些擁有大量數據，而且已經展現出優異的數據分析成果的企業，例如消費性商品、保險業者、互聯網公司、旅遊、運輸和信用卡公司。在所有互聯網公司中，又以電子商務業者對數據的應用最直接和強烈。以全球最大的電商平台阿里巴巴為例，阿里巴巴假貨問題向來猖獗，但透過分析商品文字、圖片描述、權利人投訴，甚至是社交媒體等16種維度的數據，結合大數據打假貨，現在阿里巴巴有90％以上的下架商品都是大數據系統主動出擊發現的。
而低成就者是坐擁大量資料，但因法規限制或思維僵化等原因，還沒利用數據變現的產業，如媒體、電信、銀行和零售，但其中仍不乏已開始使用數據的例子。例如大型零售業者卡特琳娜行銷集團（Catalina Marketing）就藉由分析超過1億人的消費紀錄，結合旗下5萬5千家零售店舖的POS機資料，交叉比對顧客的消費紀錄，針對顧客的消費喜好發送優惠券，提高行銷效率。
資料劣勢者則是手邊資料不多，或是雖有足夠資料，卻缺乏完整結構的業者，也較缺乏資料分析能力，例如許多B2B公司沒有辦法接觸到第一線的消費者，而是提供服務給下游廠商，致其先天上就沒有第一手資料。值得注意的是，醫藥機構雖然被戴文波特列為資料劣勢者，但這是因為美國的病歷電子化程度低，不若台灣擁有全世界最完整的國民健保資料庫，因此台灣的醫療機構應是低成就者，而非資料劣勢者。
Q：大數據的商業模式是什麼？
A：大數據的商業模式大概可分成幾種：一、從既有數據變現；二、以數據提升企業競爭力；三、以數據做為服務的基礎與核心，用數據顛覆傳統行業。
模式一，數據本身即為產品或根據數據制定行銷策略、改善產品。例如美國運通讓持卡人與自己的Facebook帳號連結，持卡人成為美國運通粉絲團粉絲後，美國運通會依據會員在Facebook上的活動，提供相應的優惠措施，結合社交數據和會員資料，就是為了提升消費者辦美國運通卡的誘因。
模式二是藉由數據提升競爭力，這類的大數據專案成效較無法直接反映在營收上，而是反映在提升內部工作效率或降低決策成本上。例如許多人都知道LinkedIn透過數據精準推薦職場人脈給用戶，卻不知道LinkedIn在公司內部推出數百款數據分析產品，幫助內部員工提升工作效率，其中Voices就是一款能將LinkedIn客服內容，在1分鐘內快速生成分析報告的數據分析工具。
無論是模式一還是模式二，其實都有掌握過去、預測未來和防患於未然的共同點，只是一個應用層面是對外，一個對內，這兩種模式常見於既有的企業。但模式三，也就是以數據做為業務核心的公司，這些公司生來就是要來顛覆傳統行業，它們打從開業的第一天起就把數據當做業務核心，叫車App Uber和防詐騙電話App Whoscall是最好的例子。
資料來源:《數位時代》第251期
留言列表
生技醫療產業 (1)