本文轉載自 聯合新聞網
數位化時代來臨，大數據已成為企業經營的顯學，更是人工智慧的基礎。透過大量的資料運算，電腦可以統整和歸納出一些行為的法則，展現出接近人類的思考模式。
到底該如何發揮資料競爭力？台灣大數據專家們提醒，大數據本身絕非萬靈丹，必須具備正確的觀念，善加利用，才能將資料數據的價值極大化。
綜合專家建議，本土企業可以依據以下五項觀念，來引導大數據的發展。
觀念 1：大數據遠比你想像的複雜
很多企業界朋友聽到大數據，腦海中想的可能是，「我全台灣有五百家分店，把這些客戶資料收集起來就好了。」但，真的是如此嗎？
91APP產品長李昆謀表示，其實蒐集數據本身就是一個大工程。以零售業為例，交易是最常見的資料，大多透過「銷售時點管理系統」（Point of Sale, POS）把銷售、庫存、發票、帳務等資料回傳。
但零售業的通路複雜，除了門市，還有線上平台。線上可能還分官網和APP，這些數字長得都不一樣，機器無法分析或理解。尤其愈是龐大或歷史悠久的企業，數據的分歧性愈高，也愈難整合。
除了數據很難有一致性，大量的數位化資料也需要龐大儲存和維護成本。
李昆謀指出，以往企業可能只保留近一年的營業資料，舊的就封存起來。但大數據時代必須要有長期及大量的資料累積。但是，當數據愈來愈大，處理速度、搜尋速度就會愈慢。
不僅已經發生的交易行為，處理起來很費事，更麻煩的是含金量高的「行為資料」，怎麼蒐集與分析解讀？
所謂行為資料，是指消費者在買單前的所有動作，看了哪些商品？停留時間多久？有哪些東西他丟入了購物車，最後卻沒買？行為資料代表了消費者的「意圖」。背後潛藏著相關的消費力，是價值很高的數據，但複雜度遠遠超過交易資料，要拿來儲存和分析，挑戰更高。
富盈數據總經理薛閔如舉例，假設網路上有一篇滑雪的文章，有一百個人點閱，其中有十個人把文章讀完，接著開始搜尋滑雪的裝備；有三十個人讀完就離開了；剩下的六十個人可能只停留極短暫的時間就離開。這三群讀者，各代表什麼行為和消費意圖？如果要在文章中投放廣告，應該推什麼內容最適當？
總之，大數據說來容易，卻從一開始就存在許多門檻。
觀念 2：以終為始，先訂策略目標再搜數據
企業要蒐集什麼資料、用什麼方式處理，最終目的都是商業應用。但是商業應用沒有定義清楚，就會摸不到頭緒。
凱絡媒體商務長陳顯立比喻，就像走迷宮，從終點走回來比較容易，這叫以終為始。
因為每個企業的階段策略目標都不相同，有些可能期望營收成長，有些可能追求下個世代的技術發展，對於數據資料的處理原則和應用模式就會不一樣。
本期封面故事提到Google地圖（Google Map）就是一個很好例證。它的商用目的是「推薦使用者最佳路線」，而不是告訴我們地址。所以使用者可以選擇交通工具（甚至是步行），了解轉車方式和路徑等等，這個才是數據能造成的產品獨特性和競爭障礙。
陳顯立強調，把目的先想清楚，可以讓企業在蒐集數據時更精準。以Google地圖來說，因為要做不同交通方式的建議，所以就要確認相關道路能不能騎機車？還是只能開車？可以走路嗎？如果不先想好這件事，把人或機車導上高速公路，除了造成很糟的消費者體驗外，還得重新蒐集資料，耗費大量成本。
曾任中華電信大數據總監、現任KPMG安侯企管公司副總經理賴偉晏建議，數據的應用要先針對企業的策略目標，再往下看各部門如何配合，釐清各單位要解決的問題，將問題排序之後，再回頭看數據資料如何支持。
觀念 3：大數據需要對的資料，一致性、正確性、可理解性是關鍵
大數據要在企業內生根，一定要做好內部管理。
例如很多零售業透過POS蒐集的數據十分雜亂。李昆謀建議可以從「資料源管理」做起，「如果沒有規範員工怎麼key in資料，怎麼能期望得到對的資料？」
所謂「對的資料」是指具備一致性、正確性，而且可以被機器理解。
「資料源管理」可以從兩個面向著手，其一是對員工的教育訓練，通常是門市第一線服務人員。這不是一件輕鬆的工作，很多服務人員會跳腳，因為要求變多、規範增加，自然會抗拒。但是主管必須堅持，因為這個關卡沒有做好，數據再多也沒有價值。
第二個面向是建立防錯機制（error-proof），讓機器來阻擋人為錯誤。舉例來說，行動電話必須是十碼；男性的身分證字號必須是1開頭，女性則是2開頭，如果不正確就會發出警示，而且無法繼續輸入，諸如此類。
賴偉晏則提出「共犯結構理論」。由於導入大數據是一項創新，很多企業甚至會成立新的部門，導致其他員工做壁上觀，或是被動承接別人交付的數據。但是，當多數人覺得事不關己，就很容易失敗。
因此最好直接把數據分析的工作連結在某一個部門，把數據和部門運作以及績效綁在一起，讓該部門理解，你未來的績效就是要靠數據產生。
觀念 4：不同業態的大數據，重點完全不同
所有資料的蒐集、處理都需要時間，企業經理人必須思考，這些資料要花多少時間提供價值？
陳顯立舉例，若一家3C通路商，想要了解筆記型電腦的銷售模式，蒐集了過去五年的銷售數據，再花一年時間訂定未來的策略，或許此時市場已由平板電腦取代，這些工夫就全白費了。
相對於3C通路來說，居家裝潢的產業受時間的影響就小得多，因為未來十年，消費者還是會刷油漆、買家具、處理漏水問題等等。因此考量自身的產業特性與數據的關聯性也很重要。
那麼3C通路該怎麼處理數據？陳顯立建議，可能要換個角度思考。如果蒐集產品發展的資料無效，何不嘗試蒐集產品的使用方法或使用習慣？例如大螢幕的手機，逐漸向平板靠攏了嗎？會不會需要鍵盤？
另外一個狀況是所謂的「精準行銷」。這可說是零售業的終極目標，最好是面對一萬個消費者能夠產生一萬種不同的推薦商品清單，達成完全的客製化。
但精準行銷換到另一個產業，就不一定適合。薛閔如表示，像富盈數據這種行銷科技（MarTech），就不希望掉進「一對一」的迷思。
因為過度的精準反而可能讓他們失去更多的機會。例如消費者在網路上閱讀某種內容時，背後可能有五花八門的動機，如果你的廣告類別不夠多，或許可以精準打中極少數人，卻丟失了大部分的潛在消費者。
賴偉晏則提醒，現在外界討論大數據，大多圍繞著B2C的產業，但其實製造業的成本撙節、品質管理，或費用分析，一樣也可以用到大數據，不要誤以為B2B的企業跟大數據不相干。
觀念 5：大數據充滿雜訊與錯誤，需要整理和清洗
很多零售業常有「會員數＝數據量」的誤解。李昆謀說，很多企業擁有數百萬的會員數，但實際的「含金量」卻很低，經常讓他們大吃一驚。原因有二。
第一，零售業在蒐集資料時，產生錯誤的比例非常高。不少會員資料，手機號碼缺碼、性別與身分證字號不符，還有一些不合乎常理的狀況，像是有人的出生日期填寫1900年，或是家住台北市忠孝東路10段，根本沒有這個地址，都是很明顯的亂填。
第二，號稱上百萬的會員數，可能已經累積了二、三十年，很大一部分是無效的「殭屍會員」；或是同一個人，卻在不同時間重覆加入會員，變成二個帳號，都必須剔除。
上百萬的會員，經過數據的「清洗」後，最後可能只剩下1％的有效資料。「很多品牌會員數都是虛的，企業必須認清這個現實，才能走下一步，」李昆謀說。
此外，許多數據也充滿「雜訊」，讓數據分析師傷透腦筋。薛閔如表示，這在社群網站裡很常見，像是大家常用的「XD」，一般認定這是代表「笑」的符號，但呈現的是正面或負面情緒？有沒有可能是諷刺或嘲笑？社群媒體中有很大比率是屬於這種不確定性的雜訊，真正有價值的資訊可能只有5％。
「大家都覺得社群媒體的數據很重要，其實社交訊號是最『髒』的一池，」薛閔如說。
資料該怎麼有效取得，整理後產生價值，已是目前各行各業共同的挑戰。就如同李昆謀所說的，「你知道山裡有金礦，但你要怎麼把它挖出來？」這顯然不是一個簡單的任務！