【大數據MarTech X 數位轉型】大數據應用，你在哪一階段？

大數據分析，這個名詞大家應該聽多了，但是每個人因為學習歷程的不同，可能想的都不一樣。

七年前，大數據開始在台灣被熱烈討論。有一位流通業的教父級人物就說，大數據我們很早就在用了啊！早期的便利商店 POS 機有 10 個鍵，白鍵與粉紅鍵各 5 個，分別紀錄男女購買者的年齡層，這是早年的大數據。

大數據可分為兩大類應用：商業分析與預測分析，這位流通業教父說的是商業分析大數據。商業分析與預測分析隨著時間與科技進步，分別演化為兩階段：描述型分析與診斷型分析、預測型分析與指示型分析。

描述型分析

幫我們理解過去發生了什麼事？（What happened？）例如品牌的目標對象樣貌、平均客單價、消費支出差異等等。所以有了平均數、眾數、標準差等指標，傳統統計學的就是這些。

診斷型分析

幫我們釐清事情的因果關係為何？（Why did it happen？）這當中最容易理解的是因果關係，例如兩個事件有關係，不代表有因果關係。例如疫情爆發期間，日本料理生意最差，事實上疫情剛好爆發在冬天，天氣冷人們本來就少吃日本料理。從數據來看，這兩個事件有關係，但是卻沒有因果關係。

以上兩種分析方法，在管理上常用大數據分析工具如 Tableau，製作成儀表板（Dashboard）來表示，讓經理人可以即時掌握指標的變化，若有必要也可以一層一層深入探究變化的原因。

預測型分析

顧名思義是在幫我們判斷未來可能發生的事件。（What will happen？）主要是應用演算法學習過去的數據，再結合現在的數據，做出未來預測，這樣的概念被泛稱為 AI。例如銀行判斷一筆交易是否為盜刷？醫生判斷一位病人是否罹癌？企業該推薦會員購買何種產品？

指示型分析

與預測分析類似，最大的不一樣就是預測後提供多個選項，使用者可自行選擇。（What should I do？）結合了商業邏輯、機器學習（預測分析演算法）及推薦引擎，做出方案建議。例如導航系統會提供使用者最快路徑、最短路徑，以及行走高速公路方案。

以上兩種分析方法，需要導入較高階的大數據分析工具如 SAS Viya，進行數據預測模型的建立及預測，並提供經理人更多的建議。

目前全球的數據只有不到 20% 被利用，主要是應用前兩種商業分析方法，只有少數的互聯網網公司、大型企業，採用更高階的預測分析方法。預測分析雖然含金量更高，屬於高知識密集及人才需求，需要時間學習、培養。

大數據科學，揭開了很多過去認為神聖工作者的神秘面紗，例如廣告公司的創意總監提出的創意沒有人敢挑戰、雜誌的總編輯認為自己的文章最受歡迎，但是來到數位世界，你的創意、文章受不受青睞，30 秒見真章，不需要再爭的面紅耳赤，企業如果善用大數據做決策，快速有效，團隊和諧。

做為一位大數據的推廣者，我也要持平的說，大數據是根據過去及現在的數據做決策，在穩定的環境中非常有用；但在動盪的時代、競爭激烈的市場，大數據也常常失準，這也就是擁有 Domain Knowledge 專家，結合大數據，才能發揮真正的商業價值！

與作者交流：https://reurl.cc/xOvzeN

延伸閱讀

【大數據 MarTech X 數位轉型】企業數位 IQ 決定轉型成敗
【大數據 MarTech X 數位轉型】2022 年，MarTech 驅動品牌再成長