四個關鍵步驟進行QBQ在海量資料的應用

本文作者：黃怡菁 樞紐科技顧問(股)公司　執行顧問
　　早期談到資料庫採礦，最常舉的案例是「尿布與啤酒」的真實案例，故事同樣是發生在零售業，全球最大的零售商Wal-MART 經由長年的資料分析，發現每到周五晚上，啤酒的銷量會隨著尿布的銷量而增加，這是代表喝了啤酒，半夜不想起來尿尿，而多買了尿布?還是每到周五夜晚，太太就會囑咐先生幫嬰兒買尿布，而老公則會順手帶啤酒回家喝?如果是這一種情境，老公還會順便帶甚麼產品回家? 所謂海量資料（Big Data）是指現今社會的各種資料量愈來愈大，以社群網站Facebook為例，每天約上傳3億張照片、25億則發文、被按27億個「讚」，資料量相當驚人，而這些資料中，除了分析出關聯性之外，還可以創造出甚麼?目前IBM 、甲骨文、Google、微軟、亞馬遜等科技大廠，都已從各個不同角度切入，積極擁抱Big Data的未來商機。而民生產業的企業型態，正是Big Data的最佳應用者。除了積極介入使用社群網站的海量資料（Big Data），亦可開始蒐集屬於自己企業的海量資料(Big Data)。例如，鋪貨到不同的賣場，不同口味的產品銷售量使否有關聯性?如果發現有關聯性，如何找出QBQ(Question Behind Question)?
　　第一：蒐集數據，利用雲端概念，積極布局蒐集公司內部資訊與公司外部消費者資訊，如果無法釐清盤點公司內外能夠有哪些有意義數據的蒐集，亦可委託專業顧問進行諮詢盤點。
　　第二：多變量分析，過去的數據分析，多侷限於單變量分析，難以解析多變量的情境，而現實狀況，仍存在多變量的效應，例如巧克力生產製程中，充填與冷卻的條件會影響貯存條件，而進料的濕度，又影響著充填的條件；會有多個應變數對應多個自變數，而自變數可能又是別的自變數的應變數。(歡迎參考食品資訊251期 p.36 利用先進的數據分析來解決食品製造的品質問題)
　　第三：情境分析，是SRI(SRI International is an independent, nonprofit research institute)早年針對科技預測所發展出來的方法，基本上具備6個步驟1.界定決策焦點2.認定關鍵決策因素3.分析外在驅動力量4.發展情境邏輯骨架5.完成情境內容6.分析決策涵義，透過焦點小組的手法，進行情境分析。
　　第四：驗證結果，針對第三步驟的分析結果，進行實際情況的小量驗證，以證明我們所觀察到的QBQ是否為實際狀況。以尿布與啤酒的例子而言，可能發掘出來買尿布順便買啤酒的父親，因為自我歡樂的愧疚感，進而採買高單價的尿布商品，或者因為預備與寶寶共享周末，而採購寶寶玩具或相關零食。
　　如果能夠善於應用QBQ在海量資料的應用，就能自行開發藍海市場，不用再用cost down來提升競爭力，而是實實在在的以增加附加價值的概念來提高營收。如果，總產值不好，就算做到市場占有率的NO 1. 借用連勝文的一句話，爭個你九袋長老、我十袋長老，說到底爭贏了，充其量也不過只是個「丐幫幫主」。