大數據的核心，是要分析

甚麼是Big Data？甚麼不是Big Data？這個問題沒有標準答案，各家有各家的說法，但大同小異。

大數據其實就是科學化算命！或有人稱為事前諸葛，隨著大數據興起，預測演算法已無所不在，導致對於未來的預測會變得非常簡單—只要你蒐集的是適當的資訊。但收集的數據不是未來的，你無法收集未來的數據，是針對現行過去數據找出模式後，預測未來的數據發生率。

台灣被列名為全球第三名無知國家，「台灣的無知不是缺乏資訊，而是無法掌握有用的資訊和聰明的運用資訊」在場的企業家朋友說，台灣目前所面對的問題，是資訊愈來愈多所造成的「知識障礙」。他說，就好像一個人吃了很多食物，卻不一定吃得到真正的營養。太多的資訊讓人不知該如何選擇和吸收，特別是對經商的企業界朋友來說，資訊就是調度和運用資源的依據。

馬雲曾說大數據正開啟從資訊 (information)科技(IT)轉向資料(data)科技(DT) ，但你必須要能讓資料data變成資訊information再變成知識knowledge最後變成企業智財intelligence，這才是一個企業面對大數據時代真正的意義！

馬雲說未來卅年，數據作為新能源、計算作為新技術，會先後引發新零售、新金融、新製造和新文化的變革。未來是新零售、新製造、新金融、新技術與新能源的天下。

基本上這套技術和傳統的統計抽樣、問卷調查、訪談等完全不同。傳統的統計總是來自抽樣，所以不是「大資料」。但是大資料或大數據仍然需要分析。數據分析解讀這階段的人力是無法被AI取代的。發展方向將來自數據分析、數據則來自好奇、分析則來自適當的工具。大數據的時代，資料量會越來越多，企業需要的是經過分析的數據解讀的能力，亦即數據經濟時代來了。

「數據多或者數據收集本身不是王道，如何分析才是價值所在，從巨量資料中找出企業自身要的資源或問題」。

然而講起大數據，有兩個主要誤解，第一個是很多人可能會說，這是大企業才玩得起的，但是實際上中小企業觀念正確了，藉由適當的工具，不用高成本就可以透過大數據分析找問題或找方向或找方案；第二個誤解則是誤以為只有通路可以獲得大數據，但實際上，每家企業只要有在紀錄企業經營者(手邊的各部門數據)，就可以進行大數據分析了，也就是為何我們認為中小企業一樣可以進行。

從IT(Information Technology)到DT(Data Technology)的趨勢變革，大數據運用成為顯學，但是運用大數據其實有兩個先決條件，一是必須建立解讀數據的機制，回饋到管理階層，作為決策的依據；其次是容錯，數據取得需要成本，管理的成本要建立起來。對我們來說，數據分析必須指向實用結果，例如如何做行銷？或者產品如何設計？或者經營方向如何調整…等等。

英國牛津教授/大數據作者麥爾荀伯格說，以前科學家是先提出假設，蒐集資料後再去做分析。若是資料顯設的結果不對，往往會再去尋找另一批新的資料來驗證自己的假設正確。但是在大數據的時代，不用先提出問題，可以用大數據資料分析，再檢驗分析出的結論是否是答案。 科學化品牌經營法與傳統品牌經營最大的差異即在於「明確掌握度」 在資訊爆炸的時代裡，企業欠缺的不是資料，而是藉由分析大數據、運用大數據快速做出精準決策的能力。新世界的競爭法則，不是大魚吃小魚，而是「快魚吃慢魚」，能快速導入最新科技，幫助營運效率提升的企業，將成為最後贏家。

「資料有沒有價值，不是由你認定」，大數據可以是一種軟實力。

不少大數據分析的工作瓶頸，是無法取得自己公司裡頭的資料，可能原因很多，包含企業尚未認清資料為企業資產，而非各部門擁兵自重的資產。

如同土地是農業時代的原料，鐵是工業時代的原料，而數據則是資訊時代的原料。

「數字會說話，但騙人的往往也是數字。」

大數據的特色就是資料量大及維度高，當資料維度高於五或十以上，通常就已超出人類的歸納能力。例如，給你某超市1,000件商品的銷量，人類無法依賴視覺圖表，歸納出表現好的商品是因為售價、品質、包裝、品牌、貨架位置、廣告、行銷方式、折扣、口碑，或是銷售員的推銷造成的。

同樣地，某公司1,000位員工的績效，人類無法單純基於圖表以員工的性別、年紀、求學歷程、在校成績、就業歷程、升職/加薪記錄、差勤記錄、年資、考核、同儕評價、與同儕/客戶的互動等，來預測員工未來的表現及離職可能性。

一般通路商(零售商)想要的大數據在於四個階段：消費者決定模式®消費者採購模式®消費者移動模式®消費者影響力模式®循環至第一階段；而一般製造商想要的大數據在於四個層面：市場趨勢/消費趨勢、研發資料庫與預測、品管資料庫與預測、營運資料庫與預測。而這些資料有些在通路商與製造商之間可以流通，有些則不能，因此，我們很確定的告訴各位品牌商或製造商，你不能只依賴通路商餵數據給你，而且通常通路商只會提供你品相關的數據，不會給你真正的大數據，這一定要靠你自己。

任何數據分析如同人在做健康檢查時收到的報表一樣，只是針對經營上過往的行為或資料做了數據的蒐集，若想要有效轉換成特定業績或效率的提升，還需要仰賴人的解讀並提出改善建議。這也是在我們過往談到未來機器可能取代許多人的工作時，最難以被取代的一個環節：對於資料的洞見。

我們依據多年多變量分析的經驗，有成熟的知識協助客戶找未知的問題、可能的方向與有效的解決方案。

我們也有快速收集消費者對消費品感官反應的雲端軟體，協助客戶找未知的問題、可能的方向與有效的解決方案。