大数据的核心，是要分析

甚么是Big Data？甚么不是Big Data？这个问题没有标准答案，各家有各家的说法，但大同小异。

大数据其实就是科学化算命！或有人称为事前诸葛，随着大数据兴起，预测算法已无所不在，导致对于未来的预测会变得非常简单—只要你搜集的是适当的信息。但收集的数据不是未来的，你无法收集未来的数据，是针对现行过去数据找出模式后，预测未来的数据发生率。

台湾被列名为全球第三名无知国家，「台湾的无知不是缺乏信息，而是无法掌握有用的信息和聪明的运用信息」在场的企业家朋友说，台湾目前所面对的问题，是信息愈来愈多所造成的「知识障碍」。他说，就好像一个人吃了很多食物，却不一定吃得到真正的营养。太多的信息让人不知该如何选择和吸收，特别是对经商的企业界朋友来说，信息就是调度和运用资源的依据。

马云曾说大数据正开启从信息 (information)科技(IT)转向资料(data)科技(DT) ，但你必须要能让数据data变成信息information再变成知识knowledge最后变成企业智财intelligence，这才是一个企业面对大数据时代真正的意义！

马云说未来卅年，数据作为新能源、计算作为新技术，会先后引发新零售、新金融、新制造和新文化的变革。未来是新零售、新制造、新金融、新技术与新能源的天下。

基本上这套技术和传统的统计抽样、问卷调查、访谈等完全不同。传统的统计总是来自抽样，所以不是「大数据」。但是大数据或大数据仍然需要分析。数据分析解读这阶段的人力是无法被AI取代的。发展方向将来自数据分析、数据则来自好奇、分析则来自适当的工具。大数据的时代，数据量会越来越多，企业需要的是经过分析的数据解读的能力，亦即数据经济时代来了。

「数据多或者数据收集本身不是王道，如何分析才是价值所在，从巨量数据中找出企业自身要的资源或问题」。

然而讲起大数据，有两个主要误解，第一个是很多人可能会说，这是大企业才玩得起的，但是实际上中小企业观念正确了，藉由适当的工具，不用高成本就可以透过大数据分析找问题或找方向或找方案；第二个误解则是误以为只有通路可以获得大数据，但实际上，每家企业只要有在纪录企业经营者(手边的各部门数据)，就可以进行大数据分析了，也就是为何我们认为中小企业一样可以进行。

从IT(Information Technology)到DT(Data Technology)的趋势变革，大数据运用成为显学，但是运用大数据其实有两个先决条件，一是必须建立解读数据的机制，回馈到管理阶层，作为决策的依据；其次是容错，数据取得需要成本，管理的成本要建立起来。对我们来说，数据分析必须指向实用结果，例如如何做营销？或者产品如何设计？或者经营方向如何调整…等等。

英国牛津教授/大数据作者麦尔荀伯格说，以前科学家是先提出假设，搜集资料后再去做分析。若是数据显设的结果不对，往往会再去寻找另一批新的数据来验证自己的假设正确。但是在大数据的时代，不用先提出问题，可以用大数据数据分析，再检验分析出的结论是否是答案。 科学化品牌经营法与传统品牌经营最大的差异即在于「明确掌握度」 在信息爆炸的时代里，企业欠缺的不是资料，而是藉由分析大数据、运用大数据快速做出精准决策的能力。新世界的竞争法则，不是大鱼吃小鱼，而是「快鱼吃慢鱼」，能快速导入最新科技，帮助营运效率提升的企业，将成为最后赢家。

「数据有没有价值，不是由你认定」，大数据可以是一种软实力。

不少大数据分析的工作瓶颈，是无法取得自己公司里头的数据，可能原因很多，包含企业尚未认清数据为企业资产，而非各部门拥兵自重的资产。

如同土地是农业时代的原料，铁是工业时代的原料，而数据则是信息时代的原料。

「数字会说话，但骗人的往往也是数字。」

大数据的特色就是数据量大及维度高，当数据维度高于五或十以上，通常就已超出人类的归纳能力。例如，给你某超市1,000件商品的销量，人类无法依赖视觉图表，归纳出表现好的商品是因为售价、质量、包装、品牌、货架位置、广告、营销方式、折扣、口碑，或是销售员的推销造成的。

同样地，某公司1,000位员工的绩效，人类无法单纯基于图表以员工的性别、年纪、求学历程、在校成绩、就业历程、升职/加薪记录、差勤记录、年资、考核、同侪评价、与同侪/客户的互动等，来预测员工未来的表现及离职可能性。

一般通路商(零售商)想要的大数据在于四个阶段：消费者决定模式®消费者采购模式®消费者移动模式®消费者影响力模式®循环至第一阶段；而一般制造商想要的大数据在于四个层面：市场趋势/消费趋势、研发数据库与预测、品管数据库与预测、营运数据库与预测。而这些资料有些在通路商与制造商之间可以流通，有些则不能，因此，我们很确定的告诉各位品牌商或制造商，你不能只依赖通路商喂数据给你，而且通常通路商只会提供你品相关的数据，不会给你真正的大数据，这一定要靠你自己。

任何数据分析如同人在做健康检查时收到的报表一样，只是针对经营上过往的行为或数据做了数据的搜集，若想要有效转换成特定业绩或效率的提升，还需要仰赖人的解读并提出改善建议。这也是在我们过往谈到未来机器可能取代许多人的工作时，最难以被取代的一个环节：对于数据的洞见。

我们依据多年多变量分析的经验，有成熟的知识协助客户找未知的问题、可能的方向与有效的解决方案。

我们也有快速收集消费者对消费品感官反应的云端软件，协助客户找未知的问题、可能的方向与有效的解决方案。