大数据！然后呢？厚数据时代的来临

大数据（Big Data）热潮是这几年产业界最夯的趋势话题，网路社群媒体的兴起，更推波助澜这股热潮，以为买了网路社群的大数据资料，就可以掌握消费者行为脉动，让行销活动无往不利，仿佛市场立即化作可取予求的宝山，这股数据掏金热让政府及许多企业趋之若鹜，纷纷投注资源于社群媒体的搜集与购买，幻想着抢先一步从中淘筛出最大的黄金。

但，大数据真的是这样吗？

将排山倒海的社群媒体资讯导入企业决策者们的电脑中，希望从琳琅满目真假难分的数据中，找出一条能带领企业脱离困境轻松获利的康庄大道；却发现原本想用来解决问题的大数据，创造了一个满是数字迷魂阵，一头栽进去很能找得到出口。

其实大数据的应用，着眼点并不在「大」量的数据，而是在「人」如何看待数据和让数据说话。

真正有用的数据不一定要花大钱从外部购买，毕竟买回来还要花大量的力气去阅读消化，还不如先从公司内部累积的精准数据和经验着手，看能不能重新找出正确的分析观点来解决问题。

先从小而准的数据开始

在进行数据分析时，数据准确度的重要性比数据量的大小重要，我们可以依数据性质分为三类：小而准（Small and accurate data）、大而乱（big and messy data）、开放数据（opendata）。

其中，小而准的数据如公司内部POS 交易数据，准确而清楚；大而乱的数据则像是从网路社群媒体抓下来的数据，还需要结构化统计整理出意义；开放数据像是天气、人口普查之类，则可以从政府机关的资料库提取。

在资料进行分析之前，我们都必须先思考我们面临的问题是什么？从问题中思考解决的方案，提出观点，再从资料分析中佐证。数据量越大，不确定性越高，所需要进行分析或排除的手续也相对较多，若我们能用小而准的数据进行分析比对，发现问题想出解决方法，一定会比从大而乱的资讯中找答案来得省时省力。

大数据时代，竞争的是解决问题与决策反应效率

一般大数据的特性， 大家耳熟能详的多半是四个V： 数量大（Volume）、速度快（Velocity）、多样性（Variety）、和不确定性（Veracity），但大数据存在的重要意义，也就是第五个V—价值（Value）却常常被人遗忘。

行销专家指出，前面四个V 都是在描绘大数据的样貌轮廓，第五个V 则是提醒，大数据需经过清算整理后，才能够为行销人或决策者带来贡献。所以大数据的使用重点，绝非资料量多大或资料取得管道多么特殊，而是资料创造多少价值。

用一般精准的小数据就能解决的问题，何须大费周章投入大量资源和成本相对较高的大数据？人们往往被大数据字面上的「大」所误导，以为数据量就是要大才会有效，殊不知关键是数据必须能够被衡量掌控，以小而准的数据为基础，视情况进行不同类型的数据之间相乘与重组，才是明智的大数据抉择。

能否用大数据的观念，将手边的数据迅速的转化成正确决策与行，比「快」还要比「准」，将是大数据时代接下来的重要课题。

大数据之后，厚数据（Thick Data）时代的来临…

「数字会说话」或许是大数据时代最常听到的口号，但美国当代统计预测鬼才奈特席佛（Nate Sliver）提醒我们：「数字没办法为自己说话，是我们在为它们说话，我们赋予它们意义。我们可能会用对自己有利的方式来解释资料，让资料脱离客观的现实。 」

大数据，不是单纯以数据多寡或来源来决胜负，而是要依靠「人」根据数据的结合与交叉比对形成的「判断」或「预测」准确与否来决胜。尤其在行销领域中，大数据大部分都是在处理与人有关的数据，而不是没有生命的物质。大数据行销背后代表的，是人的行为模式与需求，因此不能单纯只靠数字或统计来做判断的依据，必须更深入地思考品牌、商品和人之间的关系，而这样的思维将会是下一个厚数据（Thick Data）时代的开端。

所谓的厚数据与强调数据规模的大数据不同，厚数据更重视人和产品或产业数据间的深度与情境，好的数据观点，也往往是从厚数据产生，而非大数据。厚数据强调深入使用者情境，需要厚实的产业知识或经验为底，透过厚数据，将产业产品与消费者做更紧密的连结。

未来的大趋势，若只单纯从现有的大数据发现和判断，过度信任数字呈现结果，将很有可能造成误判。若能透过深入使用情境，探知自消费者需求影响而成的未来产业发展趋势，方能展现厚数据的重要价值。