大数据与商务运营：从商管与技术的双面观点

 大数据如今已经成为最新的竞争趋势，原因在於数据数量汗牛充栋，所以也让整个世界之间异常通透，影响范围无远弗届，企业必须要随时留意那些业务受到大数据的影响。

    如健康照护服务及定位数据如果加以混搭，虽然可以提供更进一步的价值，但如何说动使用者开放或分享，其实需要更细致的说服过程。此外，大数据分析所呈现的世界，客户需求会更加清晰，但市场区隔也会变小，产品及服务必须要更加客制化。

    许多蒐集数据的工具或技术，如感测器、通讯装置、解析软体的价格不断下降，形成物联网与数位油田的世界绝非梦想。但数据分析技术愈精细复杂，决策考量虽然也会更加全面，可能遭遇的风险也会变得比较小，就连美国也缺乏分析人才，而且在扩大大数据管理的同时，会不会反而取代原来的管理，也是必须注意的课题。

    尽管如此，大数据分析仍会为企业带来许多机会，可以洞察出原本被隐藏的资讯，进而做出更明智的决策。例如消费者在购物网站上的点击串流，与社群网路资讯结合起来，会形成更可靠的推荐品项；或是蒐集各地天候与土壤数据，以评估地域特殊性层级的农作物风险等。

    如果能将数据分析融入作业流程中，甚至可能帮助企业进行自动化决策。如麦当劳的高速影像解析系统，可以直接提供管理者所需要的作业资讯，随时进行调整，而不用再像过去一样，依赖色纸与卡尺来控制产品的品质。

    透过大数据分析技术，更可看到过去可能看不到的资讯，如电邮、保证卡、客服电话录音、医嘱及来自社群媒体及政府的公开数据等，都可能为企业带来更多的商业价值。

    但企业的商业模式，也会因为大数据分析而有所改变。指出，企业要开始思考，可以通过什麽方式或途径来赚钱，如何运用大数据产生差异化的产品或服务，例如企业是否能够依天气型态、付款量与热销商品类别，协助供应商适时发现真正的需求。

    从目前云端或大数据有关的创新应用案例中，解决方案的发展趋势有下列几点，首先就是有能力整合结构性及非结构性数据，尤其是非结构化数据，重要性正在与日俱增，但由於不是每个使用者都熟悉工具的使用，因此应用介面一定要做到简单化，而且要能善用开放数据及群众外包(Crowdsourcing)的资源。

    应用大数据的产业类别，目前以零售、健康与医疗、城市与运输、制造业、金融服务业为主，如果想要发展大数据服务创新，当务之急就是要设法培育数据分析人才及导入云端服务。

    企业如果想要建立与大数据相关的商业模式，一定要先建构出传递数据的网络，以适地适时的传递数据，并加以整合、交换、重组。重点在於何种商业模式适合企业当前的组织，才能迎向下一波潮流的康庄大道。

    企业如果想要运用大数据建立商业模式，在解决方案的使用技术方面，储存与实现技术都要兼顾，而且储存数据的技术最好能够朝向分析的方向迈进；其次是数据类型，虽然非结构性的数据类型居多，但仍需要设法与结构化数据结合，因为许多演算法只能处理结构化数据；最後则是要有更多的数据解析任务类型，包括叙述性统计分析、(即时)预测建模、集群、推荐系统、声纹分析及线上广告等。

    企业要建立大数据商业模式，必须要与许多合作夥伴共同承担风险，而且形成规模经济後，才能掌握相当的自主策略控制与更大的收益潜力。

    至於大数据业务的的获利方式，往往需要取决於数据的客制化程度，以及分析出来的数据与客户的关系，才能让客户掏钱出来。如何做好数据建模，变得相当重要，需要融合统计、机器学习、作业研究(运筹学)等各种领域。

    以文字数据探勘的过程为例，数据分析的过程常常需要相似性衡量，依此找出真正有价值的资讯。指出，数据科学的通用手法，除了要能明确说明理论与模型外，假设较少的机器学习的领域也需要加以注意。而模拟与数学规划是常用作业研究工具，建立模型规格，并运用模型产生数据、预测值或推荐。

    大数据其实也潜藏着许多虚假与危机，所以一定要做好数据前处理的工作，以及慎选适合数据性质的模型进行分析。这些要务先要有优质、开放及灵活的工具，才能具体实现各种创意，并做到跨领域且抓住知识的源头，才能深入数据价值萃取的核心。

    最後强调，企业只要「一」心向着数据理解的根本要务前进，精通至少「两」种弹性的分析工具，掌握统计、机器学习与运筹学等「三」大类模型，就可大步迈向数据驱动的决策厘订新纪元。