强化企业Big Data应用能量
- DIGITIMES企划
-
近几年来，「巨量数据(Big Data)」从原本仅是Google等少数网络业者钻研的技术项目，一跃成为众所追逐的宠儿，实与美国百货业者Target缔造的「比父亲还更早知道女儿孕」奇闻息息相关；由此可见，不管Big Data是否放诸各行业皆适用，至少诸如零售、金融等面向大量消费者的产业，肯定能够从中获益。
许多IT议题，之所以从名不见经传，经过震天价响的炒作过后，成为人人争相簇拥的神主牌，并非涉及到多麽了不起的技术，而且透过相关技术或工具所衍生的效益，委实太让人怦然心动。
就多年以前由Wal-Mart缔造的「啤酒与尿布」故事，以当时人们普遍拥有的技术水平而言，真的可谓惊天动地的大发现，从此也掀起商业智能(BI)的阵阵热潮，因为大家心知肚明，倘若能够从看似风马牛不相及的事物中，挖掘出不为人知的彼此关联性，必将能产生巨大商业价值。
事实上，意欲探究啤酒与尿布不同商品之间的相互影响关系，只需将数据库里头的交易记录捞出，一个月做一次交叉比对，即可获知个中奥妙，其间所牵涉的数据结构很单纯，数据量很有限，分析频率也不高，与现今巨量数据诉诸的大量性(Volume)、多样性(Variety)与速度性(Velocity)，存在极为显着的层次落差，这也就是若干年后Target神准侦测顾客的怀孕指数，会更加骇人听闻的原因，并且将Big Data热潮推向更胜于以往BI或数据探勘所不及的高峰。
Target怀孕预测模型 堪称巨量数据活教材
Target如何预测女性顾客怀孕？乃是归功其长期研发的怀孕预测模型，且反覆进行测试，后来发现，大约有25种商品，譬如乳液、无味香皂、棉花球、钙片、内含锌或镁的营养补充品…等等，背后的采购动机，无形中都与怀孕症候高度关联，因此当侦测到女性顾客密集出现相关采购行为，且购买的数量逐步扩大，即可据此推估该顾客已经出现怀孕现象，甚至知道已经怀孕多久。
当然，做巨量数据分析，绝不是游戏一场，更不是只为了满足自己的成就感，当然必须犹如老前辈将啤酒与尿布等商品摆设在一起，借此创造若干商业利益才是；于是乎，当Target预测到某顾客怀孕，便会随即启动行销措施，根据不同的怀孕阶段，寄送相对应的促销折价卷，以期进一步触发其采购慾望，带动商品销售量的提升。
事实证明，在启动数据分析、终至展现成效的前后不到8年，Target的年营业额，从原本不到450亿美元，一路攀升到将近700亿美元，这般成长幅度对于其所身处的百货零售业，的确让人垂涎不已。
持平而论，Target运用巨量数据分析技术，精心产出怀孕预测模型，绝非短暂时间内的神来一笔，其实已历经多时琢磨，背后也动员了许多数据分析专才。
巨量数据应用价值链 不仅止于技术或系统
这个例子，究竟可为台湾的百货零售业主，甚至是其他面向大量顾客群的企业老板，带来何等启发？经过专家分析，大致有几点结论，第一，企业主必须深切了解巨量数据的定义，并剖析它对于自己乃至于同业，可能带来哪些机会与挑战；第二，无论透过何等技术或系统来推动巨量数据应用，都绝非闷着头盲目硬干，而是能够确实掌握，这些技术或系统究竟能帮自己获得哪些洞察力；第三，当企业主确实获得若干洞察，此时即需审慎进行沙盘推演，评估自己的商业模式究竟需要做何调整，才足以一步步航向市场蓝海，以及当商业模式改变后，自己与同业对手之间的竞合关系，将会出现何等变化。
第四，为了持续有效驾驭巨量数据应用，企业必须研判，后续需要延揽具备哪些能力的人才加入，更重要的，亦需思考如何透过有效的方式，扭转企业组织积习已久的文化，好让不同阶层的决策者，能够抛开过往凭经验、靠直觉的决策产生模式，真能懂得让凡事都交由数据来说话。
专家提醒，巨量数据应用是成或败，关键绝不在技术或系统，只因这些充其量仅是辅助企业养成洞察力的工具，工具就是工具，若缺乏足够的能力予以驾驭，坦白说连一点价值都没有，因此企业必须正视人才、能力、组织文化的养成，唯有这些软实力通通到位，看似生硬艰涩的工具才能被驾驭、被活用，继而从看似垃圾的数据提炼出黄金。
但可别以为Target的怀孕预测模型，只有正面效益、别无负面冲击，事实上，对于多数女性顾客、甚或其家人而言，怀孕实属个人隐私，在正常情况下，确实不容任何人擅自侵犯，主因在于，任谁都无苟同自己的一举一动，无时无刻都落在厂商的监视范围内；而Target根据怀孕预测模型启动行销活动的做法，似乎也踩到了许多顾客心目中的红线，一旦见猎心喜、操作过当，反倒徒然伤害顾客情感，最坏的情况，恐让好不容易萌芽的商业契机，因而被摧毁殆尽。
因此有顾问业者提出呼吁，企业在评估巨量数据所衍生的机会与挑战的同时，亦需致力建立其与顾客之间的信任关系。在多数IT人的眼里，巨量数据应用的价值链，无非就是Hadoop、MapReduce、NoSQL DBMS、In-Memory Database、Compressive Sensing、Machine Learning、Text Mining等技术辞汇，再加上既娴熟产业Domain Know-how、又擅长统计分析的数据科学家，但事实上，企业赖以蒐集大量行为记录的来源、也就是广大的客户，肯定是这条价值链当中，最不容忽视的一环。
在此前提下，企业切莫以为蒐集客户行为数据的过程一切合法，就可以罔顾客户情感而恣意妄为，必须开诚布公与客户沟通，藉以传达清楚概念，记录并分析客户采购行为的目的，绝非一味探测个人隐私，而是透过分析结果来改善企业的商业模式与服务品质，俾使更精准而迅速地满足客户一切需求，如此一来，企业是否因此而得利，倒是其次，重点在于最终使得客户得利。说穿了，如何避免在蒐集巨量数据的过程中，让客户产生嫌恶感，继而信赖并支持业者的作为，肯定是企业必须勤加修练的基本功课。
台湾零售业 可望因巨量数据获益匪浅
据统计，台湾服务业占整体GDP高达68.8%比重，足足创造58.8%就业人口，等于大多数民众都是倚靠服务业维持生计，而环顾偌大服务业，诸如百货零售、连锁加盟等行业，肯定都是个中重要环节；所以说，百货零售或连锁加盟等企业的竞争力提升与否，绝对攸关台湾经济发展至钜，实不容等闲视之。
综观全球零售业的发展，其竞争关键，已从过去的物流运筹、先转变为金流服务整合，再进入巨量数据分析的竞争时代。而台湾零售业的优势在于实体代理，以便利商店为例，每500米范围、每2,500人就有一个店家，密度高居于全球之冠，此外若以百货公司为例，每8.7万人即有一个店家，密度同样称霸全球，再加上物流体系甚为蓬勃发达，易于推动跨代理整合，又有政府提供的电子发票机制在背后撑持，在如此良善的发展基础上，若能结合巨量数据推动更进一步的加值应用，必定可产生莫大加乘效应。
着眼于此，包括工研院等学术机构，已着手针对零售业者进行辅导，期望引导业者从虚拟代理作为出发，并建构巨量数据运算平台，佐以发展成效较佳的混合式推荐法则，根据不同数据来源、不同运算时效、不同运算需求，藉由动态调整产生最理想的个人化推荐模式，终至一击中的、成功推荐消费者可能喜爱的商品，以避免错失任何潜在商业契机，且一并带动顾客忠诚度、销售额的同步走高；此一攸关零售业的巨量数据分析加值应用能量之养成历程，后绩展望相当值得期待。
