投入数据分析 慎防陷于迷思与误区

ZARA的数据分析应用之路，走得平稳扎实，并确实反应于经营决策制定，因而成功席卷时尚服饰业界，被喻为Big Data的典范案例。

毋庸置疑，尽管几个年头过去，「Big Data」热度依旧不减，称得上是当今企业不容轻忽的显学。究其主因，乃在于这门经常翻译为「巨量数据」或「大数据」的课题，委实创造了许多让人动容的传奇故事，包括老生常谈的Target预测女性消费者怀孕、Walmart发现啤酒与尿布的销售量呈现高度正相关，以及Netflix藉由大数据分析观众收视习惯，决定纸牌屋剧情走向，进而创造收视热潮。

影响所及，举凡精准行销、精准医疗、智能制造、智能交通、智能家庭、智能建筑、智能社区、智能城市等伟大题材，都拜Big Data画龙点睛所赐，因而漫天飞舞。

撇开前述若干流于高远的意境不谈，不可否认，无论Target、Walmart或Netflix所挖掘的任何一项发现，似乎都足以让一家原本平庸的企业，顿时间挖到满坑满谷的金矿，因而扶摇直上跃居市场赢家；而这个巨大的期望，正是驱使各行各业对大数据分析络绎于途的主因。

当心！大数据存在诸多陷阱

只不过，大数据是一门超乎大家想像的艰深学问，因为它里头埋藏了太多陷阱，绝对不是仅凭着随机分组的简单实验，便可捕捉到不同变量之间的真正因果关系，若未经过验证与确认，就冒然把一些看似惊喜的发现，当做重大商业决策的参考依据，可能无法导致成功。

曾有专家指出，尽管怀孕、啤酒与尿布、纸牌屋等故事太过引人入胜，但绝不能只凭这些表象来妄下断语，主要是因为，如果纯粹只看两件风马牛不相干的变量，例如美国鸡蛋销售量与道路交通意外事故，冰淇淋销售量与溺毙人数，甚至是IE浏览器与美国谋杀案件的发生率，彼此间都存在着出人意表的高度正相关，难道大家就可以冒然做出某某商品只要销路畅旺，就可能为社会带来不幸的诠释？当然不是！

换言之，企业在衷心期盼可藉由Big Data无限改善决策品质之际，不妨先收拾起雀跃心情，先退后一步，想想自己有没有掉入陷阱。

首先，大家解读Big Data，往往把Volume(容量)、Variety(速度)、Veracity(多样性)、Veracity(真实性)、Value(价值)等几个V挂在嘴边，基于华人从左到右的阅读习性，不自觉地把Volume当成个中第一要项，所以台湾翻译为巨量数据、对岸翻译为大数据，便是落入这个迷思，彷佛要想挖掘Insight，一定得从「巨量」或「大」的数据洪流里面钻，殊不知不管自己想要做的题目为何，不问三七二十一硬把满堆数据纳入分析，很容易导致杂讯太多，影响数据的真实性品质，最终产生的结果，参考价值恐怕有待商榷。

对岸讲的「大」数据，或许还可解读成为重大之意，并非绝对偏颇，反观台湾讲的「巨量」数据，便很难摆脱数大便是美的迷思。总之，要做好Big Data分析，不妨先抛开数量，如果真有价值，甚至经由Nano Data或小数据而来也无妨，因为重点是要设法端倪出数据核心，意即挖出从前看不见的细微徵万亿，才不枉做数据分析的初衷。

当然，前面提到的Nano Data或小数据，倒未必是只取小量样本，而是必须根据想要分析的题目，从满堆数据中抓出重要的相关属性来加以分析，避免在一开始就制造太多垃圾；最明显的例子，Target如果只想分析出怀孕的消费者，绝不会把男性顾客、及小于18岁或高于45岁的女性顾客等无用的累赘样本，都纳入分析。

至于其他重要风险，还包括了要避免犯下样本偏差的错误，以及莫要轻信没有理论基础的分析结果。有关Online Ranking，在多数情况下，仅反应出对某项议题极端赞同、或极端反对的看法，如果依此偏颇结论，骤然解读为整个社会大众的意向，难免有所偏差。

针对理论基础部份，有一个曾被专家表述的传神之例，在2009年以前，Google的流感预测趋势(GFT)被喻为佳话，其宣称可从人们在查找引擎上留下的信息，对流感进行实时预报，只因唯有罹患流感的人，才会急忙查找相关信息，听来乍有道理，讵料GFT不知不觉已犯了大数据的傲慢，自认为只靠大数据，即使未有扎实理论基础支撑，仍足以战胜严谨科学实验，无奈从2009年后开始显露破绽，预测准确度急转直下，最终GFT黯然失败收场，此例相当发人深省。

态度与高度  决定专案成败

即便避开了前述陷阱，但态度与高度决定一切，企业投入数据分析的态度与高度不对，可能造成后续成果远远不如预期，沦于失败收场。

一个出身于北欧的平价时尚品牌，就是典型的失败之例。该公司曾兴致勃勃想要推动大数据应用，力求及时掌握各个区域市场的顾客意见，作为驱动生产与经营决策改良的依据。

然而与此同时，其并未同步改善总部与亚洲、中南美洲等生产基地之间的信息沟通效率，所以纵然数据分析系统产出多麽掷地有声的好结论，也无法快速有效传达到产地，彷佛大数据的视角是孤立的、静止的，不过是徒然产出一堆数据洞察结果而已，其余管理机制却依然故我，也不检讨主导大数据专案的经理人层级位阶，其实是不足的。

后续就不难想像，这家知名服饰商悻悻然称大数据实在言过其实，白走了这一遭，事实上症结在于这一遭走得并不踏实、也不正确。

同样是平价时尚品牌，ZARA则被喻为大数据应用的经典案例，只因其将数据的蒐集、分析等事项做得十分到位，包括透过偏布全球的企业网络，把每一件售出商品的价格、部门、时段、客户等数据，全都记录得详实清楚，接着借助自动化程序分析系统，抓出顾客的消费偏好，并以此作为经营决策的关键参考依据，甚至预知未来市场流行基因，而非继续迷信高层主管的主观判断。

在此前提下，ZARA得以精确地抓准消费者的胃口，并凭藉快速反应的作风，制定对应的生产销售策略，成功席卷时尚服饰业界。对比ZARA与另一家同业的大数据应用历程，尽管成果南辕北辙，但不管成或败，都值得台湾企业借镜学习。

至于最糟的一种情况，便是企业只想跟流行，让自己没有在大数据风潮中缺席，却连自身想靠它解决什麽问题、创造哪些新颖商业模式，都浑然不知，彷佛是没有灵魂、没有目标地在推动相关计划专案，自然无法创造出任何令人欣慰的成果。