投入數據分析 慎防陷於迷思與誤區

ZARA的數據分析應用之路，走得平穩扎實，並確實反應於經營決策制定，因而成功席捲時尚服飾業界，被喻為Big Data的典範案例。

毋庸置疑，儘管幾個年頭過去，「Big Data」熱度依舊不減，稱得上是當今企業不容輕忽的顯學。究其主因，乃在於這門經常翻譯為「巨量資料」或「大數據」的課題，委實創造了許多讓人動容的傳奇故事，包括老生常談的Target預測女性消費者懷孕、Walmart發現啤酒與尿布的銷售量呈現高度正相關，以及Netflix藉由大數據分析觀眾收視習慣，決定紙牌屋劇情走向，進而創造收視熱潮。

影響所及，舉凡精準行銷、精準醫療、智慧製造、智慧交通、智慧家庭、智慧建築、智慧社區、智慧城市等偉大題材，都拜Big Data畫龍點睛所賜，因而漫天飛舞。

撇開前述若干流於高遠的意境不談，不可否認，無論Target、Walmart或Netflix所挖掘的任何一項發現，似乎都足以讓一家原本平庸的企業，頓時間挖到滿坑滿谷的金礦，因而扶搖直上躍居市場贏家；而這個巨大的期望，正是驅使各行各業對大數據分析絡繹於途的主因。

當心！大數據存在諸多陷阱

只不過，大數據是一門超乎大家想像的艱深學問，因為它裡頭埋藏了太多陷阱，絕對不是僅憑著隨機分組的簡單實驗，便可捕捉到不同變數之間的真正因果關係，若未經過驗證與確認，就冒然把一些看似驚喜的發現，當做重大商業決策的參考依據，可能無法導致成功。

曾有專家指出，儘管懷孕、啤酒與尿布、紙牌屋等故事太過引人入勝，但絕不能只憑這些表象來妄下斷語，主要是因為，如果純粹只看兩件風馬牛不相干的變數，例如美國雞蛋銷售量與道路交通意外事故，冰淇淋銷售量與溺斃人數，甚至是IE瀏覽器與美國謀殺案件的發生率，彼此間都存在著出人意表的高度正相關，難道大家就可以冒然做出某某商品只要銷路暢旺，就可能為社會帶來不幸的詮釋？當然不是！

換言之，企業在衷心期盼可藉由Big Data無限改善決策品質之際，不妨先收拾起雀躍心情，先退後一步，想想自己有沒有掉入陷阱。

首先，大家解讀Big Data，往往把Volume(容量)、Variety(速度)、Veracity(多樣性)、Veracity(真實性)、Value(價值)等幾個V掛在嘴邊，基於華人從左到右的閱讀習性，不自覺地把Volume當成箇中第一要項，所以台灣翻譯為巨量資料、對岸翻譯為大數據，便是落入這個迷思，彷彿要想挖掘Insight，一定得從「巨量」或「大」的數據洪流裡面鑽，殊不知不管自己想要做的題目為何，不問三七二十一硬把滿堆資料納入分析，很容易導致雜訊太多，影響數據的真實性品質，最終產生的結果，參考價值恐怕有待商榷。

對岸講的「大」數據，或許還可解讀成為重大之意，並非絕對偏頗，反觀台灣講的「巨量」資料，便很難擺脫數大便是美的迷思。總之，要做好Big Data分析，不妨先拋開數量，如果真有價值，甚至經由Nano Data或小數據而來也無妨，因為重點是要設法端倪出數據核心，意即挖出從前看不見的細微徵兆，才不枉做數據分析的初衷。

當然，前面提到的Nano Data或小數據，倒未必是只取小量樣本，而是必須根據想要分析的題目，從滿堆數據中抓出重要的相關屬性來加以分析，避免在一開始就製造太多垃圾；最明顯的例子，Target如果只想分析出懷孕的消費者，絕不會把男性顧客、及小於18歲或高於45歲的女性顧客等無用的累贅樣本，都納入分析。

至於其他重要風險，還包括了要避免犯下樣本偏差的錯誤，以及莫要輕信沒有理論基礎的分析結果。有關Online Ranking，在多數情況下，僅反應出對某項議題極端贊同、或極端反對的看法，如果依此偏頗結論，驟然解讀為整個社會大眾的意向，難免有所偏差。

針對理論基礎部份，有一個曾被專家表述的傳神之例，在2009年以前，Google的流感預測趨勢(GFT)被喻為佳話，其宣稱可從人們在搜尋引擎上留下的訊息，對流感進行即時預報，只因唯有罹患流感的人，才會急忙搜尋相關訊息，聽來乍有道理，詎料GFT不知不覺已犯了大數據的傲慢，自認為只靠大數據，即使未有扎實理論基礎支撐，仍足以戰勝嚴謹科學實驗，無奈從2009年後開始顯露破綻，預測準確度急轉直下，最終GFT黯然失敗收場，此例相當發人深省。

態度與高度  決定專案成敗

即便避開了前述陷阱，但態度與高度決定一切，企業投入數據分析的態度與高度不對，可能造成後續成果遠遠不如預期，淪於失敗收場。

一個出身於北歐的平價時尚品牌，就是典型的失敗之例。該公司曾興致勃勃想要推動大數據應用，力求及時掌握各個區域市場的顧客意見，作為驅動生產與經營決策改良的依據。

然而與此同時，其並未同步改善總部與亞洲、中南美洲等生產基地之間的訊息溝通效率，所以縱然數據分析系統產出多麼擲地有聲的好結論，也無法快速有效傳達到產地，彷彿大數據的視角是孤立的、靜止的，不過是徒然產出一堆數據洞察結果而已，其餘管理機制卻依然故我，也不檢討主導大數據專案的經理人層級位階，其實是不足的。

後續就不難想像，這家知名服飾商悻悻然稱大數據實在言過其實，白走了這一遭，事實上癥結在於這一遭走得並不踏實、也不正確。

同樣是平價時尚品牌，ZARA則被喻為大數據應用的經典案例，只因其將數據的蒐集、分析等事項做得十分到位，包括透過偏佈全球的企業網絡，把每一件售出商品的價格、部門、時段、客戶等資料，全都記錄得詳實清楚，接著借助自動化程式分析系統，抓出顧客的消費偏好，並以此作為經營決策的關鍵參考依據，甚至預知未來市場流行基因，而非繼續迷信高層主管的主觀判斷。

在此前提下，ZARA得以精確地抓準消費者的胃口，並憑藉快速反應的作風，制定對應的生產銷售策略，成功席捲時尚服飾業界。對比ZARA與另一家同業的大數據應用歷程，儘管成果南轅北轍，但不管成或敗，都值得台灣企業借鏡學習。

至於最糟的一種情況，便是企業只想跟流行，讓自己沒有在大數據風潮中缺席，卻連自身想靠它解決什麼問題、創造哪些新穎商業模式，都渾然不知，彷彿是沒有靈魂、沒有目標地在推動相關計畫專案，自然無法創造出任何令人欣慰的成果。