資誠企管顧問公司執行董事劉鏡清
資誠企管顧問執行董事劉鏡清，曾經擔任IBM工商事業群總經理，是Big Data在國內推展的先頭部隊。他可以分享的Big Data成功應用案例，不可勝數；但他也提醒，「Idea」才是最重要的分母。
「網路上關於Big Data的討論很多，似乎都認為資料量要達到「太位元」（Terabyte，TB）才算Big Data，我的看法不太一樣！」
發會員卡是為了抽樣調查
資料究竟多大才夠？其實取決於「用途」，有時資料少少的就夠了；「採礦」（Data Mining）前，對所要探勘的答案與後續市場策略，要計畫得夠清楚，才是Big Data能否奏效的重點。
舉一個非Big Data的案例來類比，或許有助思考工具與目的的關係。日本便利商店Lawson藉發行會員卡來了解消費者「到店距離」與「購買行為」的關係。他們想知道：住在多少距離以內的消費者會到Lawson購物？多遠的距離或哪一種商品類別，會讓消費者選擇量販店？
所以，外界看到的或許是Lawson發行會員卡，而Lawson則心知肚明自己的目的是抽樣調查。
Big Data非新鮮事
目前全球最大的資料庫就是網際網路，由於世代經驗的落差，想要了解消費者代代不同的想法，到網路上「撈」資料，是最精準快速的方法，「了解使用者想什麼」，正是臉書（Facebook）維持身價的關鍵，只是它還沒開始大張旗鼓地「開礦」。
不過，Big Data所歸屬的商用智慧（Business Intelligence，BI），已行之有年，分析大量「既有」資料的作法，並非新鮮事；只是Big Data使用累積的龐大資料，再加社群，兩項新元素讓既有的BI產生空前變化。
Big Data計算分析出的模型（pattern）具有預測能力，而且數量之多，遠超出人腦所能記憶。最典型的例子是氣象預報，Big Data分析的颱風路徑，即使專業氣象人員也很難全數記住。
應用無遠弗屆，火星文是「罩門」
應用Big Data，沒有產業限制，從半導體業的生產線品管、民生消費與金融業創新產品與服務、手機製造商收集使用習慣，到選戰分析數以百計的電視談話性節目、政府部門查漏稅、漏水、疏運交通、國土安全……，全都派得上用場。
「語意分析」是Big Data的最大障礙之一，它判斷有「弦外之音」的關鍵字會失準，也看不懂圈圈叉叉的「火星文」，否則，只要使用目標清楚，通常都能發揮大效益。
資訊與策略，一體兩面的問題
這麼多Big data應用個案，我要強調的是，重點都在「應用」，而一般企業在應用時，會出現幾個問題。
首先要問，企業是不是確定要走「資料決策」這條路？如果「是」，接著就要回答，企業的「創新」策略為何？也就是找到企業的成長路徑。如果企業需要資訊協助，以達到成長目標，就會延伸出「資訊策略」。
目前常見的資訊決策模式，是老闆先有想法，再請資訊人員執行。但我曾經碰過兩位向資訊人員請教「資訊能幫企業做什麼」的老闆，這時決策流程是倒過來的。
當老闆請教資訊人員，就面臨第二個問題：現在資訊經理太多，而資訊長太少；衍生而來的問題在於，不懂技術的老闆遇到只懂技術的資訊經理；老闆想聽「故事」，但資訊經理不會說故事。
Big Data人才策略：資訊長領軍的團隊
所以，企業發展資訊策略，必須先找到正確人才。Big Data時代最搶手、也最欠缺的人才，是具資訊科技背景又懂營運（business sense）的資訊長，以實際薪酬行情來看，一個符合條件的資訊長，年薪超過千萬，而國外企業的資訊長多為副總經理層級，層級夠高，才能做事。
然後，Big Data所需要的人才，是一個團隊，團隊成員包括消費者心理行為、統計學、作業研究專家組成的團隊，然後才會談到後面的技術。
我認為，未來程式設計人員的重要性，將位居Big Data整體人才架構的最下層；不然，企業就得找到具備心理學、統計學或工業工程背景的程式設計人員，否則，企業若過度依賴程式工程師來落實Big Data的創新效果，將會遭遇困難。國內企業不妨參考大陸網站借重心理學家的作法。
心理學家在系統建置完成後，會進行約百人規模的使用者測試，系統自動記錄受試者迅速跳過或停留較久的那些頁面，然後，心理學家會針對使用者這些「不尋常」的反應，進行訪談，做為系統改善依據，而作業研究（Operation Research，簡稱「OR」）專家，是其中很夯的一種心理學家。
分析前重創意，分析後重決策
當企業具備所有Big Data要件，我認為，最難的仍是創新構想。有足以殺出重圍的創新策略，Big Data的精準分析能力，才幫得上忙。然後，Big Data完成分析後，企業擬定的市場策略也極關鍵，如果不能吸引顧客上門，分析了半天，效益還是「零」。
我們曾以多元銷售（multi channel）協助零售業者，例如以手機傳送促銷訊息，將潛在消費者「拉」進店裡；知名汽車品牌則透過收集同級房車車主名單，來接觸新客戶；取得Big Data硬體設備不難，創意與策略才是真正無法取代。
徐重仁更需要Big Data
Big Data並非完美無缺，「即時性」（on-line real time）技術是一大難題，仍有待突破。目前只有少數廠商能做到將所偵測資訊即時分析，並立刻傳送給客戶。而國內市場規模較小，企業運用Big Data的成本相對偏高，何況，Big Data並非追求成長的唯一有效工具，只要有好創意，企業同樣能夠獲利。
就像7-Eleven過往許多商品、服務、命名的成功，都得力於前任總經理徐重仁對消費者行為的敏銳直覺，他這類型專業經理人，未必需要Big Data輔助；而市場嗅覺較不靈敏的「管理型」經理人，現在似乎也不必太擔心，Big Data可以作為他門的第二直覺。