回到頂端
|||
熱門: 性侵犯 中職球員 月光族

【WIRED特刊】「創意」是決戰Big Data時代的關鍵! – 專訪資誠企管顧問公司執行董事劉鏡清

WIRED.tw/Roxy 2013.04.22 00:00

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。

社群留言