巨量資料與商務營運：從商管與技術的雙面觀點

臺北商業大學資訊與決策科學研究所資料科學應用研究中心主任鄒慶士。

巨量資料如今已經成為最新的競爭趨勢，臺北商業大學資訊與決策科學研究所資料科學應用研究中心(Data Science Applications Research Center)主任鄒慶士認為，原因在於資料數量汗牛充棟，所以也讓整個世界之間異常通透，影響範圍無遠弗屆，企業必須要隨時留意那些業務受到巨量資料的影響。

如健康照護服務及定位資料如果加以混搭，雖然可以提供更進一步的價值，但如何說動使用者開放或分享，其實需要更細緻的說服過程。此外，巨量資料分析所呈現的世界，客戶需求會更加清晰，但市場區隔也會變小，產品及服務必須要更加客製化。

鄒慶士認為，許多蒐集資料的工具或技術，如感測器、通訊裝置、解析軟體的價格不斷下降，形成物聯網與數位油田的世界絕非夢想。但資料分析技術愈精細複雜，決策考量雖然也會更加全面，可能遭遇的風險也會變得比較小，但鄒慶士指出，就連美國也缺乏分析人才，而且在擴大巨量資料管理的同時，會不會反而取代原來的管理，也是必須注意的課題。

儘管如此，巨量資料分析仍會為企業帶來許多機會，可以洞察出原本被隱藏的資訊，進而做出更明智的決策。例如消費者在購物網站上的點擊串流，與社群網路資訊結合起來，會形成更可靠的推薦品項；或是蒐集各地天候與土壤資料，以評估地域特殊性層級的農作物風險等。

鄒慶士認為，如果能將資料分析融入作業流程中，甚至可能幫助企業進行自動化決策。如麥當勞的高速影像解析系統，可以直接提供管理者所需要的作業資訊，隨時進行調整，而不用再像過去一樣，依賴色紙與卡尺來控制產品的品質。

透過巨量資料分析技術，更可看到過去可能看不到的資訊，如電郵、保證卡、客服電話錄音、醫囑及來自社群媒體及政府的公開資料等，都可能為企業帶來更多的商業價值。

但企業的商業模式，也會因為巨量資料分析而有所改變。鄒慶士指出，企業要開始思考，可以通過什麼方式或途徑來賺錢，如何運用巨量資料產生差異化的產品或服務，例如企業是否能夠依天氣型態、付款量與熱銷商品類別，協助供應商適時發現真正的需求。

從目前雲端或巨量資料有關的創新應用案例中，鄒慶士認為解決方案的發展趨勢有下列幾點，首先就是有能力整合結構性及非結構性資料，尤其是非結構化資料，重要性正在與日俱增，但由於不是每個使用者都熟悉工具的使用，因此應用介面一定要做到簡單化，而且要能善用開放資料及群眾外包(Crowdsourcing)的資源。

應用巨量資料的產業類別，目前以零售、健康與醫療、城市與運輸、製造業、金融服務業為主，鄒慶士認為，台灣如果想要發展巨量資料服務創新，當務之急就是要設法培育資料分析人才及導入雲端服務。

鄒慶士強調，企業如果想要建立與巨量資料相關的商業模式，一定要先建構出傳遞資料的網絡，以適地適時的傳遞資料，並加以整合、交換、重組。重點在於何種商業模式適合企業當前的組織，才能迎向下一波潮流的康莊大道。

企業如果想要運用巨量資料建立商業模式，鄒慶士認為，在解決方案的使用技術方面，儲存與實現技術都要兼顧，而且儲存資料的技術最好能夠朝向分析的方向邁進；其次是資料類型，雖然非結構性的資料類型居多，但仍需要設法與結構化資料結合，因為許多演算法只能處理結構化數據；最後則是要有更多的資料解析任務類型，包括敘述性統計分析、(即時)預測建模、集群、推薦系統、聲紋分析及線上廣告等。

鄒慶士認為，企業要建立巨量資料商業模式，必須要與許多合作夥伴共同承擔風險，而且形成規模經濟後，才能掌握相當的自主策略控制與更大的收益潛力。

至於巨量資料業務的的獲利方式，往往需要取決於資料的客製化程度，以及分析出來的資料與客戶的關係，才能讓客戶掏錢出來。如何做好資料建模，變得相當重要，需要融合統計、機器學習、作業研究(運籌學)等各種領域。

以文字資料探勘的過程為例，資料分析的過程常常需要相似性衡量，依此找出真正有價值的資訊。鄒慶士指出，資料科學的通用手法，除了要能明確說明理論與模型外，假設較少的機器學習的領域也需要加以注意。而模擬與數學規劃是常用作業研究工具，建立模型規格，並運用模型產生資料、預測值或推薦。

但鄒慶士也強調，巨量資料其實也潛藏著許多虛假與危機，所以一定要做好資料前處理的工作，以及慎選適合資料性質的模型進行分析。這些要務先要有優質、開放及靈活的工具，才能具體實現各種創意，並做到跨領域且抓住知識的源頭，才能深入資料價值萃取的核心。

鄒慶士最後強調，企業只要「一」心向著資料理解的根本要務前進，精通至少「兩」種彈性的分析工具，掌握統計、機器學習與運籌學等「三」大類模型，就可大步邁向資料驅動的決策釐訂新紀元。