先來看看以下兩則媒體的報導：

「前陣子因為禽流感的問題，台灣有部分雞舍遭到感染，因而遭到撲殺，屏東有一間蛋雞場，由6、7年生共同管理結合了財務和科技業背景，透過大數據養雞，關鍵在於使用電腦監控系統，建構全台「最嚴」防疫系統，現在打造蛋雞飼養量全台第一，還拿下知名速食店最大雞蛋供應商。」

「過去，生產都靠紙筆記錄的老廠，平常預估銷售量，常常就是「筊杯」或者「照抄」去年銷售量再加上10％，非常脫節。現在，它開始用電腦算出4天後的銷售需求，還用大數據去優化生產流程。咬牙做下去的結果是：過去7年公司營收成長47％，淨利成長55％，高於產業平均。」

以上兩家傳統企業都面臨到經營成長的危機，必須要轉型才有機會突圍，讓企業重生。而它們共同的解方就是：充分運用資訊科技搭配「大數據」。

「大數據」是甚麼？

互聯網、社交網站、電子商務等新一代技術的廣泛應用催生了「大數據」。近年來歐美企業已開始開始意識到，善用「大數據」將成為提高核心競爭力的關鍵。卡內基梅隆大學（Carnegie-Mellon University）海因茲學院（Heinz College）院長克里希南教授（Ramayya Krishnan）說，「大數據」具有催生社會變革的能量。雖是如此，但是要釋放這樣能量，需要嚴謹的數據科學家、富有洞見的數據分析和激發管理創新的環境。

根據維基百科（Wiki）的解釋，所謂的「大數據」（Big Data），或稱巨量資料、海量資料，指的是所涉及的資料量規模巨大到無法透過人工，在合理時間內達到擷取、管理、處理、並整理成為人類所能解讀的資訊。知名數據分析公司 Gartner 的說法則是，Big Data是高容量（Volume）、高成長量（Velocity）、高變化性（Variety）的資訊資產，能提高資訊用途，以協助我們進行決策（Big data is high-volume, high-velocity and high-variety information assets that demand cost-effective, innovative forms of information processing for enhanced insight and decision making.），現今多數的文章大多採用Gartner定義。

Big Data 3Vs Model：

Variety：資料多樣（影音、文字、圖形…）

Volume：資料量（TB or PB）

Velocity：資料產生的頻率、速度

分析才是「大數據」處理的重要關鍵

目前「大數據」蒐集及分析的作法有兩種：

第一種：自行開發系統。開發時加入統計代碼，運用自己的數據查詢系統。

第二種：利用第三方統計工具。

• 網站分析工具：Alexa、SimilarWeb、Google Analytics
• 行動App應用分析工具：Flurry、Google Analytics、Crashlytics

不同產品，不同目的，需要的支持數據不同，對產品經理來說，確定好數據指標後，選擇適合自己公司的方式來蒐集相應數據。

Big Data 之所以盛行是因為：在總資料量相同的情況下，與個別分析獨立的小型資料集（data set）相比，將各個小型資料集合併後進行分析可得出許多額外的資訊和資料關聯性，這些數據可用來察覺商業趨勢、判定研究品質、避免疾病擴散、打擊犯罪或測定即時交通路況…等。

舉例來說：深圳的前海微眾銀行（由騰訊科技主導籌建的中國首家網路銀行）於 2015 年 1 月 4 日開始營業，首筆業務是一位貨車司機申請的小額貸款，透過騰訊的 Big Data 識別申請者的臉部訊息，與公安部門的資料匹配後進行信用評級，無需任何擔保和實地調查，微眾銀行給予了這位司機 3.5 萬元人民幣貸款。

如前所述，Big Data 的意涵，其實不算是嶄新的技術發展，就如同大家談「雲端」一樣，其實不論是企業或個人早已經在使用（如：Gmail），宏碁在十年前面臨後PC時代，就提出了「巨架構、微服務（Mega Infrastructure Micro Service）」的雲端服務機制，只是當時並未冠上「雲端」兩字。回到Big Data，其實過去在企業上就有類似商業智慧（Business Intelligence）的商用軟體（如：IBM Cognos）來協助高層主管進行決策輔助（Decision Support System）使用，集團跨國企業也都會設立「戰情室」（如：鴻海、宏碁）作為資料分析判讀之用。

筆者以為，兩者不同之處在於：近十年來網路發展快速，社群媒體發展迅速，數位影音拜寬頻速度提升已大量取代傳統文字訊息，截至2012年，單一資料集的大小從數兆位元組（TB）至數十兆億位元組（PB）不等，因此過去純文字搜尋分析已經不敷使用，必須再加上圖片、影音等更細微的運算分析機制。

分析是「大數據」處理的重要關鍵。簡易的分析是包括找出所定義範疇不同物件的關係，行銷上一個著名的範例是Wal-Mart透過帳單分析，找出啤酒、紙尿布與星期五銷售之關連性，透過將啤酒與紙尿布放在一起販賣，提升了啤酒的銷售量。在此案例中，範疇是清楚的（啤酒、紙尿布、星期五與帳單金額）。另一個較為複雜的則是：不易定義範疇的分析，其分析模式與工具也尚在開發中。畢竟，要”知道”哪些”自己不知道”的，原本就是非常困難。或許在未來「大數據」結合人工智慧（Artificial Intelligence, AI）的分析，將會帶來更令人驚奇的產出。

結語

依筆者之見，公司所需的「大數據」分析專家，其實就是產品經理的工作項目之一，不僅需要具備商業能力，還需對數據有敏銳的感覺，這樣他們才能勝任分析和處理公司所提供的各項數據和信息。

對於產品經理來說，要從網路上或是企業內部獲取資料，相信不會是大問題，真正的關鍵是在於：如何正確擷取分析所需要的資料並能夠真正解讀背後所代表的情報與暗示才是重點。當然，擁有一套能夠分析解讀「大數據」的資訊化系統，更是企業及公司高層不可或缺的致勝武器。

圖片來源：Visualhunt

若有轉貼需求，請來信（service@pmtone.com）討論。 轉貼時禁止修改內容及標題、須保持所有連結、禁止商業使用，並且必須註明原文標題、連結、及作者訊息。

覺得這篇文章好嗎？ 請分享給您的朋友吧~