玩轉世界的數位人類學家

「大數據(Big Data)」又被稱為巨量資料、海量資料、大資料，泛指蒐集大量資料後，透過細部且有意義整理與重新定義，將原本無法由人力解讀的資料量，轉成對特定使用者有意義的資訊。例如，IBM 的Watson之所以贏得2011年的益智遊戲< Jeopardy! >冠軍，其實是大數據的學習應用；因為技術人員需先讓Watson正確理解問題，而後設計系統使其透過資料庫儲存的大量網路資訊，交叉比對，進而找出正確答案，打敗人類史上最強的幾個選手。 

資料來源：IBM Watson: Final Jeopardy! and the Future of Watson

儘管這場人機大戰結果是機器獲勝，但背後是人類賦予機器思考邏輯和篩選規則，讓機器能在瞬間處理所蒐集到的龐大資料量，作出回應；也間接回答「大數據」時代，並不在企業取得多龐大的資料數量，而是在取得軟、硬體、文字、圖片、視覺影片，甚至網路瀏覽等眾多行為資料後，當作預測的基礎，從中找到對企業有幫助的行為模式或商業趨勢，進而做到更細緻的市場個人化區隔與行銷，將自家企業產品或服務，在合適的時間點，推播最有效的訊息，讓消費者買單。

傳統的影視業者習慣透過票房銷售、收視率調查等抽樣方式，進行影片製作或廣告投播的參考依據；但美國的Netflix卻透過大數據資料蒐集加上目標觀眾的行為分析，替目標觀眾量身打造2013年紅極一時的「紙牌屋」(House of Cards)影集，最終更透過Netflix的延伸推薦和網站瀏覽、社群點閱加上地理位置、時間撥放等交叉數字的統計，讓兩季的「紙牌屋」(House of Cards)成為數位時代的節目製作與行銷典範。

透過不同程度的關鍵字搜尋連結有意義的片語，讓擁有大數據資料的公司提供趨勢判斷，建構新營運模式，不只能應用在天氣預報、社會服務或是疾病預測，也能被應用在生活產業。
以來電顯示和預防詐騙電話聞名的 LINE whoscall APP，使用量化分析，讓<顯示電話號碼>可作出不同國家、區域和接聽者的『來電使用行為數字觀測』，不僅提供電信或廣告商的新商業模式，更能透過大量回應，讓使用者成為感應器，進而判定與阻絕詐騙或騷擾電話，而通話數量、時間和對象等通訊行為，也讓大數據應用更為細緻，並能不斷優化自身服務，貼近使用者生活，產生高黏度應用。

最近，全聯也與IBM聯手，希望讓產品資訊、各地銷售產品、會員消費等資料透過系統分析，進而發展出全聯的地區銷售特色，提升更為細緻的地域性加族群服務，找出未來商機，讓資料不僅在生產端或服務端體現，而是透過一系列的串連思考與籌劃，讓數字不僅是數字，而是發掘社區與族群生活面的需求應證，更凸顯「大數據」的應用條件，需能解讀數位資料的人和能建構大量資料儲存與篩選的技術團隊。

過去以『數字極為最終績效判斷』的企業，強調<數字的重要性>大於<人的重要性>，而忽略『如何解讀獲取數字角度』或『數字來源是否會形成偏頗結果』的情境。「大數據」乍看之下，以全面性的大量資料作為解讀基礎，似乎能彌補樣本情境的不足，但真的是資料數字愈多，蒐集來源愈廣泛，代表最終獲得的結果正確嗎? 其實，你需要的是搜尋與解讀這些數據的團隊人員是否有能力進行規則的制定和應用所獲得的資訊。

本文同步授權 Yahoo數位行銷：[Phoebe玩轉行銷專欄] 同名文章