一學就上手的大數據五堂課

“在沒有大數據之前，其實我們每天都在處理數據。”臺灣東吳大學數學系助理教授吳牧恩舉例，例如羊肉爐店老板每天要備貨多少量？鞋子工廠的生產線一個小時要生產多少雙鞋？臺北市長候選人的民調有幾個百分點？

1.基本邏輯推演

羊肉爐店每天要進貨多少白菜？

“你對于自己設定的目標，是要有一套邏輯推演的。有一定的了解，而不是從零開始，就像羊肉爐店老板或許無法精算9月與12月開店的備貨量有何差別，但他心中會有一個數字：每天最少要準備多少材料。”吳牧恩說。

2.把數據變成可處理的

白菜單位是一籃、10公斤，還是20顆？

大數據上手的第二步，就是開始搜集數據。如果歷史數據不齊全，就要從即刻開始搜集;如果歷史數據種類繁多，就要把數據變成有結構性、可處理的數據。像是羊肉爐店一天要進貨的白菜數量，單位是籃、公斤還是顆，都要統一成可處理的數據。

“搜集數據可能是多數人認為最大的進入門坎，但是數據卻藏在我們處理的大小事上。”吳牧恩說，如果有10年的數據，當然比3年的好，但只要有數據，就可以開始做分析。像對金融交易者來說，不只有長期股價走勢才是數據，就連上下五檔的掛單信息，也可以是數據。

3.設定想知道的問題

20℃雨天與15℃晴天，哪個營收高？

有了數據之后，你必須設定想知道的問題，到底是想要提高生產效率、增加獲利、提升客戶滿意度？還是要了解客戶想要的商品，再進一步去結合可能沒想過的數據？

“同樣一家羊肉爐店，在氣溫20℃的雨天與氣溫15℃的晴天，哪個環境狀況下的營收比較高？”天氣風險管理公司董事長彭啟明說，因為天氣是最容易取得的資料，也成為零售業進入大數據最常被拿來交叉分析的因子。

又例如最經典的尿布與啤酒的案例：妻子囑咐丈夫下班后到超市買尿布，賣場于是把啤酒擺在尿布旁，沒想到意外提高了啤酒的銷量。“如果羊肉爐店不只賣啤酒，同時也賣尿布呢？會不會有一樣的效果？這就是我們要用數據去驗證。”

用各式各樣的數據做了驗證后，我們才能得到數據的變化軌跡，進一步去得到有效的信息。“曾經有人將‘酸雨指標’與臺股走勢做交叉分析，結果還真的呈現部分相關，但到底是不是酸雨越酸、股民就不出門，干脆在家買股票，所以臺股才跟著大漲嗎？兩者的關聯是什么？至今仍不得而知。”吳牧恩說，大數據分析有一個特質，要得到的是結果（What），而不是要知道原因（Why）。

“如果你認同‘酸雨指標’跟臺股走勢有關，就可以跟著‘酸雨指標’來操盤，而不一定要從中知道兩者的關聯性。”吳牧恩說。

4.分析數據，得到有效信息

氣溫低、濕度越高，羊肉爐店的生意越好

獲得數據變化的軌跡后，最重要的自然是分析這個數據變化，從中得出有效的信息，再結合過去的歷史經驗，變成你的智慧。

羊肉爐店老板原本就知道氣溫越低生意自然越好，但在這個案例中，他會發現氣溫低、濕度越高，生意自然跟著好，吳牧恩解釋：“因為下雨會讓體感溫度更低，所以消費者就更想吃熱呼呼的食物。”

但不是濕度達到100%，羊肉爐店的生意也就跟著翻漲100%。彭啟明用雨傘公司的故事說明，連續下雨的第三天到七天的雨傘銷量最好，到了第八天，銷量就開始往下掉，因為該買雨傘的人都買了。回到羊肉爐的案例，當濕度達到100%，也可能會因為雨太大，客人就不愿意上門。

5.用數據來輔助決策

濕度60%、氣溫17℃，要多進貨三成！

“其實你每天在做的每個決定，都是一種預測，只要這個決定中含有不確定性，只要成功幾率不是100%，就是一種賭注。”吳牧恩說。

正因每個決策里都有不確定性，所以數據分析才會變得很重要。如何靠著數據分析，結合過去的管理經驗，讓營運效率更高、創造更多利潤，才能提升競爭力。

回到羊肉爐店的大數據冒險，這天臺北市的濕度60%、平均溫度17℃，要進貨多少白菜呢？吳牧恩用這個例子說明：“老板能用數據來輔助他的決策，而不只是憑經驗，就會得出今天要多進貨三成的白菜。”

相同的，不管是用在金融操作上，制造業的良率改善，或是零售業的供需備貨，都可以用類似的步驟來做決策。？笏（摘自臺灣《今周刊》）（編輯/袁紅）