找Martech上Marsgo
【大數據 MarTech X 數位轉型】大數據應用,你在哪一階段?
作者:
高端訓
亞太行銷數位轉型聯盟協會 創會長
大數據分析,這個名詞大家應該聽多了,但是每個人因為學習歷程的不同,可能想的都不一樣。
七年前,大數據開始在台灣被熱烈討論。有一位流通業的教父級人物就說,大數據我們很早就在用了啊!早期的便利商店 POS 機有 10 個鍵,白鍵與粉紅鍵各 5 個,分別紀錄男女購買者的年齡層,這是早年的大數據。
大數據可分為兩大類應用:商業分析與預測分析,這位流通業教父說的是商業分析大數據。商業分析與預測分析隨著時間與科技進步,分別演化為兩階段:描述型分析與診斷型分析、預測型分析與指示型分析。
圖片來源: 高端訓 提供描述型分析
描述型分析
幫我們理解過去發生了什麼事?(What happened?)例如品牌的目標對象樣貌、平均客單價、消費支出差異等等。所以有了平均數、眾數、標準差等指標,傳統統計學的就是這些。
診斷型分析
幫我們釐清事情的因果關係為何?(Why did it happen?)這當中最容易理解的是因果關係,例如兩個事件有關係,不代表有因果關係。例如疫情爆發期間,日本料理生意最差,事實上疫情剛好爆發在冬天,天氣冷人們本來就少吃日本料理。從數據來看,這兩個事件有關係,但是卻沒有因果關係。
以上兩種分析方法,在管理上常用大數據分析工具如 Tableau,製作成儀表板(Dashboard)來表示,讓經理人可以即時掌握指標的變化,若有必要也可以一層一層深入探究變化的原因。
預測型分析
顧名思義是在幫我們判斷未來可能發生的事件。(What will happen?)主要是應用演算法學習過去的數據,再結合現在的數據,做出未來預測,這樣的概念被泛稱為 AI。例如銀行判斷一筆交易是否為盜刷?醫生判斷一位病人是否罹癌?企業該推薦會員購買何種產品?
指示型分析
與預測分析類似,最大的不一樣就是預測後提供多個選項,使用者可自行選擇。(What should I do?)結合了商業邏輯、機器學習(預測分析演算法)及推薦引擎,做出方案建議。例如導航系統會提供使用者最快路徑、最短路徑,以及行走高速公路方案。
以上兩種分析方法,需要導入較高階的大數據分析工具如 SAS Viya,進行數據預測模型的建立及預測,並提供經理人更多的建議。
目前全球的數據只有不到 20% 被利用,主要是應用前兩種商業分析方法,只有少數的互聯網網公司、大型企業,採用更高階的預測分析方法。預測分析雖然含金量更高,屬於高知識密集及人才需求,需要時間學習、培養。
大數據科學,揭開了很多過去認為神聖工作者的神秘面紗,例如廣告公司的創意總監提出的創意沒有人敢挑戰、雜誌的總編輯認為自己的文章最受歡迎,但是來到數位世界,你的創意、文章受不受青睞,30 秒見真章,不需要再爭的面紅耳赤,企業如果善用大數據做決策,快速有效,團隊和諧。
做為一位大數據的推廣者,我也要持平的說,大數據是根據過去及現在的數據做決策,在穩定的環境中非常有用;但在動盪的時代、競爭激烈的市場,大數據也常常失準,這也就是擁有 Domain Knowledge 專家,結合大數據,才能發揮真正的商業價值!
作者介紹:
高端訓
亞太行銷數位轉型聯盟協會 創會長
工作生涯只做一件事,就是把「品牌」做好。在奧美集團(12年)期間,幫助客戶打造品牌;在王品集團(12年),則努力為企業創建多品牌。2016年,毅然放下工作,前往加州大學爾灣分校進修大數據預測科學。回來後,擔任多家企業首席顧問,致力將大數據預測科學導入品牌經營,輔導企業數位轉型。著有《以MarTech經營大數據會員行銷》及《ESG品牌創新六部曲》,並兩度榮獲【金書獎】殊榮。
本篇專欄文章同時刊登於《數位時代》未來商務: