化整「為零」

我的公司在月初辦了一場有關 Big Data 的大型活動，我擔任了其中一個 session 的主講，跟與會者分享零售業的巨量資料應用。在講題裡置入「巨量資料」之名只是奉公司之命，當天我的基調依然是不要太迷信這個名詞（如果您看過我這個部落格的其它文章，就可以了解為什麼），而應該先把公司既有的資料運用到極致。受到法律與規定的限制，我無法在此提供當天的投影片，不過這可能反而是個好處，畢竟投影片是用來 present 的，不是拿來閱讀的。以下我就透過文字和連結，分享那天我報告的大部分內容。

跟金融業與電信業比起來，零售業在運用資料分析來協助企業的決策上是相對較遲的（但不可否認零售業裡有少數在這方面的先驅）。根據《經濟學人》智庫 Economist Intelligence Unit 在 2013 年所做的研究報告 "The Data Storm - Retail and the Big Data Revolution"，高達 50% 受訪的零售業者表示，他們在面對這一波 Big Data 的浪潮時，不知道如何辨別哪些才是有用的資料（見報告的第 21 頁）。儘管許多資訊業者不斷強調 Big Data 的三個 V （Volume, Velocity, Variety），甚至還加上第四個 V （Value），事實上只要跟企業所要解決的議題無關的資料對這個企業來說就沒有價值，也就不需要去擔心這些資料的產量、速度、種類有多驚人。

因此我建議零售業要先找出當前最迫切的議題，再看這些議題是否可以透過資料分析協助解決。在《經濟學人》的研究報告中，受訪企業認為要優先解決的議題的前兩名是 Marketing 和 Store Operations （見報告的第 22頁），當然這不見得適用於所有的零售業者，但跟我在台灣所見的狀況差不多。先挑出最優先的議題，然後從眾多現有的資料類型中找出可以用來分析和解決這些議題的，就是我這篇標題所謂的化整為零：把一個龐大而複雜的命題拆開成小而可解的工作。當然「為零」也可讀成ㄨㄟˋ零，「為了零售業」是也。

哪些類型的資料是零售業常用和認為有用的？可以參考 EKN 的報告 "2013 Big Data in Retail" 第15頁的圖。不過這張圖呈現的是受訪零售業者的總平均值，個別業者的看法必然有差異，例如虛擬零售通路業者會特別重視 Web logs，儘管這類資料的總平均值只是中等。

當天我講的第一個案例是美國的 Target 百貨公司透過資料分析得知某個高中女生已經懷孕的事件（重點是 Target 比這個女生的老爸還早知道）。也許您已經聽過這個故事的大概，但我仍鼓勵您閱讀讓這件事變成軒然大波的《New York Times Magazine》原始文章 "How Companies Learn Your Secrets"，至少也看看這本雜章當期的封面。

雖然這個事件對 Target 的形象有偏向負面的影響，它更深層的意義卻是 Target 的資料分析做得太好。《New York Times Magazine》是在 2012 年初作報導，但其實 Target 早在 2010 年就由他們的分析主管在一場研討會中公開宣布他們已經建置了預測女性顧客懷孕的模型，並運用在 Marketing 上。如果您有興趣深入了解 Target 在資料分析上的成果和應用，建議您要看看2010 年這場演講的實況錄影。

第二個案例是英國的連鎖賣場 Tesco ，我用的內容基本上是參考 "Tesco: A Case Study in Supermarket Excellence" 這份文件的第13頁到21頁。你會發現這是個十年前的老案例（前面我提到的零售業先驅之一就是 Tesco），不過台灣的相同產業現在都還沒有一個可以做到 Tesco 當年的水準。由此也可論證不必太迷信 Big Data ，假如公司既有的資料都還沒用到極致，去提什麼 Big Data 只是好高騖遠。

那天我沒有太多時間講 Tesco 的案例，之後的案例也是匆匆講完，所以就不在此細說。我的結論仍跟往常在這裡發表的論點一致：對零售業來說， Big Data 的 Big 或 Data 都不是最終目的，我們不是因為資料的大、快、雜而收集資料；我們收集資料是希望藉著分析它們來協助企業作更好的決策。

Big Data 的 B 跟 D 其實是 Better Decision 的縮寫。