都是 Big Data 惹的禍？

2012年6月【Cheers雜誌】訪問我的時候，提到我透過《發現我的天才──打開34個天賦禮物》這本書，「確認了分析資料、歸納趨勢類的工作遠比整天對著電路板更適合自已」。我是在2003年的時候面臨職場跑道的抉擇，正好在書店看到了這本書（我認為這根本就是上天故意製造的機會），馬上買回家作了測驗。其實這本書的原名是《Now, Discover Your Strengths》，中文版的出版社可能是為了銷路而把 Strengths 這個字翻譯成「天才」，但我認為「特質」應該比較貼近這些評估出來的結果。根據測驗的結果，我的五項主要特質如下（這個測驗只會提供五項）：

• Deliberative - one who proceeds with caution, seeking to always have a plan and know all of the details
• Input - one who is constantly collecting information or objects for future use
• Intellection - one who enjoys thinking and thought-provoking conversation often for its own sake, and also can data compress complex concepts into simplified models
• Discipline - one who seeks to make sense of the world by imposition of order
• Analytical - one who requires data and/or proof to make sense of their circumstances

我自認為這些特質非常適合從事資料分析的工作，所以之後就一路走過來。也許你對這些特質所適合的工作有不同的看法，重點是我先針對自己的特質作了評估，然後根據評估結果決定我找工作的策略，不是因為 Big Data 很夯、 Data Scientist 這種工作很 Sexy 才硬要自己走這行（其實那時候也沒人講 Big Data 和 Data Scientist 啦）。

不過我今年 engage 過的幾家企業，就很可能是受到 Big Data 這種氛圍的影響，在沒有自我評估之前便決定要建一些進階的模型（所以會找上我們）。其中比較誇張的一家在一開始就洋洋灑灑列出十幾個進階的模型或分析需求要我們提案，我去了解之後才發現他們不過正要導入自己的會員制，會員人數和消費記錄的數量還沒有累積到一個程度，可能連要做這些模型或分析的資料都不足。最後我很誠懇的跟他們建議，先作一些基本的現況評估，從簡單的單維度和雙維度分析圖表去了解幾項會員的行為指標，未來再看是否有必要建那些複雜的模型。

另一家企業已經自己建了一個顧客分群模型，只是他們認為大部分客群的行為特性看來都很單薄，說不出一個比較完整的故事，所以問我為什麼會這樣。我請他們作了前面提到的單維度與雙維度分析（但我很驚訝他們事前沒有先作這個動作），才發現他們大部分的顧客在很長一段時間內都只有消費一次，而且絕大多數一次只買一類商品，所以分出來的大部分客群當然不會有豐富的消費面貌囉。

還有一家企業說要建會員分群模型，然而對於要怎麼運用分群的結果卻一直看不出有明確的方向。後來分群模型建好了，反而來要我們建議如何應用。有點像是說要買車，花時間、花錢看車、訂車之後，才去想說這輛車要用來做什麼。

我非常懷疑這些現象是 Big Data 過度炒作造成的後遺症。誠然，過去這兩三年的 Big Data 熱潮喚起許多企業對資料分析的重視，許多的研討會、報導、專書都強調 Big Data 可以做到哪些應用、創造多少價值（兩周前的《商業周刊》和《今周刊》竟然同時都以 Big Data 做為封面故事！）。但我個人的觀察是，這些訊息來源極少深入剖析這些應用案例適用的對象與情境，以及企業要做到這些分析和應用所需要的投資與配套。

舉例來說，分析 Big Data 可以讓企業了解每位顧客不同的需求，這樣的分析能應用在個人化的行銷手法上。不過各位也要了解，要把這些個人化的行銷訴求傳遞給顧客，一套自動化的行銷系統恐怕免不了，而這類系統通常價格不菲。而就這個例子而言，更根本的議題是企業先要思考本身是否需要做到個人化的行銷，而非因為 Big Data 可以做到就也要跟進（便利商店需要個人化行銷嗎？）。

只可惜企業沒有辦法像我一樣去書店買一本像《發現我的天才》的書就可以作評估，不過企業的資源要比我個人來得豐富，還是先作一下既有顧客或會員的現況分析吧！