為什麼大數據專案的失敗率高達55％？你是每兩個中就失敗的那一個嗎？看大數據實戰攻略秘笈，自我診斷你是否還深陷大數據迷思不可自拔，一起破解大數據獲利方程式。
馬雲、白宮、釋昭慧和貓下去餐廳有什麼共通點？答案是大數據。今年3月，阿里巴巴集團創辦人馬雲來台的演講中提到：「未來已不是IT時代，而是DT（Data Technology）時代！」揭示大數據對阿里巴巴集團的重要性。一個星期後，白宮宣布任命PayPal和eBay的前任執行長帕帝亞（DJ Patil），為全美國第一個首席數據科學家，幫助政府善用大數據，並鞏固美國在數據科學領域的領先地位。而日前慈濟內湖開發案鬧得沸沸揚揚，釋昭慧上談話性節目時，竟也引用大數據，暗喻慈濟遭教會保守勢力暗算。台北市知名餐廳貓下去小館在3月宣布取消訂位服務的同時，也不忘提到大數據證明自己取消訂位服務後，營業額不降反升。
無論這些大數據到底是不是真的「大」數據，都說明了一件事：大數據發展至今，幾乎已經成為全民常識。從科技大佬、政治名人到市井小民，隨口都可以說上幾句大數據的大道理，大數據的熱門程度可見一斑。但是你真的懂大數據嗎？或者是說，你真的會用大數據嗎？
從What到How
大數據變了，它變得更成熟也更主流了，以前你對大數據一知半解，依稀知道大數據可以幹嘛，但現在這已經遠遠不夠了。「兩年前，客戶會問大數據是什麼？現在會問要怎麼切入大數據、有什麼題目可以做？一些進階企業甚至會問，如何用更新的工具，讓效率更快或價值更高？大家問的題目變具體了。」IBM軟體事業處總經理賈景光說。
市場研究機構Gartner去年8月發布的「科技成熟度報告」顯示，大數據已經從過熱高峰期過渡到幻滅谷底期。報告中指出，「市場對大數據的興致未減，但由於市場上開始出現越來越多樣的大數據應用，各式尖端資料處理技術和應用陸續推陳出新，這讓大數據開始揮別期望過熱期，步入幻滅低谷期。」這說明大數據並非即將滅亡，相反的，大數據越來越成熟。交大產業加速器暨專利開發策略中心產業分析師黃秋華認為，幻滅才是成長的開始，大數據應用在未來只會越來越多，而且越來越多元，市場已普遍對大數據有所認識，各大企業也都已導入大數據專案。
每年都會在部落格上發布大數據產業地圖的FirstMark Capital營運總監特克（Matt Turck），在2014年發布的大數據產業板塊圖中，數據應用的勢力越來越大，跟2012年一比，數據應用已占整個產業板塊近四分之一強。種種現象皆說明，大數據已經過了紙上談兵的階段，進入短兵相接時期。那問題來了，你該怎麼做？
「大數據即將在5年內消失！」去年被Exebank選為全美排名第4首席技術長的Teradata技術長寶立明（Stephen Brobst），在接受《數位時代》專訪時表示，「很多人以為大數據就是指大量的數據，事實上，我認為這是大數據中最無趣的部分。我們真正在尋找的是非傳統的、未曾被挖掘過的資料，並且從這些資料中去提煉出價值。我相信在5年內，我們就不會再使用大數據這個詞了，到頭來大數據就只是資料而已。」
要用大數據，先打破迷思
寶立明意指，大數據將成為每家企業的DNA和未來能否保持競爭優勢的關鍵，因此大數據本身已經不重要了，怎麼用大數據才是重點。他認為亟需被打破的迷思，就是大數據很大這件事。事實上，大數據是個非常差勁的命名，因為這讓人們直接聯想到數量，但其實數據的量從來都不是重點，如何將數據轉換成商業價值才是關鍵。
阿里巴巴副總裁車品覺在接受《數位時代》專訪時，也有類似觀點：「忘掉大數據吧！如果大數據已經成為常態元素了，你何必特別講出來呢？」車品覺認為，大數據只是創新決策的一種新工具，不用把它想得太萬能，不是所有的問題都是數據問題，也不是所有的問題，大數據都能解決，「不用太神化它，太多的行外人把它講得很神，反而我們業內人不敢說得太神話，因為知道兌現不了。」
關於大數據迷思，第一個你要知道的就是：大數據不是神，更不是萬靈丹，以及大不大根本就不是重點。那重點是什麼呢？
協助解決商業問題
「Big Data這個名字事實上是有點誤導，真正賺錢的是，從大數據萃取出來的大智慧（Big Intelligence）。」和沛科技創辦人翟本喬說。翟本喬以今年甫獲得奧斯卡獎的《模仿遊戲》（The Imitation Game）為例，說明大數據價值鏈中的關鍵角色：世界二次大戰中，電腦之父圖靈（Alan Mathison Turing）帶領英國情報局打敗德軍，潛水艇的無線電波傳來傳去，聽起來像雜音，這裡頭嘟嘟嘟的聲音叫做數據（Data）。就算你知道它是摩斯密碼裡面的某一個字，可是這又怎麼樣？做機器的不是最有價值的，做那個破解密碼的機器也不是最有價值的。你如果能把它破解出來，知道德國潛水艇在什麼時候去哪裡攻擊你的艦隊，然後根據這個情報做出反應，消滅德國艦隊，這才是最有價值的。
大數據若只有技術，但缺乏商業眼光和解決問題的能力，那其實不叫大數據，而更像一場大災難。根據2013年大數據公司InfoChimps的報告，大數據專案的失敗率遠高於一般IT專案，大數據專案的失敗率高達55％，而一般IT專案是25％，等於每兩個大數據專案就有一個會失敗。
大數據專案的失敗率為什麼這麼高？企業主的思維沒有調整過來、缺少商業眼光、過度重視技術以及操之過急，都是導致大數據專案比一般IT專案更容易失敗的原因。但其實打從一開始，大數據就不應該只是IT專案。「技術和平台只是一個工具，它還需要很多策略執行面的配套，大數據的成效才會發生。技術造成大數據不成功的機率很低，因為大家的技術成熟度都非常高，不管是大數據、中數據還是小數據，都是要解決業務上的問題。」賈景光表示。
企業主過度相信經驗，是導致大數據專案失敗的一大原因，事實上，這可能是影響最重大的一項，畢竟企業主若沒有體認到數據決策的重要性，那麼企業談再多用大數據變現都是枉然。商業分析軟體大廠賽仕電腦（SAS）副總經理高芬蒂表示，任何企業不管大小，只要懂得運用資料做決策，勝出機率一定比較大。但如果只是憑著經驗拍腦袋，沒有跟別人做出差異化，便比較容易失敗。
大企業紛用大數據拚轉型
無論企業新舊大小，大數據已開始全面進入各行各業，而且不同產業對大數據的關注點都不一樣。例如便利商店強打即時方便，特別注重導購和促銷。金融業則因其商品特性較為敏感且個人化，特別注重與顧客之間建立信任關係。電信業坐擁大量數據，但受限於法規，目前聚焦於用大數據提升服務品質。
大數據商業模式沒有所謂一體適用的通則，但卻有各產業都會遇上的共同困擾：大數據團隊的管理問題。大數據亟需跨部門的整合協作，因此幾乎所有成功的大數據案例，皆有設立專門統籌數據並和其他部門協調的單位，而且設置層級越高越好。例如IBM負責掌管大數據的市場智慧（Marketing Intelligence）部門，就直接隸屬於總經理辦公室。而遠傳電信的大數據智慧部也強調跨部門合作，讓數據技術人員和行銷、業務等部門互通有無，交換想法，好讓數據分析更貼近實際業務需求。
小型企業也能玩大數據
最後，大數據是否成功，與企業大小並無直接關係，任何懂得善用數據做決策和創新的企業，都稱得上是擁有大數據思維的企業。即使沒有大數據，也不用妄自菲薄。如果你是中小企業，不要急著大興土木建設大數據環境，不妨先盤點看看企業內部的數據是否開放透明，而且彼此相容。然後小規模地測試模型是否可行，確認想法是可複製的，再行大規模布署。另一方面，無論企業大小，先問對問題，事情就解決了一半，好問題會決定整個大數據專案的數據蒐集策略和種類。
中研院資科所研究員陳昇瑋說：「大家都在忙著打造鍋子、廚房和刀子，但好的廚師比較沒有那麼多，台灣廠商總覺得一定要把廚房準備好才能做菜，第一步就打造技術團隊或是買技術平台，但其實絕大多數的企業都不需要這樣做，因為台灣廠商真正擁有大數據的並不多。」
在大企業之外，其實新創企業也在整個大數據價值鏈中扮演重要角色，發揮小兵立大功的力量，值得關注。例如才成立不到1年的科智，以製造業數據管理平台服務奪得台灣第一座英特爾APEC挑戰賽冠軍獎盃。還有自詡為大數據礦工手中鏟子的雲深創新，其大數據推薦系統讓HiNet新聞社群的黏著度提升了20％，同樣令人驚艷。
從大企業到小新創，大數據，你學會了嗎？
@@ACTIVITYID:602@@
@@ACTIVITYID:513@@
數據解讀大數據
1.企業的大數據現況
過去一年，在美國已經展開數據主導計畫的組織成長了125％，但其中有**42％**還在討論如何實行。
**80％大企業及63％**中小企業正開展數據主導的計畫
2.最普遍的資料來源
**63％**客戶資料庫
**61％**電子郵件
**53％**交易資料
**51％**工作清單
48％ Word文件
3.未來一年的大數據預算規劃
**36％**計畫增加
**41％**沒有增減
企業平均花費740萬美元，採取資料相關的初步行動
大型企業：1,380萬美元
中小企業：160萬美元
4.大數據計畫時間表
**30％**目前沒有規劃
**27％**已經展開大數據計畫
**14％**正在進行大數據概念驗證
**12％**未來1年內會啟動大數據計畫
**8％**有規劃但沒有明確時間表
**8％**考慮未來13～24個月施行計畫
5.大數據預算的三大領域
**58％**資料分析
**42％**數據可視化
**38％**資料採礦
6.大數據專案的目標
**61％**增進決策品質
**57％**幫助預測及規劃
**51％**增加決策速度
7.大數據的三大挑戰
**48％**技術人員的能力限制
**47％**預算的限制
**40％**舊資料的處理能力
註：今年3月IDG Enterprise揭露了最新的大數據調查報告，主要是針對美國、英國、澳洲1,139間企業進行的調查結果。
資料來源：IDG Enterprise
整理：吳韻萱
@@ACTIVITYID:513@@
