大數據的今日,小眾還有市場嗎?
大數據的今日,小眾還有市場嗎?

每一個人都有「數大便是美」的體驗,只有徐志摩最先寫出,「數大了似乎按照著一種自然律,自然的會有一種特別的排列,一種特別的節奏,一種特殊的式樣,激動我們審美的本能,激發我們審美的情緒」。

數大,除了美學上展現規律外,在知識上也能產生可觀的累積效果。《群眾的智慧》這本書裡舉出了許多例子,當群眾的數目夠大,如果有一個機制可以有效彙整眾人的意見,最後產生的綜合判斷通常更為準確。

在經濟價值上,群眾數目大自然市場大,供給與需求都大。然而引人矚目的是經濟價值跟數目的關係不只是線性,甚至是指數關係。最初提出這個觀點的是梅卡非(Bob Metcalfe),他主張網路的價值跟網路中節點(node)數目的平方成正比。換一個角度,也可以說一個群體的價值不是人口數的線型關係,而是指數關係。

這種指數函數的價值觀主導了網路時代的企業發展思維,數大不只美,更蘊藏了龐大的商業價值。美國的FANG(Facebook,Amazon, Netflix, Google),以及中國的BAT(Baidu, Alibaba, Tencent),都是拜「數大便是美」之賜,成為21世紀難以動搖的虛擬帝國。許多創新也由大數發想,顛覆了傳統的市場秩序,例如:

P2P的資訊網路結構: Peer to Peer的架構下,資訊的儲存、計算與通訊都展現了新的能力,兩端的P越大,通訊不但沒有形成瓶頸,反而效率越高,Skype或BitTorrent便是標準的例子。

群眾募資(crowdfunding)或群眾外包(crowdsourcing): 傳統供需交換透過一對一完成,容易形成瓶頸;群眾外包屬於一對多,至少解決了一端的問題;至於群眾募資兩端多對多,效率自然最高。群體越大效率越高,量體便越大,這是為什麼Kickstarter上募款總額或是單項募款金額總是比FlyingV高出一兩個數量級的原因。

共享經濟(shared economy): 雖然共享經濟並非無料共享,做莊者如Uber、Lyft、Airbnb 擷取了最大的商業利益,但不能否認社會總體資源因此更被充分應用。在共享經濟裡,參與人數越多,投入的共享資源越龐大,效率也越高,這又是另一個大n比小n具有優勢的例子。

大數據(big data): 無論人工智能或機器學習,數據量越龐大,能萃取的資訊越有價值,沒有大量的原始數據,機器學習便失去了用武之地。2014年人工智能金童吳恩達(Andrew Ng)被百度挖角,主持人工智能計劃,他的出發點便是:機器學習需要大數據,人口最多的國家是中國,中國擁有最大量數據的企業自然是百度,因此加入百度對他而言是必要的經驗。發展人工智慧固然要靠高明的演算法,但只有用大量數據來練功,演算法才能越來越聰明。

你鎖定的是大眾,還是少數人?

任何樣本群分佈都呈現鐘形曲線,雖然左右不一定對稱,寬窄高度各有不同,但總脫離不了金鐘的基本結構。人口越多,樣本群數目越大,鐘形曲線覆蓋的面積越寬廣,一面向左右延伸,一面向高度爬升。前面幾種商業模式目標瞄準鐘形曲線中間區域面積最大的區塊,以量取勝,走的是大眾的路線,迎合最多數人的口味需求。

但也有人另闢蹊徑,追求鐘形曲線的兩端──所謂離群者(outliers)的族群。這本來是小眾,但如果鐘型結構的量體夠大,小眾也有能具備經濟規模。

例如輕薄短小雖然是網路閱讀的時尚,但長文(Longform)也有一定的讀者。推特(Twitter)以140個字母聞名,人氣冠軍歌星Katy Perry有一億粉絲,歐巴馬下台後人氣不降反升,粉絲接近一億,而以推特治國的美國總統川普也有4,000萬跟隨者。推特追求鐘型結構中間最大的板塊,結果成就了120億美金的公司市值。

短文固然易寫易讀,但網路媒體跟平面出版比較還有一個好處,就是不受紙張版面的限制,作者得以暢所欲言,痛快淋漓,讀者可以針對某一議題的來龍去脈得到完整的了解。因此許多傳統媒體如New Yorker的網路文章越來越長,更有網路媒體專攻長文,例如Epic MagazineThe Big RountableLongreads(2014年被WordPress收購)。雖然能靜下心花30分鐘讀完一篇長文的讀者不多,遠比利用10秒鐘碎片時間讀完一則推文的讀者為少,但在一個人口眾多、鐘型結構量體夠大的市場而言,即使屬於小眾的離群者也能達到經濟規模。

知識與娛樂相較,娛樂是大眾,知識永遠是小眾。但矽谷的Quora從2009年創立起,打造了一個大眾知識交換的平台,一人提問,眾人回答,不追求娛樂,卻創造了一個知識供給與需求的市場。中國大陸也有一個類似的知識問答平台《知乎》,以及完全知識性的個人談話節目《羅輯思維》。這些新創公司雖然終究是小眾,但市場估值都到達了獨角獸的等級。

80/20法則每人都耳熟能詳。在帕累拖分配圖(Pareto Chart)上,少數熱門產品佔據了最大的銷售量(80%),眾多的冷門產品拖了長長的尾巴,總量卻聊聊可數(20%)。如果市場太小,20%的基數小,再分散到品類繁多的冷門產品,每一種產品便極難達到經濟規模。因此長尾效應在大市場才有發揮的舞台,小市場裡多數公司只好追求80%的熱門產品,捨棄20%的長尾。

小市場的台灣,可以這樣想

對台灣這樣的小市場而言,n值既小,許多在大市場裡能夠揮灑的商業模式都難免捉襟見肘。病毒營銷(viral marketing)很快被邊界所困,指數成長不久便頂到上限,趨向飽和。Outliers不夠遠,數目不夠多,至於長尾效應,或是免費增值(freemium)的商業模式,都難免先天不足,後天難以為繼。

那台灣還能有哪些對策?

首要是避免人云亦云。在大市場可以揮灑的商業模式,在小市場多半無法適用。資訊無國界的時代裡,各種招數人人能夠琅琅上口,只有少數人能夠認清邊界條件,避免落入東施效顰的陷阱。

其次是追求大n。如果題目夠好,創意夠新穎,不妨放眼大市場。然而攻堅需要充沛的糧草,人才、資本都必須有相對應的搭配,才具備進入大市場的爆發力和續航力。

還有一招是集腋成裘。小市場往往被大廠商忽略,新創公司如果能夠克服語言、文化、法令的市場障礙,有效進入許多小的市場,也能積小為大,達到更大的經濟規模,這是新加坡許多新創公司如GrabTaxi與Lazada能成為獨角獸的竅門。

最後不得已,甘願在小池裡做條小魚又何妨。如果期待值不高,只要能找到相匹配的資源(資金與人才),終究是兩廂情願。最怕的是期望值、策略、資源彼此間有巨大的落差,最後悻悻不平的結局可想而知。

數大便是美,n的大小幾乎是企業的宿命。創業者當然不必認命,卻必須看清楚想明白n的邊界,要不想法突破,要不量力而為。

《數位時代》正式取得「獨立評論@天下」授權刊登。

《數位時代》長期徵稿,針對時事科技議題,需要您的獨特觀點,歡迎各類專業人士來稿一起交流。投稿請寄edit@bnext.com.tw,文長至少800字,請附上個人100字內簡介,文章若採用將經編輯潤飾,如需改標會與您討論。

(觀點文章呈現多元意見,不代表《數位時代》的立場。)

往下滑看下一篇文章
從智慧助手到自主代理:博弘雲端如何帶領企業走上 AI 實踐之路
從智慧助手到自主代理:博弘雲端如何帶領企業走上 AI 實踐之路

「代理式 AI 」(Agentic AI)的創新服務正在重新塑造企業對AI的想像:成為內部實際運行的數位員工,提升關鍵工作流程的效率。代理式AI的技術應用清楚指向一個核心趨勢:2025 年是 AI 邁向「代理式 AI」的起點,讓 AI 擁有決策自主權的技術轉型關鍵,2026 年這股浪潮將持續擴大並邁向規模化部署。

面對這股 AI Agent 浪潮,企業如何加速落地成為關鍵,博弘雲端以雲端與數據整合實力,結合零售、金融等產業經驗,提出 AI 系統整合商定位,協助企業從規劃、導入到維運,降低試錯風險,成為企業佈局 AI 的關鍵夥伴。

避開 AI 轉型冤枉路,企業該如何走對第一步?

博弘雲端事業中心副總經理陳亭竹指出,AI 已經從過去被動回答問題、生成內容的智慧助手,正式進化為具備自主執行能力、可跨系統協作的數位員工,應用場景也從單一任務延伸至多代理協作(Multi-Agent)模式。

「儘管 AI 前景看好,但這條導入之路並非一帆風順。」博弘雲端技術維運中心副總經理暨技術長宋青雲綜合多份市場調查報告指出,到了 2028 年,高達 70% 的重複性工作將被 AI 取代,但同時也有約 40% 的生成式 AI 專案面臨失敗風險;關鍵原因在於,企業常常低估了導入 GenAI 的整體難度——挑戰不僅來自 AI 相關技術的快速更迭,更涉及流程變革與人員適應。

2-RD096270.jpg
博弘雲端事業中心副總經理陳亭竹指出,AI 已經從過去被動回答問題的智慧助手,正式進化為具備自主執行能力、可跨系統協作的數位員工。面對這樣的轉變,企業唯有採取「小步快跑、持續驗證」的方式,才能在控制風險的同時加速 AI 落地。
圖/ 數位時代

正因如此,企業在導入 AI 時,其實需要外部專業夥伴的協助,而博弘雲端不僅擁有導入 AI 應用所需的完整技術能力,涵蓋數據、雲端、應用開發、資安防禦與維運,可以一站式滿足企業需求,更能使企業在 AI 轉型過程中少走冤枉路。

宋青雲表示,許多企業在導入 AI 時,往往因過度期待、認知落差或流程改造不全,導致專案停留在測試階段,難以真正落地。這正是博弘雲端存在的關鍵價值——協助企業釐清方向,避免踏上產業內早已被證實「不可行」的方法或技術路徑,縮短從概念驗證到正式上線的過程,讓 AI 真正成為可被信賴、可持續運作的企業戰力。

轉換率提升 50% 的關鍵:HAPPY GO 的 AI 落地實戰路徑

博弘雲端這套導入方法論,並非紙上談兵,而是已在多個實際場域中驗證成效;鼎鼎聯合行銷的 HAPPY GO 會員平台的 AI 轉型歷程,正是其最具代表性的案例之一。陳亭竹說明,HAPPY GO 過去曾面臨AI 落地應用的考驗:會員資料散落在不同部門與系統中,無法整合成完整的會員輪廓,亦難以對會員進行精準貼標與分眾行銷。

為此,博弘雲端先協助 HAPPY GO 進行會員資料的邏輯化與規格化,完成建置數據中台後,再依業務情境評估適合的 AI 模型,並且減少人工貼標的時間,逐步發展精準行銷、零售 MLOps(Machine Learning Operations,模型開發與維運管理)平台等 AI 應用。在穩固的數據基礎下,AI 應用成效也開始一一浮現:首先是 AI 市場調查應用,讓資料彙整與分析效率提升約 80%;透過 AI 個性化推薦機制,廣告點擊轉換率提升 50%。

3-RD096215.jpg
左、右為博弘雲端事業中心副總經理陳亭竹及技術維運中心副總經理暨技術長宋青雲。宋青雲分享企業導入案例,許多企業往往因過度期待、認知落差或流程改造不全,導致專案停留在測試階段,難以真正落地。這正是博弘雲端存在的關鍵價值——協助企業釐清方向,避免踏上產業內早已被證實「不可行」的方法或技術路徑,縮短從概念驗證到正式上線的過程,讓 AI 真正成為可被信賴、可持續運作的企業戰力。
圖/ 數位時代

整合 Databricks 與雲端服務,打造彈性高效的數據平台

在協助鼎鼎聯合行銷與其他客戶的實務經驗中,博弘雲端發現,底層數據架構是真正影響 AI 落地速度的關鍵之一,因與 Databricks 合作協助企業打造更具彈性與擴充性的數據平台,作為 AI 長期發展的基礎。

Databricks 以分散式資料處理框架(Apache Spark)為核心,能同時整合結構化與非結構化資料,並支援分散式資料處理、機器學習與進階分析等多元工作負載,讓企業免於在多個平台間反覆搬移資料,省下大量重複開發與系統整合的時間,從而加速 AI 應用從概念驗證、使用者驗收測試(UAT),一路推進到正式上線(Production)的過程,還能確保資料治理策略的一致性,有助於降低資料外洩與合規風險;此對於金融等高度重視資安與法規遵循的產業而言,更顯關鍵。

陳亭竹認為,Databricks 是企業在擴展 AI 應用時「進可攻、退可守」的重要選項。企業可將數據收納在雲端平台,當需要啟動新型 AI 或 Agent 專案時,再切換至 Databricks 進行開發與部署,待服務趨於穩定後,再轉回雲端平台,不僅兼顧開發效率與成本控管,也讓數據平台真正成為 AI 持續放大價值的關鍵基礎。

企業強化 AI 資安防禦的三個維度

隨著 AI 與 Agent 應用逐步深入企業核心流程,資訊安全與治理的重要性也隨之同步提升。對此,宋青雲提出建立完整 AI 資安防禦體系的 3 個維度。第一是資料治理層,企業在導入 AI 應用初期,就應做好資料分級與建立資料治理政策(Policy),明確定義高風險與隱私資料的使用邊界,並規範 AI Agent「能看什麼、說什麼、做什麼」,防止 AI 因執行錯誤而造成的資安風險。

第二是權限管理層,當 AI Agent 角色升級為數位員工時,企業也須比照人員管理方式為其設定明確的職務角色與權限範圍,包括可存取的資料類型與可執行的操作行為,防止因權限過大,讓 AI 成為新的資安破口。

第三為技術應用層,除了導入多重身份驗證、DLP 防制資料外洩、定期修補應用程式漏洞等既有資安防禦措施外,還需導入專為生成式 AI 設計的防禦機制,對 AI 的輸入指令與輸出內容進行雙向管控,降低指令注入攻擊(Prompt Injection)或惡意內容傳遞的風險。

4-RD096303.jpg
博弘雲端技術維運中心副總經理暨技術長宋青雲進一步說明「AI 應用下的資安考驗」,透過完善治理政策與角色權限,並設立專為生成式 AI 設計的防禦機制,降低 AI 安全隱私外洩的風險。
圖/ 數位時代

此外,博弘雲端也透過 MSSP 資安維運託管服務,從底層的 WAF、防火牆與入侵偵測,到針對 AI 模型特有弱點的持續掃描,提供 7×24 不間斷且即時的監控與防護。不僅能在系統出現漏洞時主動識別並修補漏洞,更可以即時監控活動,快速辨識潛在威脅。不僅如此,也能因應法規對 AI 可解釋性與可稽核性的要求,保留完整操作與決策紀錄,協助企業因應法規審查。

「AI Agent 已成為企業未來發展的必然方向,」陳亭竹強調,面對這樣的轉變,企業唯有採取「小步快跑、持續驗證」的方式,才能在控制風險的同時,加速 AI 落地。在這波變革浪潮中,博弘雲端不只是提供雲端服務技術的領航家,更是企業推動 AI 轉型的策略戰友。透過深厚的雲端與數據技術實力、跨產業的AI導入實務經驗,以及完善的資安維運託管服務,博弘雲端將持續協助企業把數據轉化為行動力,在 AI Agent 時代助企業實踐永續穩健的 AI 落地應用。

>>掌握AI 應用的新契機,立即聯繫博弘雲端專業顧問

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
2026 大重啟
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓