大數據是什麼? 如何應用大數據分析?

Last Updated: July 2, 2021

受網路速度的提升、運算能力的提高、以及物聯網技術的成熟所驅動,我們每天都在製造以及儲存非常龐大的數據量,IBM的研究更是近一步的指出,我們過去兩年所製造的數據是有史以來所有數據的90%,且這個速率將會隨著物聯網更加普及而增加。

然而就在我們擁有如此龐大的數據的同時,我們卻沒有足夠的能力以及相對的工具去分析這些海量數據。研究甚至發現,所有我們所產生的數據當中僅有不到1%被有效分析。最後,在這被分析的1%中,又有多少成為有效的洞見(Actionable Insight)? 

以上的趨勢以及問題點,就是為何大數據或是巨量資料在近幾年間成為一個在產業當中頻繁被拋來拋去的Buzzword。且根據麥肯錫預估,大數據分析將會在19個產業當中創造9.5兆~15.4兆美金的商業價值。 然而,若要真正從大數據當中挖掘出龐大價值,這不僅要求業者轉變整個IT架構以及培養數據導向思維方式,同時還需要整個組織培養相對的資源以及能力去執行大數據分析,若業者期望用既有的分析方法來處理大數據,那麼這所謂的大數據就真的只是一個被拋來拋去的Buzzword了。

在這篇解析當中,我們將完整的定義大數據是什麼?,並且深度的探討在不同領域當中的應用以及實際案例為何。

大數據是什麼?​

在2001年時,Gartner用3V定義了大數據,這三個V分別為Variety(多種類)、 Velocity(高速率)、 Volume(數量大)。 

多種類代表了非結構與半結構式數據,也就是說像文字、圖像、影音等形態的資料在現在都能夠被分析。而高速率則代表了數據傳送以及更新的頻率變的更快了,這是出於網路速度的提升所達到的,現在甚至有些積極導入工業4.0科技的工廠能夠建立所謂的實時優化器(Real-time Optimizer),實時的優化整個產線的產能。最後Volume則是數據量在現代變得更加龐大的意思。

不過我們認為這個2001年所提出的思考框架,缺少一個必要的元素去完整現在大數據的本質,那就是數據來源的Versatility,多源性。 而這多源性指的就是隨著物聯網技術的成熟與普及,我們得以在各種不同的裝置上追蹤多個數據點,並實時的收集以及分析這些數據,不過不止於物聯網,現在的管理者練就了一身數據驅動的運作模式,而這個特質也導致我們想在各種不同的媒介上增加追蹤方法,以追蹤不同策略的成效。 

所以像是網站就會有所謂的Cookie來了解用戶的行為模式,現在更是有業者利用自然語言技術做出了社群媒體的監控系統,來了解潛在消費者對於新產品發佈或是某些新消息的反饋為何。

當你把多種類的數據(Variety)、乘上高速率的數據(Velocity)、再乘上多源的數據(Versatility),那麼最後的總數就會非常巨量,也就是所謂的大數據。 

如何應用大數據分析?

大數據的應用非常廣泛,涵蓋了整個企業從上到下的業務,其中包括了R&D與產品創新、行銷與銷售、運營、風險、以及其他輔佐性質的業務功能(財務、風險、以及HR等等),倘若業者能有效定義出優化方向,並不屬相關數據策略,其結果將有潛力為企業帶來龐大的競爭優勢。 以下我們將更進一步的探討這五大領域的大數據應用。

大數據將如何驅動行銷與銷售?

艾森哲的CTO曾於一次訪談中提出,當前產業正處於一個數位承諾與數位現實的轉淚點,而這在行銷與銷售當中尤其如此。 這幾年來不斷浮出水面的科技如內容自動產生、行銷自動化與個人化、旅程分析、或是大數據驅動的行銷與銷售都已經越來越頻繁地出現在這個領域中。 我們也看到越來越多的業者不斷的採納與測試,並規模化個整AI應用。

一份針對北美企業的CMO調查當中顯示,大多數業者都已經在至少一個領域當中導入AI,其中絕大多數將資源放在內容個人化、消費者洞見的預測性分析、以及行銷鎖定上,而我們也可以看到對於B2C產品與服務公司來說,程序化廣告購買以及市場區隔也相對的重要。 

在以下的Insight當中,我們更近一步的探討了大數據與AI於行銷的應用,點擊連結以閱讀更多。

大數據與AI將會如何驅動行銷與銷售?

大數據將如何轉變製造業中的供應鏈、物流、以及製程?

隨著市場動態、採購模式、供應鏈管理、以及製程變得越來越複雜,倘若業者缺乏一個全面的數據策略去運營整個流程,那麼業者將會面臨許多如低產能、低良品率、以及設備無法被有效應用的問題。

不過雖然在業界當中,已經有許多模型去幫助製造業者規劃運營流程,例如DMAIC以及DMADV等6σ的模型,又或是精益管理(Lean Management),但在這個運算能力極高且物聯網無時無刻都在產生數據的時代,業者可以建立於這些模型上更進一步的優化供應鏈以及製程的效能,而要做到這件事情,背後的關鍵技術即是大數據。

大數據可以從頭到尾的在整個製造業的價值鏈當中創造龐大效益,這也就代表著從採購/供應鏈管理、產品製造流程、一直到配送與物流,大數據,或稱大數據分析,都能更進一步的優化既有的效能。

在以下的Insight當中,我們更近一步的探討了大數據於製造業中的應用,點擊連結以閱讀更多。

在製造業中,大數據分析將會如何優化供應鏈以及製程?

OOSGA Analytics

我們的團隊統合研究、調查以及實務經驗,透過每一次的Insight,分享給台灣決策者相關議題上的思考方式與執行手段。

台北市信義區基隆路一段206號16樓​
業務聯繫人: Chelsie Yang | Email: chelsie.y@oosga.com
Call: 6601-1315

Empowering Change, Delivering Impact.

Connect with the Authors

Hm.. It doesn’t seem like you are logged in yet. Please use the form below to sign in to your account.

If you don’t have a subscriber account, consider register one here.

For partners, please leverage your designated OOSGA.org account associated with your organization.

訂閱我們每週分享的產業洞見、定期發布的研究報告、以及不同市場的問卷調查結果

We send weekly Insights & Reports to our subscribers. If you don’t have a subscriber account, consider creating one here.