智牛科技：物聯網時代來臨，如何正確發揮數據分析的價值？

智牛科技

大數據也好，小數據也罷，已經有很多的專家討論過運用數據到底可以帶來什麼價值。只是在這麼多的數據分析的論述之後，筆者觀察到市場上大多數人對於數據收集與分析仍舊是一頭霧水。很多讀者在給筆者的回饋意見中，筆者最擔心的是在物聯網應用方案設計之初的系統架構中 (system architecture)，數據分析的角色沒有被優先對待，以致於相關方案的設計只是一大堆硬體的集合 ，自動化或者有之，說好的智慧化則往往消失無蹤。

首先，筆者要澄清一點，數據的來源很多，聯網裝置只是收集數據的一種手段，並非只有物聯網應用方案才能搜集資料。舉例來說，傳統的收銀機也在累積數據，只是沒有電子存儲裝置，一切都是保留在紙帶上，取用非常不方便，基本上很難用來做精細的營業分析。直到收銀這個功能與工業電腦結合，數據開始有了進一步被分析的方便性。

然而，為了加快結帳速度，現行電子式收銀機能收集的欄位仍有限制，所以如果讀者在結帳時特別注意，幾乎每一台電子式收銀機都外掛了不少其他裝置，一開始是幾種信用卡刷卡機，插卡式或感應式的不一而足，最近隨著第三方支付的普及，額外的條碼掃描裝置也開始出現。然而這些裝置收集的資料都集中在業務成交結帳時，零售業者仍舊無從得知每個時點有多少人經過門口，多少人走進賣場，更不用說個別顧客繞行路徑，甚或是在每個櫃位或貨架前的停留或注視時間。近來隨著資通訊科技與相關視覺辨識軟體的進步，這些資料搜集都由不可能逐漸變為可能。

此外，數據分析科技的進步隨著運算與儲存裝置性能提升與價格下滑，數據科學家得以將目光由結構化資料 (structured data)投向非結構化資料 (unstructured data)。簡單來說，語音與文字資料的記錄得以被分析。首先，傳統客服電話的對談內容已經可以直接語音轉文字，再將透過自然語言處理 (natural language processing, NLP)文字探勘進行客訴分析，讓客服人員與顧客抱怨的對話內容與處理過程都變成顧客檔案 (customer profile)的一部分。

甚至，為了節省客服人力，運用相關數據科技開發出來的聊天機器人 (chatbot)也應運而生。顧客在網站上或在賣場內的輸入裝置都可以直接詢問聊天機器人（通常是文字對話）與賣場或商品相關的資訊。如此一來，不但資料搜集的流程直接進入電腦，聊天機器人甚至可以根據對話過程主動建議顧客適合的商品。

相比之下，傳統客服人員雖然可以做到更細緻的服務或應付更隨機的問題，但人腦記憶容量有限，我們不可能苛責客服人員記得賣場內成千上萬種商品的品名特色或所在位置，更無法期待客服人員隨時調閱提問顧客的顧客檔案，即時掌握顧客的品味，在對話結束前的黃金時間內做最有效的商品推薦。

非結構化資料的來源還可以是網路上的社群討論或任何內容媒體流傳的一篇報導及底下的留言評論。君不見網路留言的病毒式擴散效果，早已是每一個行銷人員必修課程。不理解粉絲團或網路搜尋優化 (searching engine optimization)威力的行銷人員，想來在公司內發言權也將逐漸式微。針對網路時代新的行銷宣傳趨勢，網路輿情分析 (social listening/social media monitoring, SL)早已經廣為企業行銷人員採用。

甚至，居於市場領導地位（或有心急起直追）的廠商，還逐漸了解到市場商情調查 (market intelligence, MI)不再是剪刀糨煳加一大堆的研究人員解讀，運用 NLP開發的 MI系統讓市場商情走向的掌握不再是大公司才能擁有的獨門利器。

相對於濫竽充數的類似產品，優秀的數據科學家開發的 SL與 MI，可以讓企業迅速掌握產業趨勢、發掘潛力產品或技術，也可以監控網路上意見領袖或重量級媒體報導對於企業自己或競爭同業產品的影響，更快速的採取因應之道。此外，結合 SL與 MI的精神，精擅 NLP的資料科學家還可以開發出競爭同業的監控方案。

行文至此，讀者可能已經體會到"資料爆炸"這個名詞的嚴重性。看中這個市場潛力的業者，從傳統系統整合商、標榜數據分析的軟體開發商、提供高速資料處理的硬體系統，到物聯網應用方案提供者，大家無不強調自家開發的產品或方案能夠為企業快速處理分析急速增加的資料。在被這些玲琅滿目的眾多選擇中，企業應該先問自己，資料搜集的目的為何 ;更精確地說，企業希望解決的問題是什麼，哪一種或幾種資料可以有效地回答這個待解決問題。

不論是智能製造、智能零售或是智能建築的方案，這個問題都是最優先要回答的。循著這個邏輯，下一步應該盤點企業內是否已經擁有相關資料。若答案是肯定的，緊接著要思考用傳統的統計分析、商業分析 (business intelligence)或更進一步的機器學習 (machine learning)來解答。如果資料的複雜度需要用到機器學習，那麼企業內有熟悉資料科學的人員可以處理嗎？當這些問題都清楚審視過後，哪些軟、硬體工具適合企業使用的答案就自然浮現了。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！