剖析大数据失利症结 重整旗鼓找回核心价值

Dell旗下的Statistica解决方案，支持先进的预测性分析功能，让企业可藉由各种情境模拟假设，探索不同商业决策的可能发展趋势。ToadWorld

近几年多数人应该都曾听闻类似话语，每10分钟，全球就产生近1.4亿封电子邮件、266万次Google查找、逾500万次Youtube影片点阅、1.1万张相片上传至Flickr…等等，日复一日，累积的数据部位自然庞大，正是支撑巨量数据分析概念的主要理由；然而，要做好这件事，其实并不容易。

随着市场变迁速度加剧，再加上市场竞争态势趋于激烈，使得多数企业的经营高层有所顿悟，深知意欲在混战局面上脱颖胜出，绝对不宜继续凭藉经验、感觉甚至猜测来制定商业决策，而必须紮紮实实地靠数字来说话，只不过，可能潜藏商业决胜因子的信息，不仅见诸于结构化数据，有更多部分存在于非结构化数据，单凭现有技术或系统架构，并不足以在合理时间内对此进行存储、运算、处理，也难以有效分效出可以解读的信息，故而驱使企业投入大数据分析。

换言之，靠着大数据，企业可望从中探索一些未知相关性(Unknown Correlation)、市场趋势，抑或未显露的模式(Hidden Patterns)的知识应用，进而加以发现、挖掘，为营运创新增添丰沛动能。

早在2001年，Gartner的分析师Doug Laney，即发表了一篇名为「3D Data Management: Controlling Data Volume, Velocity, and Variety」文章，清楚点出三个有关于数据处理的主要挑战，分别是数据量、速度与多样性；时隔十多年，当时的立论依然适用，且据此形成了大数据的3V特性。

当然，日后又有不同人士，意图加入真实性(Veracity)、波动性(Volatility)、价值(Value)、有效性(Validity)…等等更多的「V」，以期诠释与解读大数据，而且听来都言之成理。无论有多少个V，哪怕只有最初始的三个最基本元素，都意谓大数据相当难搞，所以企业必须引进相关技术方案，借此突破种种难关，实现大数据分析愿景。

五大技术方案  助企业练就大数据功力

这些技术方案是什麽？总括来说，可区分为五大类型，由底层而上，依序是数据仓储或数据库系统(含关联式数据库、NoSQL数据库)、数据管理工具、数据整合工具(含ETL、MDM)、商业智能(BI)工具，以及位居最上层的先进分析软件，若依市场产值而论，则以先进分析软件、BI、数据仓储/数据库三者相对较大，各个都有逾130亿美元的实力。

其中先进分析软件意指数据探勘(Data Mining)、文字探勘(Text Mining)与预测性建模等加值型技术方案，乃是赖以展现数据价值的最终依归，年复合增长率尤其可观。

着眼于大数据分析效益无穷，近年来诸多企业也纷纷导入上列解决方案，开始执行数据挖掘分析；然而据业者统计，发现虽然有高达六成以上比重的企业，已经投入程度不一的巨量数据分析动作，可惜真正能够萃取价值者，却仅有两成五不到，换言之，有超过一半自认已经推动巨量数据分析的企业，并未因此而受益，几乎形同白忙一场，充其量也只是花了大把钞票，做到解读当下营运现状的程度。

为何如此多数企业事与愿违？业者分析个中症结如下：首先，许多企业所采用的技术颇为过时，无法支撑所有型态的数据分析需求，更不足以应付不可预期的分析作业负载，当务之急需要引进更为有效的数据管理与整合技术。其次，常见的应用场景是，企业内部不同单位各做各的分析，导致形成一个个孤岛(Silo)，以如此片段的分析成果而论，根本无从厘清不同部门之间交互作用，自然不足以帮助最高决策主管综观全局，做出最为完善的商业决策。

第三，多数企业的IT与业务单位之间，彼此缺乏有效连结(Alignment)，以致IT费心协助推动各项分析活动，却始终无法与公司商业目标挂钩。

补强大数据价值链  避免沦落解读现状之低层次

总结来说，一个真正有效的大数据价值链，从无到有，必须历经数据的蒐集、整合、正规化、分析直至最终的可视化等五个不同里程碑，倘若企业肇因于上述症结，使得最终分析成果沦于营运现状的解读，等同于只完了前三项里程碑，投资报酬率当然未尽理想。

业者建议，如果企业为前述现象所困扰，理应尽速审视自我的数据分析架构，是否具备五个完整层次，依序是数据蒐集与基本分析、数据整合、商业报表与分析、预测性分析(Predictive Analytics)，乃至最上层的时效性分析(Prescriptive Analytics)，一旦备妥这些必要机制，即可掌握要领知悉「已经发生何事」、「为何会发生此事」、「应针对此事采取哪些移动方案」、「预测未来可能还会发生哪些事件」、「有效管理与控制未来事件的发展脉络」，一步步实现大数据分析的最高价值。

具体来说，藉助良好的大数据分析机制，企业不难精准掌握对其贡献度较高的顾客群为何，接着妥善运用跨部门资源，想方设法促使这些目标客户群，持续对公司产生高盈利贡献而不坠，更有甚者，还能巧妙融会贯通所有的内外部数据，预测这些目标客户群的下一步需求为何，最终依据这些需求拟定极具诱因的行销方案，诱使客户买单，对公司挹注更高的贡献。

IT与营运部门协同分析预测  为企业开创最高价值

有监于此，已有供应商瞄准大数据价值所应具备的数据蒐集、整合、正规化、分析、可视化等五个完整构面，进行产品布局。以戴尔(Dell)为例，即以「与平台或数据无关」为诉求，推出一系列模块化方案，包括藉由Toad执行数据管理功能，Boomi满足内外部数据交换需求，Toad Intelligence Central(TIC)进行商业智能分析，Statistica负责执行先进分析，而最终分析成果，不仅可藉助多元化图表类型与文字描述而营造高度可视性，还可进一步回馈到Marketo自动化行销、或Salesforce客户关系管理等系统工具，确使企业商业决策可立即被付诸实现。

前述模块化方案，皆可适用于Oracle、SQL Server、Hadoop、MongoDB或IBM DB2等不同平台，换言之，企业不论采用何种数据管理系统，都能够利用Toad执行深度监控，持续剖析并诊断其效能瓶颈，确保数据库恒常维持最佳运作状态。

值得一提的，透过Statistica先进分析工具，有助于企业推动预测性建模，且不只是把数据模型建好、再被动等待结果是否印证，而是将此数据模型部署到企业的真实营运流程，以便于适时发挥预警功效；而Statistica经由多次改版，于去年(2015)第四季推出第13版，标榜加强支持在大数据先进分析领域相当火红的R语言，故而能顺势承接运用由不同领域专家透过R语言所催生的各式分析套件，此外也支持多项数据应用功能，让企业可植基于假设性的情境模拟，预先洞见各种商业决策的可能性。

当然不可讳言，根据前已述及的各种大数据分析失败原因，有一项重大项目，即是企业IT与业务单位无法紧密链结，以致各项看来神奇的数据探勘分析成果，始终无法契合企业的营运规则或目标，让分析成果沦为漂亮的摘要报告，不具备高价值，之所以出现这个失望结局，固然与技术方案是否完整到位不无关联，但却非压垮骆驼的关键稻草。

在此前提下，企业意欲在大数据分析方面缔造最佳成效，引进完备的技术工具还不够，仍应设法促使IT与营运部门齐力进行协同分析预测，若有必要，甚至不排除引进外部专业顾问来促成此事，只因为唯有如此，企业才能真正练就雄厚功力，继而成为当今「以数据为导向」的新经济时代赢家。