大數據！然后呢？厚數據時代的來臨

大數據（Big Data）熱潮是這幾年產業界最夯的趨勢話題，網路社群媒體的興起，更推波助瀾這股熱潮，以為買了網路社群的大數據資料，就可以掌握消費者行為脈動，讓行銷活動無往不利，仿佛市場立即化作可取予求的寶山，這股數據掏金熱讓政府及許多企業趨之若鶩，紛紛投注資源于社群媒體的搜集與購買，幻想著搶先一步從中淘篩出最大的黃金。

但，大數據真的是這樣嗎？

將排山倒海的社群媒體資訊導入企業決策者們的電腦中，希望從琳瑯滿目真假難分的數據中，找出一條能帶領企業脫離困境輕松獲利的康莊大道；卻發現原本想用來解決問題的大數據，創造了一個滿是數字迷魂陣，一頭栽進去很能找得到出口。

其實大數據的應用，著眼點并不在「大」量的數據，而是在「人」如何看待數據和讓數據說話。

真正有用的數據不一定要花大錢從外部購買，畢竟買回來還要花大量的力氣去閱讀消化，還不如先從公司內部累積的精準數據和經驗著手，看能不能重新找出正確的分析觀點來解決問題。

先從小而準的數據開始

在進行數據分析時，數據準確度的重要性比數據量的大小重要，我們可以依數據性質分為三類：小而準（Small and accurate data）、大而亂（big and messy data）、開放數據（opendata）。

其中，小而準的數據如公司內部POS 交易數據，準確而清楚；大而亂的數據則像是從網路社群媒體抓下來的數據，還需要結構化統計整理出意義；開放數據像是天氣、人口普查之類，則可以從政府機關的資料庫提取。

在資料進行分析之前，我們都必須先思考我們面臨的問題是什么？從問題中思考解決的方案，提出觀點，再從資料分析中佐證。數據量越大，不確定性越高，所需要進行分析或排除的手續也相對較多，若我們能用小而準的數據進行分析比對，發現問題想出解決方法，一定會比從大而亂的資訊中找答案來得省時省力。

大數據時代，競爭的是解決問題與決策反應效率

一般大數據的特性， 大家耳熟能詳的多半是四個V： 數量大（Volume）、速度快（Velocity）、多樣性（Variety）、和不確定性（Veracity），但大數據存在的重要意義，也就是第五個V—價值（Value）卻常常被人遺忘。

行銷專家指出，前面四個V 都是在描繪大數據的樣貌輪廓，第五個V 則是提醒，大數據需經過清算整理后，才能夠為行銷人或決策者帶來貢獻。所以大數據的使用重點，絕非資料量多大或資料取得管道多么特殊，而是資料創造多少價值。

用一般精準的小數據就能解決的問題，何須大費周章投入大量資源和成本相對較高的大數據？人們往往被大數據字面上的「大」所誤導，以為數據量就是要大才會有效，殊不知關鍵是數據必須能夠被衡量掌控，以小而準的數據為基礎，視情況進行不同類型的數據之間相乘與重組，才是明智的大數據抉擇。

能否用大數據的觀念，將手邊的數據迅速的轉化成正確決策與行，比「快」還要比「準」，將是大數據時代接下來的重要課題。

大數據之后，厚數據（Thick Data）時代的來臨…

「數字會說話」或許是大數據時代最常聽到的口號，但美國當代統計預測鬼才奈特席佛（Nate Sliver）提醒我們：「數字沒辦法為自己說話，是我們在為它們說話，我們賦予它們意義。我們可能會用對自己有利的方式來解釋資料，讓資料脫離客觀的現實。 」

大數據，不是單純以數據多寡或來源來決勝負，而是要依靠「人」根據數據的結合與交叉比對形成的「判斷」或「預測」準確與否來決勝。尤其在行銷領域中，大數據大部分都是在處理與人有關的數據，而不是沒有生命的物質。大數據行銷背后代表的，是人的行為模式與需求，因此不能單純只靠數字或統計來做判斷的依據，必須更深入地思考品牌、商品和人之間的關系，而這樣的思維將會是下一個厚數據（Thick Data）時代的開端。

所謂的厚數據與強調數據規模的大數據不同，厚數據更重視人和產品或產業數據間的深度與情境，好的數據觀點，也往往是從厚數據產生，而非大數據。厚數據強調深入使用者情境，需要厚實的產業知識或經驗為底，透過厚數據，將產業產品與消費者做更緊密的連結。

未來的大趨勢，若只單純從現有的大數據發現和判斷，過度信任數字呈現結果，將很有可能造成誤判。若能透過深入使用情境，探知自消費者需求影響而成的未來產業發展趨勢，方能展現厚數據的重要價值。