賽仕電腦SAS貢獻專業 助各產業淘金Big Data
Big Data正夯 SAS走在產業最前端
由於目前市場上各行各業幾乎都積極且瘋狂的嘗試導入Big Data相關技術或服務，來讓自家企業能獲得更好的獲利或更佳的生意機會，尤其是國內外金融業、實體零售業、電子商務業、電信業暨各類相關服務業…。
而也因此目前市場上有非常多國內外相關技術或服務的供應商出現，提供相關產品或服務的解決方案，這也讓各行各業的業者一則以喜有這麼多成熟且優異的解決方案，卻也一則以憂從這麼多解決方案中應如何挑選？尤其，有時候即使做了正確的服務選擇，但在實際導入的過程中，往往面對的挑戰是雙方溝通的適應及合作默契，都會影響最後導入的產出成果，而這些都是各行各業業主所頭痛的問題…。
◄SAS美國總公司最新的綠建築，曾出借給電影《鋼鐵人》拍過電影(圖／SAS提供)
本次《ETtoday東森新聞雲》產經研究室採訪賽仕電腦（以下簡稱SAS）副總經理高芬蒂，請其爲廣大對Big Data有興趣的網友與企業人士，分享SAS這樣一個提供世界級統計分析產品與服務的企業，建議國內外企業應如何從BigData淘金？如何幫企業獲得期望的Big Data導入結果？
認識Big Data的特性：4個『V』
高芬蒂表示，大數據資料的特性就是指4個『V』，也就是資料的『volume（大量性）』、『variety（多樣性）』、『velocity（速度性，包含產生資料的速度、以及電腦處理的速度）』、『veracity（真實性，意指從海量資料背後統計分析出關聯與真相）』。亦即，當一個企業面對大量的資料快速生成，且資料的種類已經不限於單純的結構化資料，而是有更多種類的非結構化資料生成時，如何從這些資料中，透過電腦運算能力與高端統計技巧，成功觀察出如此海量資料背後的各類關聯關係，這樣的描述就符合所謂導入Big Data應用的情境。
舉例來說，未來進入物連網（又稱智慧連網）時代，人對人、人對物、物對物的溝通，將產生不可思議大量的資料，相關研究指出，其資料產生速度10年內將會比現在增加44倍以上，尤有甚者，未來很多資料的產生方式都不一樣了，且更多是屬於非結構化的資料…，這些『海量』資料未來如何透過Big Data技術分析出有意義的關聯，並據以讓政府、企業、法人組織乃至民衆得以有效運用，就是未來Big Data領域的重點顯學。
Big Data專注的不是『精準』，而是『關連』
意指，當資料大到無法用人力或一般資訊技術來做統計分析的程度時，Big Data就獲得了表現的舞臺。舉例，Facebook或新浪微博這類大型社羣網站會員非常多，其會員們每天產生的多媒體資料堪稱海量，此時若不使用Big Data技術，就無法快速且有效的分析出各種資料的關聯，也因此無法做出很多的行銷或廣告應用，當然，這些都是業主與廣告主最關心的資訊，因而可以想見，其業主於Big Data的分析投入一定是可觀的。
▲賽仕電腦（以下簡稱SAS）副總經理高芬蒂(圖／SAS提供)
同樣的，Amazon的成功也可歸功於Big Data的應用，其能透過BigData做到廣告與商品的精準推薦，因而讓其網站廣告的轉換率一向非常高並獲得廣告主青睞。而這些廣告主所關心的，也的確都不是『精準』，而是『關連』。例如，哪類商品推薦給哪類顧客轉換率會高？哪類廣告跟哪些商品放在一起時消費者會有興趣一起購買？這些關連性資訊，就是幫助廣告主、網路賣家與網站經營者淘金的關鍵。
另外，高芬蒂舉例， Amazon的Big Data應用已經發展到第三代了！第一代是於2001時Amazon推出的書評推薦服務、第二代是隔了幾年後推出的依據顧客過往買什麼、瀏覽記錄、購物車記錄…資料所做的『推薦書單』功能、第三代是開始透過『關連分析』，推薦消費者可能感興趣的看似不相關的衣物、電影、零嘴…商品。到了第三代時，Amazon早已不只是單純網路書店，而是網路超級百貨公司了。
另舉一例，Big Data不只對網路購物有幫助，對於政府與非營利組織更是有遠大的幫助。例如，當年H1N1流行時，各國平均要兩週以上才能找到病源並予以控制，其實這兩週的病毒擴散纔是最可怕的風險。因此，當時Google便做了一個實驗，利用海量資料分析技術與建立4,500萬個數學模型，透過對5,000萬個關鍵字結合搜尋地區的相關連分析2008~2009年的資料，最後找到50個核心關鍵字，並發現只要這50個關鍵字於某地區網友搜尋出現評率高時，就可以提前兩個禮拜知道這個地區的H1N1將要大流行了。這樣的技術成功幫助各國政府未來可監控H1N1的擴散，而這樣的分析能力就是Big Data海量分析最重要的也是與傳統的統計分析最大的根本差異。
零售業（用於行銷）、銀行業（用於風險管控）、製造業（用於排程規劃）、半導體業（用於品管與設備維護）…是應用Big Data的先鋒產業
高芬蒂特別分享，過往大家對Walmart Big Data經典『啤酒尿布』案例的認識早已經是過去式了，現在式是Walmart每天都會結合POS機的交易資料、交易日期、天氣氣候、地理資訊、其他可得的各類與交易相關資訊…，全都投入做Big Data分析『關連』，然後立即把分析結果資料提供給相關供應商，讓供應商據以參考後，『及早』、『精準』的決定應提前備貨、鋪貨的數量與時間。透過這樣的資料，成功降低供應商的庫存與倉儲成本，併成功幫助供應商獲得更高營收。
高芬蒂並舉一國內案例，萬泰銀行爲了針對刷卡服務做到較好的風險控管，原本月中才拿的到上個月底的刷卡客戶信用報告資料，這樣的時效性不夠並容易面對呆帳與欠款風險，因此首要需求是(1)希望能『即時』獲得daily的刷卡客戶信用報告分析資料。 (2)次要需求是該類分析報告必須能『視覺化』的呈現以利相關管理單位能夠更直觀、便利的據以快速做出正確決策。 (3)第三個需求是相關分析結果要能支援於『行動載具』上順暢呈現，如此一來，對於經常必須移動前往各處開會的主管，就能透過行動載具順利掌握風險控管情形。高副總表示，SAS已成功與萬泰銀行合作，解決了上列問題。
▲SAS總公司贊助員工自行車比賽(圖／SAS提供)
又例如新加坡摩根史坦利原本就是SAS的老客戶，爲了服務好摩根史坦利並滿足其對於『分析速率』的追求，SAS不斷改進與提升產品服務，近來獲得的成績是，過往摩根史坦利透過SAS服務原本要24小時才能算出的金融市場分析資料，現在SAS的新服務只要20分鐘，就能幫摩根史坦利透運算分析出來，成功解決客戶需求。
其它在臺灣像是臺北醫學大學醫療體系以及萬泰商業銀行，亦早已是Big Data導入的成功單位。
導入Big Data要成功，高芬蒂給大家的建議
1. 資料的準備：資料準備的工作沒完成，或資料蒐集與整理的不完整，都無法順利運作Big Data分析，當然也遑論分析出有意義的『關連』資料。因此，欲速則不達，從資料的準備開始一直到分析出有意義的關連資訊，一般來說平均需要半年左右的時間。建議有意願導入的企業不要着急，必須按部就班的扎穩基本功才能獲得好的成效。
2. 人才的專業：Big Data分析所需要的人才跟傳統統計分析需要的人才不一樣，因此，建議各單位對外尋找或對內培育相關Big Data人才時，應注意相關人才除了需具備最基本的統計分析能力外，更須具備資管能力（或有資管類人員支援）才更容易導入成功。也因此，SAS特別培育其自家全球近10,000多位Big Data相關成爲統計、商業管理、資訊科學三合一人才。當然，很多企業客戶也提到目前Big Data人才很難找，高副總建議，可從國內外知名企管、工業工程、統計、經濟研究所尋找可造之才。至於判斷是不是Big Data人才的關鍵指標，就是人才的『邏輯分析』能力。
3. 用正確工具：高副總強調，選對Big Data工具真的很重要，例如SAS爲了提供給客戶最好的服務與產品，幾乎每半年就更新釋出一個新版本產品，其並深信唯有不斷進化與進步，並強化各類功能，才能長久獲得客戶青睞。