資料來源：GOOGLE
自從Google於2008年推出 Google 流感預測趨勢（Google Flu Trends，簡稱 GFT )並成功地預測美國流感爆發期，「大數據」就變成是一個可以實現「預測」的工具。Google的作法在流感可能爆發的季節，透過Google 的搜尋工具，分析流感關鍵字數據，例如「咳嗽」、「發燒」和「疼痛」這樣的字眼，可準確且快速的預測流感將在哪裡出現以及其散佈範圍，Google 此項技術可以比聯邦疾病控制與預防中心提前7到14天準確預測流感的爆發。Google Flu Trends 曾經有過多次對流感的成功預測，包括 2011/12 年的美國流感、2007/08 年瑞士流感、2005/06 年德國流感、2007/08 比利時流感等。
除了Google預測流感的「傳奇」外，韓國首爾也透過大數據的方式，打造了九條夜間公車和計程車媒合，利用夜間的電話通話位置和時間，來預測在那些區域及時段，仍有市民需要搭乘交通工具。來自加拿大的拜歐迪公司（Bio. Diaspora），透過七大因素來判斷全球病毒的傳染途徑：
- 1、全球航班起降
- 2、人口移動
- 3、地球表面溫度與濕度變化，氣候變遷
- 4、家禽與家畜密度
- 5、昆蟲滋生
- 6、傳染病起源地環境
- 7、城市的健康管理系統
肆瘧非洲的伊波拉病毒，也在拜歐迪公司的精準預測下被掌握。但大數據也不是每次都能精準「命中」，就如所有的市場調查一般，任何調查都會有誤差（errors)，例如在H1N1爆發的前幾週，Google工程師於 Nature 上發表GFT，成功預測了 H1N1於全美的傳播，但之後發現，接下來幾年的GFT預測不再準確，反而數度高估了流感病例的數量，原因就在於大數據雖然資料「多」，但也相對較「雜」，太多不準確的樣本（例如不是感染者，而只是有興趣上網查詢資料的人，也會被計入是可能的患者）會干擾預測的結果，但無論如何，當樣本數放大，而且是網路上的即時樣本，準確性就能大幅提昇。（以上資料參考來源為維京人酒吧）。
由於大數據如此的「神」，許多企業也希望能透過大數據更了解市場，甚至是提前預測市場需求，但至今為止，筆者還沒有看到在商業上的成功案例，原因不在於技術的不足，而在於商業預測的目的，以及資料的來源。疾病的預測有明確的目標（相關疾病）以及蒐集的來源和標的（搜尋引擎、交通路線等），所以因果關係比較能確立；但在商業上的目的太多，如果不能精準定義，就無法妥善的運用蒐集來的資料分析，而且商業是想預測下一代的商品，這必須要從消費者的行為中，抽絲剝繭來「推論」未來的需求，這並不是件容易的事，因為消費者對自己未來的行為未必能預測，所反應出來的都是當下的行為，要透過大數據來推測未來的商業行為甚至是產品，是有其難度。
當然，這並不是說大數據在商業上都一無是處，而是在使用大數據之前，要想清楚自己要「了解」的是什麼，不要貪心，更不要抱太高的期望而硬套數據，人是活的，需求是會改變的，回到自己的優勢，去設想可以為目標消費者創造什麼樣的需求，然後再以大數據去驗證其需求的可能性，其結果會比大海撈針地去從大數據中，抓到一盞明燈要來的切實。
「這就是行銷﹣行銷金三角」博客來購書網址連結（9折，請直接點選）
「這就是行銷﹣行銷金三角」誠品購書網址連結（9折，請直接點選）
「這就是行銷﹣行銷金三角」金石堂購書網址連結（79折還可紅利積點，請直接點選）
本書獲利將全數捐給社福團體，大家一起讀好書，做好事
留言列表
