ETU solution day  

 

        今天下午參加了一場有關Big Data的論壇,包括系統廠商,分析服務廠商,資料蒐集廠商和使用過Big Data的客戶,輪番上台說明Big Data的趨勢和應用。論壇內容不是本文的重點,只是想藉由這場論壇,來聊聊Big Data。

        所謂的Big Data是指在市場中,到處都充滿著可能的參考資訊,特別是網路時代,消費者的發聲管道增加,若能從龐大的市場資料中取得消費者的第一手資訊,則可以快速回應市場需求,提昇行銷的效果。

Big Data的觀念與過往行銷研究的市場調查觀念不同,市場調查是在假設問題下,透過抽樣的方式去找驗證,而且調查研究的過程是嚴謹而且受控制的,從樣本的條件、數量到問卷的內容及後續的統計分析,都是有系統的資料蒐集與分析。海量資料提出了一個不同的市場資訊蒐集及應用的角度,重視資料的數量更甚於資料的品質,因為海量資料分析就是希望從「母體」資料中找出自然的相關性,才能避免人為主觀假設的前提誤差。例如,7-11有一套POS(Point of Sale)系統,可以記錄各種消費者購買行為的資訊,例如消費者的輪廓(性別、年齡……)、購買時間、天氣、購買商品、購買金額等,這些資訊會回到系統分析出不同點位的消費者偏好,再依據這些資訊調整商品內容、庫存數量或作為發展未來各項新服務的依據(新服務可以透過一些實驗店來搜集消費者資訊)。下表整理了Big Data(海量資料)和一般市場調查分析的差異

 

 

 

海量資料分析

市場調查分析

1.蒐集對象

母體(儘可能多)

抽樣(設定抽樣條件及份數)

2.資料內容

不預設

有假設(封閉式或開放式)

3.分析方式

相關性分析

因果性分析/相關性分析(迴歸分析)

4.分析結果

不確定

驗證研究假設

 

       以邏輯上來說,Big Data的確是比現行的市場調查來得全面而且更具時效性,同時現在的網路發達以科技進步,近一年來Big Data儼然成為一個被熱門討論的題目,但筆者認為,現在要使用Big Data仍有以下的問題要解決:

1.資料來源:要分析資料的前提是有資料可以分析,如果手上沒有充足且全面的資料,即使有再好的分析工具也是巧婦難為無米之炊,而市場上的資料源並不是全部能掌握在自己手上,像是社群網站的內容,或是通路的資訊,就需要協調合作或是購買才能取得,甚至視資料為王的資料擁有者,是有錢也不會釋出手中的資料的

 

2.分析人員:資料經過系統處理後,仍需要人為的解讀,而這樣的數據分析人才,被譽為是下個世代最炙手可熱的人才,但這樣的人,必須懂系統,熟網路,能分析,會解讀,這樣的專才實在難尋,也造成了Big Data在實用上的困難

 

3.分析工具:這一塊倒是發展最快的部份,IBM, HP,及今天論壇的主辦單位ETU,都是提供分析系統的廠商,但不論系統再先進,仍然需要有事前的討論,才能設定參數,交由系統判讀,由於不同的市場特性各異,系統邏輯也需要時間建置調整,因此,各家系統的“準確性”如何,也只有用過的人才知道。

 

        雖然Big Data可能成為下一個世代的市場分析主流,但要真能執行,還需要投入許多成本及時間,個人的建議是,大家可以把Big Data的觀念放在心中,任何可以獲得的市場資訊的地方,都要留意參考,以即時回應市場,像是社群或是通路的資訊收集,都值得花時間觀察了解。現階段若想使用Big Data,建議是已掌握許多資料源的品牌來使用,像是通路品牌或是媒體,又或是擁有龐大會員資料的廠商,有了確定的資料源,才有必要花錢花時間透過系統來分析,但最後分析的結果能有多少效果,仍需仰賴行銷人員對市場的了解及判斷才能成事。

 

 

 

 

 

    Raymond 發表在 痞客邦 留言(0) 人氣()