倫敦鬼圖、大數據和行銷資料科學

在AI、大數據當紅的近年，常有EMBA學生和業界朋友問我，他們常在新聞看到或聽到，某某跨國企業又利用「大數據」開發出新的商機。這其中有些概念很有趣，也很實用，但整體而言「大數據」對自己的公司似乎還是虛無飄渺，可望而不可及，想用卻不知如何下手。大數據真的有那麼神嗎？自己公司擁有的一些客戶或營業資料，算是大數據嗎？又該如何有效運用它們呢？

碰到這些問題，我都會先請他們稍安勿燥，靜下來想想：公司有那些數據？累積多久了？資料格式大致如何？有專人維護或分析嗎？過去都拿數據做什麼用途？公司的決策多靠經驗，還是靠數據？一下子提出這麼多問號，其實都很適合拿來問大部分的公司。因為這些問題就是大數據的入門，而這些資料也都普遍存在你我身邊，能否掌握這些資料，有時會關係著公司的成長和未來。現在，且先聽我說幾則故事。

大數據存在不經意間

「今早起床，發現自己喉嚨怪怪的，頭有點重，心想可能是昨天下午，在通風不佳的空間開會太久，被隔壁感冒的同事傳染了，這兩天也一直聽到有人『中獎』，而去掛病號的案例。這一波流感到底有什麼症狀？該去看哪位醫生？」念頭至此，習慣性地打開電腦，先向「谷歌」大神求診。當你在Google「搜尋欄」打上「喉嚨痛」三個字時，大家比較不知道的是，你已經在幫谷歌大神產生大數據了。因為一個人喉嚨痛可能沒什麼，但如果你住的台北市，同段時間內有一萬個人也在搜尋「喉嚨痛」時，你大概可以猜到，台北市的流行感冒已經是山雨欲來了。

這時候，如果將這一萬人搜尋所使用電腦的位址，全部以「光點」的方式套疊在GPS地圖上，又發現幾乎都集中在大安區，衛生單位是不是就可初步研判，大安區可能是這一波流行感冒的「熱區」了。這時候如果感冒還沒開始流行肆虐，是不是可在大安區的公共場所多宣導民眾，該戴上口罩了。

事實上，Google還真的透過大數據分析，對美國5,000萬個使用者常用的搜尋字串，以及2003~2008年間季節性流感的傳播資料進行比對，並透過機器學習的方式，發展出預測流感的模型。有趣的是，Google透過大數據進行的分析結果，其準確性遠勝於公部門運用專屬資料所獲得的預測結果。

大數據的存在由來已久

其實，類似上述光點套疊地圖的概念，早在十九世紀就有了。1854年8月31日到9月3日，英國倫敦蘇活區（SOHO）爆發了霍亂疫情，四天內共有127人死於霍亂。一週內，更有超過500人死亡。當時的醫學觀點認為，這個病是透過惡劣的空氣傳播，因此只要避免接觸混濁的空氣，就可遠離疾病，但這樣的做法，似乎沒什效果，也沒辦法抑制霍亂的持續擴散。

當時一位名為約翰‧斯諾（John Snow，見圖1）的醫師對此進行研究，他一一訪談蘇活區的住戶，並仔細檢視病人資料，他發現似乎所有的霍亂死亡病例，都圍繞在布拉德街水泵（Broad Street Pump）附近，其中只有10個死例離該水泵較遠，而更接近另一台水泵。但這10個死例中，有5例是由於對水質的偏好，而仍從布拉德街水泵取水；有3例雖然離水泵較遠，卻是在布拉德街水泵附近學校就讀的孩童。

圖1 約翰‧斯諾

約翰‧斯諾高度懷疑霍亂可能是透過水所傳染，而非逸散的惡劣空氣所致。他將病患住家與水泵的位置一一標誌在地圖上，就如同前述光點套疊地圖的作法，這張地圖就是日後在公衛界著稱的鬼圖（The Ghost Map，見圖2）。他將這圖以及對霍亂病因的推測，呈報給倫敦市政府衛生主管當局，隔天，市政府就派人拆除了布拉德街水泵的把手，以阻止民眾繼續在該處取水。而約翰‧斯諾本人也因這創意的視覺化資料呈現，和深具洞見的病因推測而名留青史。

圖2 倫敦鬼圖 

我們可以做什麼

我講這些故事，並不是要稱讚Google有多神，或討論光點套疊地圖的技術有多厲害，而是說，大數據其實是由個別資料所構成，當資料累積到一定數量後，就可能產生「由量變到質變」的現象和新價值，這裡的關鍵是我們能否養成累積數據的習慣，並跳脫舊有思考模式，以新觀點檢視並非那麼顯而易見的數據內涵。

如果你是中小企業的經營者，或公司主管，請回頭想想，貴公司歷年來，累積了多少顧客資料？供應商資料？銷售品項、數量、金額等？而公司裡是不是有專人管理和分析這些被稱為「數位時代」的「原油」呢？還是空有這些素材，卻是以各種不同形式或格式，散置公司各處而乏人問津？有心的管理者，或許可花時間盤點一下公司資料的量和質，然後找較年輕、熱情，有一些統計背景，最好還有R或Python程式撰寫經驗的同事，和他們共同討論，發想看看能否有不一樣的、新角度的分析。

如果公司內無適當的統計人才，但有對大數據應用很熱衷，或想「自學」的同事，我們建議：Œ從機器學習（machine learning）相關的影片開始，因為人對影片的吸收速度較傳統的書本學習，要快上許多。最推薦的影片是：Udemy的Machine Learning A-Z，這是一系列的影片，讓初學者可以從數學零基礎，直接跨入機器學習的領域。更重要的是，本課程有很多R與Python的開源程式碼（open source code），可供企業直接套用到現有專案；我們也非常推薦台大電機系李宏毅教授在 YouTube上的機器學習與深度學習課程，他的授課內容專業十足且深入淺出，涵蓋了大數據和機器學習等領域的完整概念。Ž自學者也可到全世界最大的資料科學平台Kaggle的competition單元，搜尋與公司業務相關的競賽，並找到競賽內的Kernel，裡面便是全世界頂尖資料科學家們，嘔心瀝血卻毫無保留分享，貢獻出來的開源程式碼。這些比賽的主題經常很接近企業的實戰狀況，而在相當程度內可直接套用到企業的案例。各階層的管理者即使不懂大數據或程式語言，也應鼓勵公司同仁多在Kaggle上，搜尋與公司業務相關的競賽程式碼，並嘗試套用。

走筆至此，若將前述兩段的概念結合，我們或許可看到另一新的思維。當很多企業或公部門花大筆經費於員工訓練時，是否也應鼓勵和獎助員工在網路課程的自學。畢竟已有不少知名而可信的國內外學習網站，如：Coursera, Hahow, Udemy 等，提供很多優質且價格合理的大數據相關課程，而其內容的嶄新、多元和深度，是很難單純藉外聘講師或學校課程就可充分涵蓋的。

共同的期勉

凡事總有個開始，無論是對上述中小企業經營者和主管提問的初步回答、對自學者三點建議的付諸實施，或對網路自學課程的獎補助，都可大幅提升公司或個人，進入大數據領域的跨步。根據統計，一個人每天早上起床，到晚上睡覺，如果所有行為都被有效記錄下來，大約可產生2 MB的資料。企業營運所面對的常是一群相似屬性或行為的人，如：相同年齡層的顧客、在網上搜尋類似關鍵字、或在相同時段呼叫計程車的客人等，將這些資料有系統累積起來，就算是大數據的雛形了。若能因此做出一些分析，姑且不論分析結果是否精湛或實用，就是大數據試水溫的第一步。「登高自卑，行遠自邇」這小小的嘗試，很可能因此開始了貴公司的「大數據」元年。

以上的故事中，談到了商業應用、資料蒐集、大數據、機器學習、資料視覺化等概念，這些概念在企業界的單獨或整合應用，都可算是「行銷資料科學 Marketing Data Science」的範疇。

台科大企管系    林孟彥教授