行銷資料科學 Marketing Data Science

行銷資料科學（MDS）與大數據（Big Data）

        大數據剛出現時，一度被稱為巨量資料或者海量資料，因此也讓許多人誤認為，在研究行銷資料科學時，背後的資料量要非常龐大，最好是又多、又大的「大數據」（Big Data）等級。正因如此，許多人覺得，行銷資料科學與大數據之間有著必然的關係。事實上，行銷資料科學與大數據並沒有絕對的關係。其實，縱使是小資料，也能透過分析並獲取有用資訊，進而做出相關的行銷決策。

        不過，對於擁有大數據且能對加以分析的企業來說，更有機會擁有「分析優勢」（Analytics-advantage）。因此，對於推行行銷資料科學的企業而言，了解大數據，有其必要性。以下簡單對大數據的基本概念進行說明。

        根據維基百科的定義，大數據意指「傳統資料處理應用軟體，不足以處理其大或複雜的資料集的稱謂」。在這個定義裡，指的是「資料量龐大到資料庫系統無法在合理時間內，進行儲存、運算、處理，分析成能解讀的資訊時，就稱為大數據」。

        至於大數據的來源則包羅萬象，包括：互聯網文本和文件、社會網絡數據、網路日誌、POS系統數據、RFID紀錄、或是人臉辨識、眼球追蹤、GPS、客服電話錄音、傳感器數據、以及天文學、大氣科學、醫療記錄，甚至是基因組學…等。

        大數據的特質可用4V來解釋，如圖1所示：

圖1 大數據的4V特質

繪圖者：周晏汝

1.資料量大（volume: amount of data）

        從位元組的次方單位來看，有所謂的KB（10³）、MB（10⁶）、GB（10⁹）、TB（10¹²）、PB（10¹⁵）、EB（10¹⁸）、ZB（10²¹）、YB（10²⁴）…等。目前所謂的大數據，資料量大概介於PB（10¹⁵），而根據統計，一家大型的電信公司，每天大概會產出數個PB左右的資料量。

2.速度快（velocity: speed of data in and out）

        許多大數據資料是即時產生的，例如：消費者在移動過程中，所產生的「位置」資料。許多時候大數據分析的結果，也必須能即時化為行動，例如：即時根據消費者的位置給予相對應的服務，像是不久前很流行的AR「寶可夢」抓寶遊戲。

        另外，東京海上日動火災保險公司（Tokio Marine & Nichido Fire）推出「一次型保險」（One Time Insurance）的商品，讓消費者在抵達高爾夫球場時，即時收到簡訊，提醒消費者是否要保「一次性的一桿進洞險」。

3.性質多元（variety: range of data types and sources）

        大數據的資料型態非常多元，包括結構化資料（structured data）、半結構資料（semi-structured data）和電子郵件、網頁、社群媒體、圖片、視訊和聲音等非結構資料（unstructured data）等，資料的多元性會讓儲存、挖掘和分析的難度大幅提高。

4.資料正確性（veracity: uncertainty of data）

        「垃圾進，垃圾出」（Garbage in, garbage out，GIGO）是資訊科技領域常聽到的一句話，意指將錯誤、無意義的資料輸入電腦後，不管分析工具再強大，輸出的還是錯誤、無意義的結果。

        以上4V，即是常見的大數據特質，但對於學習行銷資料科學的我們來說，擁有大數據是一件可喜的事情，但縱使只有小資料，也能透過行銷資料科學的分析，獲取有用的資訊，進而做出相關的行銷決策。

羅凱揚（台科大兼任助理教授）、蘇宇暉（台科大管研所博士生）