赛仕电脑SAS贡献专业 助各产业淘金Big Data
Big Data正夯 SAS走在产业最前端
由于目前市场上各行各业几乎都积极且疯狂的尝试导入Big Data相关技术或服务，来让自家企业能获得更好的获利或更佳的生意机会，尤其是国内外金融业、实体零售业、电子商务业、电信业暨各类相关服务业…。
而也因此目前市场上有非常多国内外相关技术或服务的供应商出现，提供相关产品或服务的解决方案，这也让各行各业的业者一则以喜有这么多成熟且优异的解决方案，却也一则以忧从这么多解决方案中应如何挑选？尤其，有时候即使做了正确的服务选择，但在实际导入的过程中，往往面对的挑战是双方沟通的适应及合作默契，都会影响最后导入的产出成果，而这些都是各行各业业主所头痛的问题…。
◄SAS美国总公司最新的绿建筑，曾出借给电影《钢铁人》拍过电影(图／SAS提供)
本次《ETtoday东森新闻云》产经研究室采访赛仕电脑（以下简称SAS）副总经理高芬蒂，请其为广大对Big Data有兴趣的网友与企业人士，分享SAS这样一个提供世界级统计分析产品与服务的企业，建议国内外企业应如何从BigData淘金？如何帮企业获得期望的Big Data导入结果？
认识Big Data的特性：4个『V』
高芬蒂表示，大数据资料的特性就是指4个『V』，也就是资料的『volume（大量性）』、『variety（多样性）』、『velocity（速度性，包含产生资料的速度、以及电脑处理的速度）』、『veracity（真实性，意指从海量资料背后统计分析出关联与真相）』。亦即，当一个企业面对大量的资料快速生成，且资料的种类已经不限於单纯的结构化资料，而是有更多种类的非结构化资料生成时，如何从这些资料中，透过电脑运算能力与高端统计技巧，成功观察出如此海量资料背后的各类关联关系，这样的描述就符合所谓导入Big Data应用的情境。
举例来说，未来进入物连网（又称智慧连网）时代，人对人、人对物、物对物的沟通，将产生不可思议大量的资料，相关研究指出，其资料产生速度10年内将会比现在增加44倍以上，尤有甚者，未来很多资料的产生方式都不一样了，且更多是属于非结构化的资料…，这些『海量』资料未来如何透过Big Data技术分析出有意义的关联，并据以让政府、企业、法人组织乃至民众得以有效运用，就是未来Big Data领域的重点显学。
Big Data专注的不是『精准』，而是『关连』
意指，当资料大到无法用人力或一般资讯技术来做统计分析的程度时，Big Data就获得了表现的舞台。举例，Facebook或新浪微博这类大型社群网站会员非常多，其会员们每天产生的多媒体资料堪称海量，此时若不使用Big Data技术，就无法快速且有效的分析出各种资料的关联，也因此无法做出很多的行销或广告应用，当然，这些都是业主与广告主最关心的资讯，因而可以想见，其业主于Big Data的分析投入一定是可观的。
▲赛仕电脑（以下简称SAS）副总经理高芬蒂(图／SAS提供)
同样的，Amazon的成功也可归功于Big Data的应用，其能透过BigData做到广告与商品的精准推荐，因而让其网站广告的转换率一向非常高并获得广告主青睐。而这些广告主所关心的，也的确都不是『精准』，而是『关连』。例如，哪类商品推荐给哪类顾客转换率会高？哪类广告跟哪些商品放在一起时消费者会有兴趣一起购买？这些关连性资讯，就是帮助广告主、网路卖家与网站经营者淘金的关键。
另外，高芬蒂举例， Amazon的Big Data应用已经发展到第三代了！第一代是于2001时Amazon推出的书评推荐服务、第二代是隔了几年后推出的依据顾客过往买什么、浏览记录、购物车记录…资料所做的『推荐书单』功能、第三代是开始透过『关连分析』，推荐消费者可能感兴趣的看似不相关的衣物、电影、零嘴…商品。到了第三代时，Amazon早已不只是单纯网路书店，而是网路超级百货公司了。
另举一例，Big Data不只对网路购物有帮助，对于政府与非营利组织更是有远大的帮助。例如，当年H1N1流行时，各国平均要两周以上才能找到病源并予以控制，其实这两周的病毒扩散才是最可怕的风险。因此，当时Google便做了一个实验，利用海量资料分析技术与建立4,500万个数学模型，透过对5,000万个关键字结合搜寻地区的相关连分析2008~2009年的资料，最后找到50个核心关键字，并发现只要这50个关键字于某地区网友搜寻出现评率高时，就可以提前两个礼拜知道这个地区的H1N1将要大流行了。这样的技术成功帮助各国政府未来可监控H1N1的扩散，而这样的分析能力就是Big Data海量分析最重要的也是与传统的统计分析最大的根本差异。
零售业（用于行销）、银行业（用于风险管控）、制造业（用于排程规划）、半导体业（用于品管与设备维护）…是应用Big Data的先锋产业
高芬蒂特别分享，过往大家对Walmart Big Data经典『啤酒尿布』案例的认识早已经是过去式了，现在式是Walmart每天都会结合POS机的交易资料、交易日期、天气气候、地理资讯、其他可得的各类与交易相关资讯…，全都投入做Big Data分析『关连』，然后立即把分析结果资料提供给相关供应商，让供应商据以参考后，『及早』、『精准』的决定应提前备货、铺货的数量与时间。透过这样的资料，成功降低供应商的库存与仓储成本，并成功帮助供应商获得更高营收。
高芬蒂并举一国内案例，万泰银行为了针对刷卡服务做到较好的风险控管，原本月中才拿的到上个月底的刷卡客户信用报告资料，这样的时效性不够并容易面对呆帐与欠款风险，因此首要需求是(1)希望能『即时』获得daily的刷卡客户信用报告分析资料。 (2)次要需求是该类分析报告必须能『视觉化』的呈现以利相关管理单位能够更直观、便利的据以快速做出正确决策。 (3)第三个需求是相关分析结果要能支援于『行动载具』上顺畅呈现，如此一来，对于经常必须移动前往各处开会的主管，就能透过行动载具顺利掌握风险控管情形。高副总表示，SAS已成功与万泰银行合作，解决了上列问题。
▲SAS总公司赞助员工自行车比赛(图／SAS提供)
又例如新加坡摩根史坦利原本就是SAS的老客户，为了服务好摩根史坦利并满足其对于『分析速率』的追求，SAS不断改进与提升产品服务，近来获得的成绩是，过往摩根史坦利透过SAS服务原本要24小时才能算出的金融市场分析资料，现在SAS的新服务只要20分钟，就能帮摩根史坦利透运算分析出来，成功解决客户需求。
其它在台湾像是台北医学大学医疗体系以及万泰商业银行，亦早已是Big Data导入的成功单位。
导入Big Data要成功，高芬蒂给大家的建议
1. 资料的准备：资料准备的工作没完成，或资料搜集与整理的不完整，都无法顺利运作Big Data分析，当然也遑论分析出有意义的『关连』资料。因此，欲速则不达，从资料的准备开始一直到分析出有意义的关连资讯，一般来说平均需要半年左右的时间。建议有意愿导入的企业不要着急，必须按部就班的扎稳基本功才能获得好的成效。
2. 人才的专业：Big Data分析所需要的人才跟传统统计分析需要的人才不一样，因此，建议各单位对外寻找或对内培育相关Big Data人才时，应注意相关人才除了需具备最基本的统计分析能力外，更须具备资管能力（或有资管类人员支援）才更容易导入成功。也因此，SAS特别培育其自家全球近10,000多位Big Data相关成为统计、商业管理、资讯科学三合一人才。当然，很多企业客户也提到目前Big Data人才很难找，高副总建议，可从国内外知名企管、工业工程、统计、经济研究所寻找可造之才。至于判断是不是Big Data人才的关键指标，就是人才的『逻辑分析』能力。
3. 用正确工具：高副总强调，选对Big Data工具真的很重要，例如SAS为了提供给客户最好的服务与产品，几乎每半年就更新释出一个新版本产品，其并深信唯有不断进化与进步，并强化各类功能，才能长久获得客户青睐。