在大數據年代,有73%企業的大數據項目都是蝕本收場,甚至無法利用大數據開拓新計劃,增加收入。全球技術人種學家Tricia Wang解釋企業無法利用大數據得益是因為大數據無法顯示一些人性化狀況,以作出突破性部署。

 

大數據不能反映現實

有了大數據,人們就能作出更快更準確的預測,作出更快的決定,但可惜事與願違。有高達73%以上的大數據計劃都不賺錢,Tricia Wang表示大數據沒有把一些軟性、未知事情反映在真實情況裡。她舉例,在2009年,iPhone才剛出現,很多短視又現實的人說:「智能電話只是一時的流行。誰會想帶著這麼重的東西,又很快就沒電,還會一摔就壞?」但她收集了很多數據,且非常有自信,並興奮地把數據告訴諾基亞告訴他們該轉向研發智能電話。很可惜他們不相信,因為她的數據並不是來自大數據。 她解釋,諾基亞所收集的數據前提是人們不認識智能電話,固然不會反映人們想買智能電話的想法,從中可見,諾基亞最後敗走手機市場。

 

Tricia Wang:「為什麼我們很難發現這個矛盾, 甚至也很難去理解它, 是因為我們有我所謂的「量化成見」, 也就是無意識地認為可量化的 比不可量化的更有價值。 」

 

過去的手機頭龍Nokia淪落至今天地步,全因他們盲目相信大數據,並不相信任何人為因素和新元素,故此被市場所淘汰。
考慮無法計算事物

錯用大數據在於人們太相信數字,從而產生「量化成見」,即過於迷戀數字,以至於看不見數字之外的任何東西。假如量化系統是動態,特別是那些有人參與其中的系統,會產生影響的事物複雜又難以預測,但純粹依靠大數據就會增加我們錯失的機率,同時讓我們以為自己無所不知。因此,Tricia Wang提出大數據該配合「厚數據」—這來自人們的寶貴數據,像是故事、情緒和互動等無法計量的事物,看似沒有特別但卻意義深遠。 厚數據能幫我們找到缺失的背景資訊,能讓大數據便於使用,並發揮人類最大程度智能。這意義在於運用的不只已收集的數據,還可以運用尚未收集的數據,那麼就能了解很多未知的問題。

 

Netflix收益倍增方法

她舉例,Netflix為了提升業績,就開始收集厚數據作詳細分析。他們看到最初未能從量化數據中發現人們喜歡煲劇,並對某好劇專注觀看。他們改變了策略,減少同類型題材,而同一劇集則增加集數,最終他們的收益以倍數成長。 縱然大數據提供了我們很多詳細分析,但只限於「已知」的事情。倘若我們要發掘「未知」,必須結合厚數據,想像將來有機會發生的事才會成功。

 

收看是次演說

Tony Lai
About Admin

IT Pro 記者。如有任何科技新聞及消息提供,歡迎電郵聯絡。

Similar Posts