TMR marketing data science

        進入大數據時代，資料成為挖掘商機的礦脈，對資料的管理不夠，想要利用大數據來開創新生意等於緣木求魚。請思考一下，自己公司有刻意收集甚麼樣的資料嗎？有善待貯存下來的各式資料嗎？有專人管理嗎？還是坐看它們放在倉庫中，隨著歲月崩解殆盡？         在過去，許多企業認為資料庫裡的銷售資料、生產資料、財務資料…等量化資料，特別具有價值。事實上，真的是如此嗎？我有個朋友，十多年前就開始在網路上，架設網站收集網友關於美妝的討論資料，而網友的留言都是一些文本（Text）資料，沒有固定格式，也不容易發掘出什麼內容來。當年他的員工就曾經問他，收攬這些資料到底要幹麻？他說他也不知道，反正先收集下來再說，只要收集到一定的規模，就一定會發現「什麼」。         現在，靠著網友的支持，他的網站現在已經是台灣最大的美妝網站之一，幾乎所有的化妝品要上市前，都會先到網站發佈試用資訊、徵求試用者、然後再逐一測試、改善，收集意見後，才敢正式上市。對歐美、日系、韓系，甚至是台灣的本土美容業者來說，他的網站已儼然成為美妝界「資料」的寶庫。         從以上的說明中，無論是銷售、生產、財務等量化資料，或是網友討論的文本資料，都是屬於資料型態的一環。而了解資料型態，正是踏入行銷資料科學領域的第一步。那到底資料是如何分類的？         我們先來看一下維基百科如何定義「資料」，它指的是「未經過處裡的原始記錄」，包括：數字、文字、聲音、影像…等。而在電腦裡的資料，最終可分解成0與1，進行儲存與計算。         而一般在資料科學裡，最重要的資料儲存方式，本文將可用SQL查詢結構化的資料稱為「SQL資料」，並將SQL以外可查詢非結構化資料稱為「NoSQL資料」，分成SQL資料與NoSQL資料兩大類（見圖1）： 圖1 SQL資料與NoSQL資料 繪圖者：張庭瑄         SQL是Structured Query Language的縮寫，意指「結構化查詢語言」，其資料為結構化資料。結構化資料在資料庫裡意指：它擁有固定欄位、固定格式與順序...等。例如：企業銷售資料庫裡的欄位，通常有「會員編號」、「購買日期」、「購買品項」、「購買金額」...等。類式目前企業最常用的excel格式檔案。         至於NoSQL的英文

美國零售業先驅約翰‧汪納麥克（John Wanamaker）曾經說過：「我花在廣告上一半的經費都浪費掉了，麻煩的是我完全不知道是哪一半。」後來，這句話又被人引申成「我有一半的廣告經費都沒有效，我卻不知道是哪一半。」多年來，行銷界人士之所以有廣告經費不知道花到哪兒去，以及明知無效卻還得投入這樣的喟歎，其實都是因為過去的廣告行銷，都很難做到「明確區隔、準確行銷」所致，然而現在隨著社群網路（Social Network）、物聯網（Internet of Things）、開放資料（Open Data）、大數據（Big Data）等概念的出現，加上行銷管理學的領域不斷地發展出新的研究方法與工具，已經為行銷領域帶來「精準行銷」的全新的機會。 過去企業界想要知道市場概況，最普遍的方式就是展開一系列的市場調查，從產品開發、設計、消費者口味調查，都得歷經不斷的研究與測試，上市前還得經過更全面的人口變數的查訪、市場開闢、銷售點研究、鋪貨等連串的活動，可能在初期就得投下大筆經費，然後靜待消費者的感受與接納，想想看裡面有多少「嘗試錯誤（trial and error）」的成份，說難聽一點，有點像是在「賭博」。 再看看最近十幾廿年，社群網路（Social Network）上鉅細靡遺地記錄著虛擬世界的消費者口碑；物聯網（Internet of Things）設備協助偵測實體世界的消費者行為；開放資料（Open Data）則提供行銷人員更多的次級資料（二手資料）來源，而這些都隨著網際網路的推演不斷進步，不斷累積出大量的數據（Big Data），同時也不斷產生新的行銷概念，讓企業更能洞悉消費者的心。 在此背景之下，傳統行銷研究（Marketing Research）的方法與工具，已不足以因應現在行銷管理者所需。現在的行銷管理者要有能力，也需要新的分析工具來做決策支援。 透過網路爬蟲（Web Crawler）技術與物聯網技術，收集消費者的初級資料（一手資料）。再配合所收集到的開放資料，行銷人員要有能力運用資料探勘（Data Mining）、文字探勘（Text Mining）、巨量資料分析（Big Data Analysis）等技術，對資料進行分析。之後，再藉由資料視覺化（Data Visualization）技術，將行銷研究結果做最佳的呈現，並讓決策者做出快速且正確的判斷。以上所提到

   2012年2月，美國一家新聞電視台播放了一則新聞，標題為《Target 知道你何時懷孕》（Target knows when you're pregnant） （請見QR Code），內容在說明全美第二大連鎖量販店塔吉特公司透過數據分析，能預測消費者何時會懷孕。電視台之所以會有這則新聞的原因，主要來自於紐約時報New York Times 2012 2.16的一篇報導《企業如何得知你的秘密》（How Companies Learn Your Secrets）。該篇報導的撰文者查爾斯．杜希格（Charles Duhigg），在文中描述一個匿名的故事。 Target knows when you're pregnant     故事大概是這樣，一位生氣的父親，跑去跟塔吉特找主管理論。那位爸爸說︰「我女兒收到這封信」「她還在念高中，你們竟然寄有關嬰兒用品的折價券給她，你們是要鼓勵她懷孕嗎？」當時不明就裡的經理，先看了一下折價券的內容，隨即跟父親道歉，並於幾天後，再一次打電話跟對方致歉。 結果，在電話裡，這位爸爸告訴經理，他回家後與女兒詳談，才發現女兒真的懷孕了，他為此向店經理道歉。這則新聞後來引起軒然大波，甚至引發了資料科學與道德倫理之間的論戰。但塔吉特公司究竟是如何獲知少女懷孕的？ 杜希格在報導中提到，塔吉特公司的資料分析專家安德魯．波爾（Andrew Pole）指出，他透過數據分析，發展出一個大約由25項孕婦會採買的相關產品所組成的「懷孕預測分數」。 首先，塔吉特公司透過提供消費者「寶寶用品清單的服務」，讓填答者留下是否懷孕，甚至是預產期的資料。接著，塔吉特公司將這些資料，與填答者的其他零售資料進行整合，再透過機器學習（Machine Learning）工具，產生預測模型。如此一來，塔吉特公司就可以透過這個模型，預測消費者是否懷孕，並且讓塔吉特的行銷部門在顧客從懷孕到預產期間，提供相關產品的資訊與折價券給顧客（如圖1所示）。 圖 1 塔吉特 （ Target ） 如何預測消費者懷孕 繪圖者：張庭瑄     後來，有人對此事再加以調查，發現事實上，整起事件乃是「事件行銷」（Event Marketing）的手法。原來是紐約時報在幫作者杜希格打書，

數位化數據分析 2018-03-08 17:10  台科大企管系教授   林孟彥 在 AI 、大數據當紅的近年，常有 EMBA 學生和業界朋友問我，他們時常看到或聽到，某跨國企業又利用「大數據」開發出新商機的新聞。這其中有些概念很有趣，也很實用，但整體而言，「大數據」對他們公司來說似乎還是抽象模糊、可望而不可及，想要運用卻不知該如何著手。大數據真的有那麼神嗎？公司所擁有的客戶或營業資料，算是大數據嗎？該如何有效地運用這些資料呢？ 碰到這些問題，我總是請他們稍安勿躁，先靜下來想想：公司有哪些數據？累積多久了？資料格式大致如何？有專人負責維護或分析嗎？過去都拿數據做什麼用途？公司的決策多數倚靠經驗，還是數據？ ...... 這一系列的提問，很適合拿來問大部份的公司，因為這些問題就是大數據的入門，而相關的數據也經常存在你我身邊，能否掌握這些數據資料，關係著公司的成長和未來。現在，且先聽我說幾則故事。 大數據的存在：俯拾皆是 「早上起床發現喉嚨痛，可能是昨天被隔壁感冒的同事傳染了。這兩天也一直聽到有人掛病號。這一波流感有什麼症狀？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，其實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，但如果同時段內，你居住的台北市也有一萬個人正在搜尋「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，如果將這一萬人用來搜尋的電腦位址，全部以「光點」方式套疊在 GPS 地圖上，又發現光點幾乎都集中在大安區，衛生單位是不是就可以初步研判 ─ 大安區極可能是這一波流行感冒的「熱區」？如果感冒疫情還沒開始流行肆虐，是否就能未雨綢繆地宣導、建議民眾在大安區的公共場所戴上口罩，防止病情擴散？ 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。 大數據的由來：歷史已久 其實類似上述光點套疊地圖的概念，早在十九世紀就有了。