叮叮噹、叮叮噹......，2014 即將步入尾聲，回顧這一年的 Big Data 相關發展，我們可以這樣總結：「在跨行業的水底持續積蓄能量，在特定的洲際大樓上空爆出更多火花」。Big Data，不只是顯學，它現在已經是企業的必要學。在提出 2015 台灣 Big Data 市場五大趨勢預測之前，筆者就先藉投入這個市場的幾點經驗與感想總結，來做為開場。
資料是 21 世紀的石油？
在 2010~2013 時談論 Big Data，很多人喜歡用「資料是 21 世紀的石油」來做比喻，但這種類比其實只對了一半。從精鍊產生價值，這部份沒有問題；但從資源的耗損與生成來看，卻完全無法比擬：
石油是「用後即逝」的實體資源，但資料是「用後不滅」，越用累積的價值越高；石油生成的速度很慢 (植物殘骸轉化為石油須歷經一百萬年以上)，而根據 IDC 的推估，全世界的資料，每二年就會增加一倍。
到了 2014，台灣已經走過 Big Data 的通識教育階段，但在本質的思考上，利益相關者，不妨可以再行深思遠。
Big Data 價值主張
Etu 從 2012 年產品上市以來，即鎖定企業市場，在其中提供特定行業的 End-to-End Big Data Solution。我們一開始就知道，Big Data 不是人人想要、人人需要，企業市場會由特定的行業發動，從高度客製化的 End-to-End 專案開始買單，直到可重複銷售的方案出現，方得跨越鴻溝，邁入保齡球道。
所以，我們堅定地走在 Verticals 與 End-to-End Solution 交疊的路上，持續為擁有資料的客戶 (Data Owner) 服務，協助他們實踐 Big Data 的價值。
2015 年台灣 Big Data 市場五大趨勢預測
經過前兩年的市場教育與諸多的 PoC 驗證，隨著成功案例一一出現，2015 將是這類應用市場起飛的一年。
從 Internet of People 到 Internet of Things，再到 Internet of Everything，筆者在《拆解 IoT 與 IoE，其實他們說的是 Internet of Data ── 聯網皆資料》這篇文章中已經點出，歸結到最後，其實大家說的是：Internet of Data (聯網皆資料)。
IoT 跟 Big Data 一樣，若沒有特定的應用場域，充其量也就是一些架構圖與流程圖罷了。而 Smart City、Smart Factory、Smart Building、Smart Home，若沒有指出 Use Case，也只是諸多應用的集合概念，並沒有可落地實踐的標的。
2015 年，IoT 議題還是會持續在台灣的產官學研中延燒，所以當務之急，是明確指出應用場域中特定的 Use Case，探討它的價值、使用的對象、該建構哪些前端裝置、後端系統、網路設備。在產品或服務規劃的過程中，產品經理會深刻明瞭一件事：基於聯網資料分析後的行動，將會是在市場上進行差異化競爭的關鍵。
以上就是筆者對 2015 台灣 Big Data 市場的五大趨勢預測說明。如果您有不同的看法，歡迎來信交流：fredchiang [at] gmail.com 。
感謝收看。老話一句：我們明年再來。
圖 1. Big Data 應用的價值亮點，正在不同領域，開出漂亮的火花
(photo credit: Amir Kbah)
(photo credit: Amir Kbah)
在 2010~2013 時談論 Big Data，很多人喜歡用「資料是 21 世紀的石油」來做比喻，但這種類比其實只對了一半。從精鍊產生價值，這部份沒有問題；但從資源的耗損與生成來看，卻完全無法比擬：
石油是「用後即逝」的實體資源，但資料是「用後不滅」，越用累積的價值越高；石油生成的速度很慢 (植物殘骸轉化為石油須歷經一百萬年以上)，而根據 IDC 的推估，全世界的資料，每二年就會增加一倍。
到了 2014，台灣已經走過 Big Data 的通識教育階段，但在本質的思考上，利益相關者，不妨可以再行深思遠。
Big Data 價值主張
Etu 從 2012 年產品上市以來，即鎖定企業市場，在其中提供特定行業的 End-to-End Big Data Solution。我們一開始就知道，Big Data 不是人人想要、人人需要，企業市場會由特定的行業發動，從高度客製化的 End-to-End 專案開始買單，直到可重複銷售的方案出現，方得跨越鴻溝，邁入保齡球道。
圖 2. Etu 的 Big Data 價值主張
2015 年台灣 Big Data 市場五大趨勢預測
以下就是筆者提出的 2015 年台灣 Big Data 市場五大趨勢預測：
- 客戶洞察成為所有 B2C 商業的顯學，社群媒體分析是 360° 單一顧客樣貌的新增要素；
- In-memory 分散式運算開源軟體日益成熟，企業的近即時巨量資料應用 (Near Real-time Big Data Application) 成本降低，大大增加「快速偵知與快速反應」實現的可能；
- 物聯網 (IoT) 與巨量資料分析 (BDA) 結合，成就應用的區隔化與細緻化；
- 資料產品 (Data Product) 雲服務化，讓中小企業有機會參與巨量資料的價值應用；
- 資料分析人才需求持續增長，但唯有能結合領域知識者，才能成為箇中翹楚。
各項預測說明如下：
1. 客戶洞察成為所有 B2C 商業的顯學，社群媒體分析是 360° 單一顧客樣貌的新增要素
從電信、零售、金融、品牌、到各種線上服務，Single Customer View (單一顧客樣貌) 在廣大的 B2C 領域，已經成為 Marketer 與 Business Analyst 亟欲實現的任務。從實務上來說，要做到的是視野的擴大，典型的作法是：取企業原本就有的 CRM 資料 (User Profile + Transaction Data + Customer Service Data)，加上客戶的線上行為資料 (看什麼、點什麼、搜什麼、買什麼、評論什麼、分享什麼......)，再加上來自社群媒體的資料 (貼文、貼圖、按讚、分享、回覆、打卡、圖譜......)，形成針對分群或個別客戶的全方位洞察。企業要料理與分析線上行為與社群媒體的資料，顯然需要累積更多經驗，也需要新的工具與服務。
1. 客戶洞察成為所有 B2C 商業的顯學，社群媒體分析是 360° 單一顧客樣貌的新增要素
從電信、零售、金融、品牌、到各種線上服務，Single Customer View (單一顧客樣貌) 在廣大的 B2C 領域，已經成為 Marketer 與 Business Analyst 亟欲實現的任務。從實務上來說，要做到的是視野的擴大，典型的作法是：取企業原本就有的 CRM 資料 (User Profile + Transaction Data + Customer Service Data)，加上客戶的線上行為資料 (看什麼、點什麼、搜什麼、買什麼、評論什麼、分享什麼......)，再加上來自社群媒體的資料 (貼文、貼圖、按讚、分享、回覆、打卡、圖譜......)，形成針對分群或個別客戶的全方位洞察。企業要料理與分析線上行為與社群媒體的資料，顯然需要累積更多經驗，也需要新的工具與服務。
經過前兩年的市場教育與諸多的 PoC 驗證，隨著成功案例一一出現，2015 將是這類應用市場起飛的一年。
2. In-memory 分散式運算開源軟體日益成熟，企業的近即時巨量資料應用 (Near Real-time Big Data Application) 成本降低，大大增加「快速偵知與快速反應」實現的可能
筆者在上一篇部落文《Strata+Hadoop World 2014 New York 觀察》就提到 Big Data 處理與分析及時性的躍進，從 Hr (Batch) -> Sec (Near Real-time) -> Millisec (Real-time)。欲獲其利者，Hadoop Ecosystem 中的 Impala、Storm、Spark，絕對是重中之重，應用場域含括多結構化資料倉儲互動查詢、CEP (Complex Event Processing) 資料串流處理、SQL-like 查詢、統計與機器學習上。
開源軟體 + 門檻降低 + 成功案例 + 社群推波 ＝ 大量嘗試近即時應用的 2015 年
開源軟體 + 門檻降低 + 成功案例 + 社群推波 ＝ 大量嘗試近即時應用的 2015 年
3. 物聯網 (IoT) 與巨量資料分析 (BDA) 結合，成就應用的區隔化與細緻化
從 Internet of People 到 Internet of Things，再到 Internet of Everything，筆者在《拆解 IoT 與 IoE，其實他們說的是 Internet of Data ── 聯網皆資料》這篇文章中已經點出，歸結到最後，其實大家說的是：Internet of Data (聯網皆資料)。
IoT 跟 Big Data 一樣，若沒有特定的應用場域，充其量也就是一些架構圖與流程圖罷了。而 Smart City、Smart Factory、Smart Building、Smart Home，若沒有指出 Use Case，也只是諸多應用的集合概念，並沒有可落地實踐的標的。
2015 年，IoT 議題還是會持續在台灣的產官學研中延燒，所以當務之急，是明確指出應用場域中特定的 Use Case，探討它的價值、使用的對象、該建構哪些前端裝置、後端系統、網路設備。在產品或服務規劃的過程中，產品經理會深刻明瞭一件事：基於聯網資料分析後的行動，將會是在市場上進行差異化競爭的關鍵。
4. 資料產品 (Data Product) 雲服務化，讓中小企業有機會參與巨量資料的價值應用
我們發覺，在許多 Big Data 的應用上，中小企業很難參與的主要原因是：建置成本太高。究其原因，可能是在生、流、存、算、用、看系列過程中，任一環節或多環節的軟硬體建置、技術能量或作業需求成本居高不下堆疊起來的。
編列上百萬、乃至千萬的 Big Data 解決方案預算，對大型企業來說，也許是正常事，但對大部分中小企業來說，是無法接受的事。
解決之道，是利用雲服務的商業模式，由一個單位來負責服務的建置與營運，以負擔得起的價格，依用量或月費，吸引中小企業的使用。但雲服務業者的挑戰將是：如何彰顯使用效益？
歷經前面幾年的 On-premises 市場發展，將解決方案轉變成雲服務資料產品，將是 2015 年一些 Big Data Solution Provider 前進的道路。
編列上百萬、乃至千萬的 Big Data 解決方案預算，對大型企業來說，也許是正常事，但對大部分中小企業來說，是無法接受的事。
解決之道，是利用雲服務的商業模式，由一個單位來負責服務的建置與營運，以負擔得起的價格，依用量或月費，吸引中小企業的使用。但雲服務業者的挑戰將是：如何彰顯使用效益？
歷經前面幾年的 On-premises 市場發展，將解決方案轉變成雲服務資料產品，將是 2015 年一些 Big Data Solution Provider 前進的道路。
5. 資料分析人才需求持續增長，但唯有能結合領域知識者，才能成為箇中翹楚
圖 3. 資料產品建構者
如上圖所示，資料價值的載體是資料產品 (Data Product)，而資料擁有者 (Data Owner)、資料科學團隊 (Data Science Team)、與領域專家 (Domain Expert)，則是打造資料產品的鐵三角，缺一不可。資料科學團隊裡至少會有處理者、分析者、策略者，筆者曾在《資料價值還缺一味，資料科學團隊還缺一位》中提到：「當涉及資料分析，但卻缺乏領域經驗或知識來添味，往往數字只是數字、圖表只是圖表，探索無方，洞見難生」、「資料價值的提取，如果能夠有一位領域專家隨侍在側，即問即答，必然可使如瞎子摸象的外行臆測行為降低，讓潛規則浮露，真實湧現」。
「能不能介紹資料分析師給我？」這是客戶常常對我們說的話。2015 年有計畫要組織資料科學團隊的企業還會持續增加，其中又以具備 Big Data 經驗的資料分析師缺得最厲害。一位懂分析又具備領域知識者，將是難能可貴的人才，搶手自不在話下。
「能不能介紹資料分析師給我？」這是客戶常常對我們說的話。2015 年有計畫要組織資料科學團隊的企業還會持續增加，其中又以具備 Big Data 經驗的資料分析師缺得最厲害。一位懂分析又具備領域知識者，將是難能可貴的人才，搶手自不在話下。
以上就是筆者對 2015 台灣 Big Data 市場的五大趨勢預測說明。如果您有不同的看法，歡迎來信交流：fredchiang [at] gmail.com 。
感謝收看。老話一句：我們明年再來。
留言
張貼留言