Big Data 的什麼不外包？


Big Data 素養 5


～ 素養，是個人與外界作合理而有效的溝通或互動所需具備的條件 


要從 Big Data 中提取「價值」，這已經是此議題共同的結論。「Monetize」，是最能體現企業對資料價值轉兌期待的動詞。

企業資料價值精煉金字塔

如下圖 1. 中的金字塔，是一般我們會在企業訴說資料，由下往上，一路被精煉的過程：

Data (資料) → Information (資訊) → Knowledge (知識) →  Insight (洞見) →  Action (行動)

其中 Insight (洞見) 也可以被換成 Intelligence (智慧)。

每一層，我們都可以在 Wikipedia 上找到定義與說明。

還是很抽象？我們來看看以下的例子：
  • Data: 394 公里。
  • Information: 台灣南北全長 394 公里。
  • Knowledge: 一般人騎單車的時速約 15 公里；台灣夏季吹南風，冬季吹東北風。
  • Insight: 台灣夏季由北騎到南，一般人不可能達到平均時速 15 公里。
  • Action: 暑假計畫要從台灣南騎到北，目標在 3 天內完成。

圖 1. 企業資料價值精煉架構 

在 IT 上，企業早聽慣了這些與金字塔對應的管理系統與應用：
  • DBMS/EDW (Database Management System/Enterprise Data Warehouse)
  • EIP (Enterprise Information Portal)
  • KM (Knowledge Management)
  • BI (Business Intelligence)
  • DMS (Decision-making Support)
這裡面，越往塔的高處爬，就越難；但可以轉兌的價值，卻越高。最難的，是 Action，而這也就是為何像 Gartner 這樣的研究機構要在 Big Data 領域大大強調 Actionable Analytics (可行動化的分析) 的原因 —— 難，才能墊高進入門檻，建立差異化競爭優勢。

目前 IT 系統對於資料分析後的 Action，大部分還停留在「決策支援」，從企業運作的角度，很容易理解，因為決策需要考慮的面向太廣。除非，找得到從資料蒐集到價值轉兌行動可以端到端 (End-to-End) 一線自動化完成。像電子商務這種基於瀏覽者行為的精準推薦，是難得的一氣呵成實例。

Big Data 撞擊金字塔

當最底層的 Data 變成 Big Data，大量、多架構、又要及時，企業會面臨的挑戰包括：
  1. 金字塔最底層的 Data 範疇變廣了。從結構化的 DBMS/EDW，擴大到半結構化與非結構化資料。精煉的過程，必須加入像 Hadoop 這樣的巨量資料處理技術。
  2. 對 Information 與 Knowledge 的分析，即使模型 (Model) 相同，需要放入更多的關聯 (Correlation)、行為 (Behavior)、屬性 (Attribute)、狀態 (State)、意義 (Meaning)，才能求得 Insight。所以需要多維、跨界串連。
  3. 要擬定 Action Plan 所需參考的 Insight 面向更廣了。這是好事，但也會是難題。
打造 Big Data 價值金字塔的三種角色

從上而下，我們在圖 1. 標注了三種角色：
  • CxO：關注 Action 與 Insight 這兩層，是策略的制定者與計畫的執行者；價值兌換重點落在 Action。
  • BI/DW：關注 Insight 與 Knowledge 這兩層，是資料的探勘者或分析者；價值兌換重點落在 Insight。 
  • IT：關注 Knowledge、Information、與 Data 這三層，是資料的處理者；價值兌換重點落在 Knowledge。
我們可以注意到，這三種角色的作業區域兩兩交疊，這說明了企業價值要得轉兌與精煉，就要能整合與流動。Data Silo (資料孤島) 往往是價值發揮的阻礙者。

Big Data 的什麼不外包？

答案其實已經很明顯，越在金字塔底層、距離策略擬定、行動計畫越遠，就越容易外包或透過對外採購來完成。IT 的資料處理角色肯定可以，BI/DW 的資料分析角色也許還行，但應該沒有企業會將 CxO 角色外包的吧，除非他們與策略無涉 (！？)

圖 2. 是完整的企業資料價值精煉流程，也是整個 Data Science 的範疇。原圖來自 Rachel Schutt 博士的《Next-Gen Data Scientists》，但我為之加上三種角色發功的領域，讓大家可以 End-to-End 地拆解 Data 是如何被 Monetized 的。是為總結。


圖 2. 企業資料價值精煉流程與角色對應 
(source: Next-Gen Data Scientist, Dr. Rachel Schutt)




留言

張貼留言