與 RADICA CEO Francis 談 Big Data 以後…

科技

2015-03-10 |

2351

時間好早，石先生撰寫這篇文章的時間是早上五時。如你所料，我不是早起，而是還沒有睡覺。

一般來説，這個時間點的腦袋應該沒什麼空間思考能力，但最近寫了這麼多的旅遊分享，換回來科技的角度跟大家談談一些對 BIG DATA 的看法又有很大的動力。（感謝下午喝的兩杯咖啡）

「RADICA SYSTEMS LIMITED」，中文名字是：雷克系統，一家聽名字就覺得沉悶的公司。沒錯，RADICA 處理的東西都是數字，而且只有「1」與「0」，其他都東西都是由這兩個數字變化組合而成，要沉悶的話其實可以很沉悶，但這數字卻又能變化出不同的東西。

從一個簡單的角度説，RADICA 的業務包括最常見的 EDM，也有更複雜的 Big Data 數據服務。説 EDM 很多人都可以是專家，但如果你要説到 Big Data 加 EDM 的話，你再強，也要聽聽 RADICA 的分享，因為它們手握的客戶包括：LVMH，香港貿易發展局（HKTDC），電訊盈科（HKT），攜程（Ctrip）及李寧等等等。

Big Data 用來解決問題

在朋友的協助下，這次石先生跟 RADICA CEO Francis 郭正光談了大概兩小時，除了一些科技產品的話題外，也重心的談到 Big Data 方面的發展。

顧名思義，Big Data 從字面解釋可以解作「大數據」，可以理解作大量的數據，但大量的數據有什麼用呢？Francis 做的事情就是要利用大量的數據來找出答案，為客戶解決問題。

就這樣講原理很空泛，石先生舉一個實際的例子。以一個旅遊網站來説，你每一次點進去搜尋一個地方（例如東京）以後，你在社交網站上就會看到有關東京住宿的廣告，提醒你要訂房；或你在觀看旅遊博客分享的時候，旁邊也會有東京的其他旅遊消息推薦，而這些能依據你有興趣的範疇提供內容的廣告也都可以跟 Big Data 有關係。

做法上，這種推薦是比較簡單的，就是旅遊網站在你登記後會紀下你的瀏覽紀錄，然後再通過隱密的數據把你跟社交網站等地方的資料作配對，然後向你提供推薦，是一種很個人的分析。

用大量的數據來提昇效益

把這些個人的分析與數據集中起來，積小成多，就可以變成大的數據，然後再用來分析各酒店的受歡迎程度，顧客是否喜歡這家酒店這樣。

例如 A 選擇了 Z Hotel，入住後給了五星，半年後又再入住 Z Hotel，那麼便可以猜測 A 是滿意 Z Hotel 的；若同時 B 選擇了 Y Hotel，入住後不評論，但半年後去同一個地方不再選擇 Y Hotel，而選擇了 Z Hotel，那可能就代表 B 不滿意 Y Hotel，所以選擇 Z Hotel。

石先生這樣的假設很隨意，也沒有實際的證據支持，但通過大量的數據來分析，也就可以得知不同酒店的受歡迎程度，而且還進一步可以為不同的酒店提供各類型的推廣、調整或宣傳建議等等。

那麼在實際情況下使用 Big Data 分析後可以相差多少呢？Francis 在言談間給出了一個數字。根據他的説法，一家大陸知名的旅遊網站曾經做過實驗，就是利用 Big Data 來分析如何推薦更好機票、酒店與服務給顧客，而在使用 Big Data 前後，銷售額相差了 10%，換句話説用了 Big Data 後提昇了 10% 的營業額。

Big Data 的應用香港仍然落後

遊走在中國大陸與台灣愈來愈多，石先生愈覺得香港在使用 Big Data 上仍然是很落後，沒有積極進取的使用。即使用上了仍然在很少的範圍內，也沒有做好的推廣與宣傳，有時候流於交數的情況。

按 Francis 在日常工作上的感受，以上想法也挺符合現實世界。據他的説法，香港對於 Big Data 一般比較專注意做 Database Marketing，比較著重可靠度與私隱度，務求採用一些已經行之有效，跟隨一些已成功的案例。在還沒有使用 Big Data 好處與可行性的時候，第一時間就在想問題，會否「揹鑊」，所以在使用上有時候會比較保守。

反而是一河之隔的中國大陸或一海之隔的澳門就要進取很多。Francis 舉的真實例子是這樣的，他們曾經利用四組數據來提昇用戶的酒店入住率。

北京的濕度、風向，以偵測空氣污染可能性機票價格酒店的入住率利用 BI 計算出來的潛在客戶

利用這四組數據，Francis 希望得到結果是，若「北京空氣差」，而「北京往澳門的機票價格不太貴或便宜」，然後「酒店的入住率又低」，那麼他們便將向「可能的潛在客戶」發送宣傳，吸引他們前往澳門入住酒店，從以提昇酒店營業額。

如此對 Big Data 的使用算是開闢了一個新的做法，特別是在使用內部數據觀察客戶的想法與需求外，也利用一些公開的外部數據，利用不同數據之間的關係來運作，構想出一個場景，從以撃中客戶的需求。

「經驗」觀察不到的，讓 Big Data 來告訴你

這些關係到底要如何找出來，現在可以有兩種截然不同的方法。

傳統一點的做法是，我們自已憑經驗認為有什麼關係。例如北京有霧霾，然後機票價格很便宜，那麼就會有很多人去澳門。這種方法比較傳統，也是很多行業在説「經驗」的重要性。

新穎一點的做法是，利用「數據」分析整年的天氣、機票價格關係再得出結果。通過分析，我們可以得出幾個不同的結果。例如結果一：「北京有霧霾，然後機票很便宜就會很多人去澳門」。結果二是「北京有霧霾，然後機票很貴但仍然很多人去澳門」。結果三是「北京沒有霧霾，但沒有太陽，剛好機票又很便宜，也很多人去澳門」。

根據「經驗」，我們可以很容易的看到比較極端的情況，但一些比較細微的變化，例如結果二及結果三也就許沒有辦法依靠「經驗」觀察出來，而是需要「數據」來告訴我們。「數據」也是在用「歴史」在説話，但由於它的覆蓋面廣，所以相對來説即使誤差高，卻又可以補回當中的差別。

更重要的是「經驗」需要儲存，但「數據」是即時性的，每天每分每秒都在產生不同的數據，而這些數據都可以即時作出分析，也就變得要比一般的經驗及問卷調查來得更「快」與「準確」一些。

做 Big Data 也有它的麻煩處

大數據要做得好，要處理的東西也不少，作為 RADICA CEO 的 Francis 也給出了幾個建議。第一是要留意速度，他説今天的數據很多，速度快，很即時，不同的部份又有不同的數據，這些數據要處理得好並不容易。