「只要資料量夠大，數字自己就會說話。」這似乎是企業一窩蜂追隨流行趨勢的一個新迷思。

大數據（Big Data），或稱海量資料，是近年最夯的技術名詞之一。企業紛紛成立大數據研究中心或巨量資料學院，好像有了如海一般多的資料，銀行就能分析出顧客行為，投其所好地創新產品；國會選舉就可以精準預測誰會當選；影片出租業者就能知道如何依照個人喜好推薦影片；商場就可以知道要將啤酒與尿布放在一起賣（按：美國零售業發現，買啤酒的男性顧客也會順便買尿布）；警察就能夠預測犯罪來源。

大數據其實就是一套資料探勘系統（data mining），以特定的程序去爬梳資料，找出資料之間的關連性。在資訊管理領域，資料探勘已經是老掉牙的工具，只是改個名字，就又紅了起來。

究其原因，就是企業太懶了，希望花最少的時間，找到最多客戶，讓業績一飛沖天。研發人員希望找到一項工具，讓他們不用研究消費者，數據就會跟企業說客戶要什麼。這樣的求快心理，使得企業盲目地採用「工具」，希望即刻「藥到病除」。

大數據加上「厚數據」，才能真正知道顧客要什麼

我們先來看看《大數據》這本暢銷書裡所舉的兩個例子，看看大數據有沒有這麼靈驗。

• 偵測坐姿防盜：日本一家汽車座椅公司在座位中放入偵測器，蒐集車主的各種坐姿，任何人坐到駕駛座，只要比對資料，就可以檢測駕駛座是否異常，判定車子是否遭到偷竊。

• 從 Twitter 發言預測電影票房：這很類似許多視頻公司號稱用大數據就可以預測觀眾的收視行為，讓挑劇的準確率大為提升。

從這兩個例子可以看出，資料固然巨量，推理卻可能過於工具性。個別車主的習慣會改變，不同車主的習慣也不一定相同；在 Twitter 上發表對某部電影的喜好，可能只是應酬話，甚至是反諷。因此，過度依賴海量資料，卻不重視深厚的「行為脈絡」，資料可能會變成廢料。

《大賣場裡的人類學家》一書便點出，運用大數據時，還必須結合「厚數據」（thick data）才能見效。

個案 1：電商看見脈絡，改變產品組合、營收破億

分析厚數據其實就是釐清問題的脈絡。我們來看兩個例子。

一家專賣面膜等化妝品的電子商務公司，員工約 30 人。2007 年，公司營運不佳，虧損約新台幣 600 萬元。問當時的經營者有多少會員、客戶從哪裡來，他多半回答不清楚；談到如何行銷面膜，則說是透過網路促銷、團購網頁、網誌代言、客戶資料庫行銷等，但就是沒效果。

後來，公司找來新任總經理，他從超過 4000 筆客戶資料中歸納出兩個脈絡。

脈絡 1：找出痛點，推出運費券

從購物清單看出，80% 以上的顧客來自海外，又以美國為主；匯款帳戶都顯示是兩個字的中文名字，一查才知道都是海外華僑和中國留學生。

由於美國美妝商品很貴，貨物稅又高，愛漂亮的留學生比較相信台灣出貨的產品，網購還可以省掉當地貨物稅，所以會找台灣網站購買。

進一步分析顧客的需求，這位總經理發現，客戶最關心的其實不是團購或促銷，而是運費。許多女生在購買私人物品時，不想和別人一起團購，但是數量不夠多，運費就高。為此，總經理推出運費券，仿效航空公司的里程數，顧客買愈多、點數累積愈多，運費券就送愈多，刺激購買行為。

脈絡 2：發掘需求，推出特賣商品

為了了解顧客都在談什麼、想什麼，這位總經理還派產品企畫部門每天瀏覽美容討論網站，發現很多人都不喜歡「一條龍」的產品搭配方式（例如，面膜搭配晨霜或晚霜），更偏好試用不同品牌的面膜，還常常在網站上對各個牌子的面膜品頭論足一番。於是，這家電商推出一款特賣商品，包含 20 種品牌的面膜。

在緊盯各家討論網站的同時，這家電商只要看到客戶抱怨缺什麼商品，就推出那項產品，而且都會加上面膜一起賣（例如，性感內衣加上面膜）。釐清脈絡之後，總經理沒有花錢費力去做無效的行銷活動，只是找出客戶的痛點，推出運費券與面膜搭配特賣，4 年間就將營業額衝到新台幣 1 億 4000 萬元，登記會員達 18 萬人，常購會員 1 萬多人。這項創新不難，只要在分析數據時，同時也看見脈絡。

個案 2：觀察司機使用行為，台灣大車隊找出數據運用方法

台灣大車隊在創業初期，需要招募約 6000 位計程車司機成為會員。根據分析數據後發現，司機集中出沒於加油站、建國橋下、濱江休息站等，公司便鎖定這些地點去招募司機，但不知為何，這樣招來的司機來得快，也去得快，還會將衛星派遣系統不好用的體驗告知其他司機。

然而，當時用的是衛星派遣系統，功能已經改善過，相比過去計程車採用的無線電，派遣範圍更廣，速度更快，按理說應該備受歡迎才是，結果卻正好相反。

脈絡 1：司機最關心每月收到多少通派遣

其實，只要分析司機的行為脈絡會發現，停在加油站等地的司機大多是被動等待衛星派遣通知，只要每月派遣數不夠，他們就會離開，怪罪衛星派遣系統不好用，都沒派客人給他。

再深入分析每位司機收到的電腦派遣數，還會發現當中的落差很大。據說有一位林司機每個月接到的派遣數介於 300～350 通（很滿意），但是大多數司機只有 90～100 通（常抱怨而離開車隊）。是林司機特別幸運，還是他做了什麼？

脈絡 2：每月 300 通派遣司機的祕訣

原來是他發現衛星派遣會依照客戶上車的地點，找尋最鄰近的司機，所以他會記錄客人上車的時間和地點，在時間快到時，提前到特定地點去等待派遣系統通知。同時，他還與其他司機組成一個 8 人讀書會，每個禮拜五固定聚會，交流一個星期記錄下來的資料。

拿到資料後，林司機會用 Excel 匯整，以每 20 分鐘為一個單位，整理出派遣的「黃金點」，不但有早晚之分、地區之別（大安區、信義區、文山區等），還印成手冊。如此一來，司機不管走到哪裡，只要拿出手冊，都可以找到最近的「黃金點」等待，很快派遣就會進來。

就這樣，脈絡出現了。從採訪的「厚資料」看出，找出「黃金點」，也就解開了高效率司機的工作祕訣。這些每個月拿到 300 通派點的司機，在某一區放下乘客時，只要查看手冊，便可以先找出該地區、對應時段，找出最接近的地點去等客人，等候時也可以安心地做點運動，休息一下，不會像以前一樣在城市裡亂跑，隨機尋找乘客，所到之處也不一定是黃金點，耗時費力，成效又不彰。了解這些行為脈絡，就能知道大數據該怎麼運用。

離開人的行為脈絡，大數據就會成為大迷思

大數據的背後是使用者的生活脈絡。賣面膜的電商透過脈絡分析發現，使用者愛的原來不是團購和促銷，而是省運費；喜愛的產品組合，也不是一條龍搭配，而是多種不同面膜的 bundle（組合搭售）。台灣大車隊透過觀察計程車司機的行為，得知他們如何運用新科技找到客戶，之後才能結合大數據開發更多客戶。

客觀地分析巨量資料固然好，但是如果離開人的行為脈絡，大數據就會成為大迷思。只有細心地去理解人的行為，由行為中浮現清晰的脈絡，才有可能從這些「深脈絡」中獲知感動的元素。深厚的感動，配合上海量的資料，才是找出創新的關鍵。