[書摘]《大數據玩行銷》精選：不是大就美，小而準數據含金量更高／編輯部
編按：本站自即日起與多家出版社合作，由編輯為您精選最近出版的科技相關書籍內容，經授權後小幅改編為文章形式供您閱覽；希望您在繁忙的日常生活中，能以精簡方式吸收新書精華。
以下內容摘自原書，文中第一人稱為原書作者。如果您有任何討論或意見，歡迎您在這裡留言，原書資訊請參閱文末介紹。
大數據熱潮風起雲湧，成為最夯的趨勢話題，社群媒體的興起，更推波助瀾這股熱潮，讓人以為，掌握社群大數據，就可以掌握行銷、掌握消費者。
彷彿淘金熱一般，許多企業紛紛投注資源於社群媒體爬網，試圖淘篩黃金、挖掘大商機。
大明在臉書上提到了手機，某廠商就以為是生意上門。事實上，從網路討論到真正付諸行動購買，中間仍隔著上百個因素與關卡，比如是否真有需求、是否有足夠預算……等，距離還十分遙遠。
看到數據就分析，彷彿看到黑影就開槍，可能徒勞一場。事實上，從社群媒體上得到的數據，往往並沒有辦法立即轉換為營收。
有些人似乎將社群媒體當成提升公司業績的救世主，有公司甚至連銷售點管理系統（Point of Sales, POS）都沒有，卻急著耗費鉅資，找社群媒體分析業者幫忙產生名單，找關鍵意見領袖……
但從社群媒體的數據到底吸引多少人？效果究竟如何？根本無從評量起。
其實，最能反映公司營收的數據就是公司自己的交易數據。很多企業根本還沒開始分析自己公司裡小而準（small and accurate）的交易數據，就開始投入大而亂的社群數據，是捨近求遠的作法。
20/80法則：鎖定小而準數據，才能挖到金礦
義大利著名統計經濟學家維弗雷多．柏拉圖（Vilfredo Pareto）提出「20/80法則」（又稱為「最省力法則」）。
這個法則主張：
80％的產出往往源自於20％的投入。
不成比例的投資報酬率是20/80法則的最大特色。
20/80法則應用到大數據，意指在所有的大數據裡，僅僅20%的數據就占據了高達80％的價值，剩下來80%的數據，其效用與價值就只剩區區20％。
20％的數據就掌握了80％的成果，而且通常這20%都是些明顯易見的數據，換言之，根本不需要去找遠在天邊、遙不可及的數據。
有一家公司買了一份包含1000萬個消費者的大數據，這數據裡面有100萬人是原本自家的消費者；另外的900萬則是其他競爭公司的消費者。
廠商利用這大數據進行廣告投放，最後共吸引1000個人購買產品，但是結果卻發現，1000人當中有900個是自己的顧客，只有100位是從別處轉移過來的。
數據分析更重要的應該是數據的品質，而不是數據的大小。
大數據依性質可分為三類：
小而準數據（small and accurate data）；
大而亂數據（big and messy data）；
開放數據（open data）。
小而準數據如POS交易數據，結構化而準確；大而亂數據就像社群媒體數據、Wifi數據，非結構化而且雜亂；開放數據則是指像天氣、人口普查之類的開放數據（詳見下圖）。
小而準數據含金量較高
大數據依性質可分為3類：小而準數據（small and accurate data）、大而亂數據（big and messy data）以及開放數據（open data）。 小數據含金量高而準確，若可以輕鬆用小數據解決問題，何苦在大數據裡找得人仰馬翻？
數據愈大，不確定性就愈高，含金量則愈少；反之，數據愈小越精準，含金量則較高。
如同淘金採礦一樣，數據煉金術，應先從含金量高的下手。此外，必須先有處理分析小而準數據的能力，才能進一步處理大而亂的數據。
大數據時代，競爭的是解決問題與決策反應效率，如果用小數據就可以輕鬆解決的事情，何必大費周章地使用投入資源和成本相對高的大數據。
此外，在小數據上應用大數據的觀念，也可以創造同樣價值，關鍵是數據必須能夠被衡量與掌控。
以小而準的數據為基礎，行有餘力，再去進行不同類型數據之間的相乘與結合，才是明智的大數據抉擇。
人的心智能力和體力有限，降維讓數據可視化、自動化
談到大數據，一般都會提到的有四大特性：數量大（Volume）、速度快（Velocity）、多樣性（Variety）、不確定性（Veracity）。
可是，很多人都忽略了第五個V（Value）的重要性，前面的4V只勾勒了大數據的樣貌與輪廓；我們應該更追根究柢的是：大數據經過清整和演算後，能夠為行銷人的決策優化帶來什麼具體貢獻與價值（詳見下圖）。
大數據4V，數據千變萬化
大數據有四大特性：數量大（Volume）、速度快（Velocity）、多樣性（Variety）、不確定性（Veracity）。資訊大爆炸，若不透過降維（Dimension Reduction），很難判讀數據意義，更別提做出決策。
進入大數據時代，龐大且不斷爆炸成長的資料數量是最大特點，大企業的交易數據隨便一運算，結果就是1000張報表。
這1000張報表，遠遠超過人類心智能量能夠理解與承受的上限。
人類的記憶系統根據維持訊息的長短，分為「短期記憶」與「長期記憶」。
其中，「短期記憶」又稱「工作記憶」。容量有限，只有7±2個意元（Chunk），就是5到9個意元。換言之，人的心智能量（Mental Capacity）是有所限制的。
舉例而言，政府制定經濟景氣指標，後面涉及龐大的經濟巨量資料運算，然而經濟景氣指標的呈現，卻只有清楚簡單的紅、黃紅、綠、黃藍、藍五種燈號，這就是報表可視化（visualization）。
將複雜的數據報告精簡到人的心智能量可以接受的範圍，又稱之為化繁為簡的「降維」（Dimension Reduction）（詳見下圖）。
降維：看得懂也能動手做
當數據超過心智能量的臨界值，就必須進行降維，如上圖黃線所示。降維有兩大作法：一是認知降維，做到可視化（visualization），將複雜的數據報告，精簡到人的心智能量可以接受的範圍；二是執行上的降維，自動化（automation）以人機分工，降維到個人體力能負荷的程度。
人只要負責辨讀燈號，即可掌握經濟景氣的好壞，並不需要曠日費時地直接判讀背後的大數據。
換言之，人或許無法看1000張企業報表，但是可以辨讀10個指標。將複雜的大數據降維、簡化到人可以處理掌握的範圍，把大數據策展（curate）起來形成一些觀點或維度，這是認知的降維。
因為人的心智能量有限，所以需要將高度複雜的數據降維；同樣的，人的時間與體力也有所限制，因此，在執行能力上也要被降維，降到一個人的體力能夠負荷的程度。
人無法同時執行100萬種行銷活動，但是機器卻可以，這是另一層次的降維是執行的降維，讓機器做機器擅長的事，人做人擅長做的事，亦即自動化（automation）。
「if-then-else」自動化方程式：人機分工，行銷人專心做決策
「if-then-else」這個簡單的邏輯可以詮釋這樣的自動化歷程。
「if」是假設一旦偵測到某位顧客進入沉睡（sleeping）的標籤，他到S3（會員存活機率低於10%的沉睡顧客）了。
「then」系統自動觸發一封沉睡顧客喚醒的eDM到他的信箱，如果偵測到他48小時內有開信，則任務完成。
否則就要進入「else」階段，再寄一次簡訊給他，先從歷史交易數據判定他是高貢獻度的顧客，系統就自動把A簡訊寄給他；如果是低貢獻度顧客，則寄B簡訊。
這個過程，若是以人力來執行，前後至少有六道工序，需耗費相當的人力資源與時間。
行銷工作包山包海，行銷人員每天忙著趕報表、制定行銷策略，還要擬定公司年度計畫……等，能如期將所有事情完成已十分難得，很難再有多餘力氣與時間進行優化的工作。
用「if-then-else」執行降維，變成只需一條程式就可以完成所有動作。
換言之，降維就是將人做的事情交給機器做，如此行銷人的價值，就可以還原到負責更有意義的行銷決策、用數據詮釋更高價值工作。
大數據時代，數據數量與複雜度大幅提升，如何降低人的認知與執行複雜度，成為迫切而重要的任務。
一是認知能力，一是執行能力，兩者的降維，前者將帶來大腦的解放，人可以思考更重要的決策；後者是體力的解放。兩種解放，讓人可以做人更擅長、更有價值的事情。
《大數據玩行銷》
──改變世界的18個大數據新思維，第一本把大數據變營業額的行銷聖經
中國大數據教父車品覺，隔海跨刀推薦
知名國際品牌都在用，大數據C2B行銷顛覆舊商業模式
行銷人的第一本大數據書，教你「玩轉」大數據
30雜誌出版
作者：陳傑豪