阿里巴巴分析大資料的關鍵10誡

市值全球第2名的中國電商阿里巴巴，旗下諸多服務包括阿里巴巴B2B平臺、淘寶拍賣網、天貓B2C商城，還有中國最大的第三方支付平臺支付寶等， 而這些服務所產生的資料全歸一個人管，那人是中國阿里巴巴數據技術及產品部副總裁車品覺。

車品覺以8年打滾於資料界的經驗，以及在阿里巴巴實務應用下發展出「數據10誡」，現已修正到了4.0版本。作為阿里巴巴集團的資料最高領導人，車品覺說，他是虔誠的資料信仰者，喜歡用資料做決策解決問題。

企業要用資料解決問題，首先要履行數據10誡的第一條，清楚定義欲分析解決的問題是什麼？車品覺舉例，現在中國各大都市都極力發展智慧城市，但是對於城市來說，什麼樣的建設或是應用才能稱為智慧，他說，如果沒有定義智慧城市，那就難以衡量專案的成效，「定義問題是從知道到不知道的過程。」

雖然資料科學議題很夯，企業有許多問題都能從資料中找出答案，但也「不是每一個問題都是資料的問題，不是每一個問題都是大資料的問題。」車品覺說，要知道該問題是否能靠資料解決，必須先思考5件事，以明確了解需要解決的問題，「這是什麼問題？誰的問題？這問題你來解決嗎？需要現在解決嗎？資料能解決嗎？」當這5個問題的答案皆為是，那或許就是當下可以靠資料解決的問題。

然而不少企業知道要解決的問題，卻苦無解決問題的資料，車品覺認為，思考問題解法時，不能把沒有資料當作藉口，因為現在可以取得資料的方式太多了。車品覺舉例，調查研討會的品質可以用最傳統的問卷，也能用科技的方法解決，只要在場內跟場外架設手機探測器掃描會眾手機ID，便能記錄會眾進出場內外的狀況，進一步分析演講品質。清楚定義分析的問題，不怕沒資料

車品覺另外舉了「快的打車」App的例子，他們想解決司機拒載乘客的問題，因此提供了評價的機制，當司機拒載的時候乘客得以反應，而這些評價資料也是在思考想解決的問題後才出現。所以「只要問題定義好， 需要的資料都存在，思考應該凌駕在資料技術之上，思考方法才是產生價值最重要的一點。」

以多面向歸納資料類型

因此資料並非不存在，重點在於企業能否周全收集資料，為了更清楚理解資料，歸納不同類型資料能發揮長處的時機，他用不同面向剖析資料。

首先，車品覺以能否預料以及意見正反作為X與Y軸，畫出四大象限描述企業所收集的資料。他舉例，餐廳紀錄客人的餐點，這是收集Expect Positive（預料中的正面）的資料，而Expect Negative（預料中的反面）的例子則是客人沒吃完餐點的紀錄，另一個電子商務例子則是，當有人到周大福買珠寶，記錄了客戶買了哪一個商品，這就是Expect Positive的紀錄，而調查客戶看了哪5個商品才買到了想要的戒指，則是Expect Negative，車品覺說，Expect Negative對於機器學習是重要的訓練樣本。

另外，他也依可用性將資料分為「快＋準」和「廣＋亂」2類。「快＋準」的資料是那些企業能很快速地取得，或是經常性使用的資料，能從已知的規律中產生價值，能做的改善是加速資料更新的頻率，抑或是加速資料整合的速度，以更快速的做出決策，或許過去須3小時才更新資料，改進後期望能進步到即時。他認為，「快＋準」的資料要思考的議題是「有沒有、準不準、細不細、全不全、穩不穩以及快不快。」

相對於「快＋準」則是「廣＋亂」，「廣＋亂」的資料就是現今稱作大資料的類型，來源廣泛且格式多元，特性是能從發現中顛覆已知，車品覺認為，從「廣＋亂」的資料中，才能發現意料之外的事情，因此從這些資料提煉出來的資訊也比較有明顯價值。

能有意料之的發現，正是資料的價值，品覺認為，大份人思考方法是演繹法形式，從已知推論未知，但是運用大資料技術可以逆轉這個程序。他以行銷作為例子，過去一項產品的行銷，企業會主動設定目標客群，或許是三十幾歲的女性等，針對這群人投放廣告，但是現在的方法，可以透過歷史的銷售資料，找出購買行為的特徵，逆向圈出目標客群。

車品覺也用時間維度分析資料特性，不同周期的資料所提供的價值也不一樣，以天為周期的資料可以描述狀況，而1周需要知道的則是，上星期做的決策是正確還是錯誤的，1個月就必須了解競爭對手的策略與狀態，1季就需要檢討組織是否達到設定的KPI。

資料從分析到應用，品質要求大不同

阿里巴巴使用資料最大的分水嶺在於「從看到用」，從資料用來分析現象，到用於控制全自動化的設備上。車品覺分享前些日子所做的工作，正是以自動化無人機器取代一整個既有的部門，他說，在那個時候他領悟到，資料的目的直接影響對資料品質的要求，因為用於分析觀察還是實際使用，需要的資料屬於不同等級。

他提到，像是無人機器的動作控制，需要多個複雜模型交互作用，而穩定且充足的資料來源是必要條件，在他們找出實際可用資料的過程，發現有很多資料的基本功沒扎穩，像是資料須達高可用性等項目，需要一塊一塊的補上。

而當企業達到沒有資料就無法提供服務的狀態，就如同無人機器沒有足夠的資料就無法動作，車品覺認為，「此時企業就走在對的道路上」。也因為資料的重要性提升，企業看待資料中斷應該要等同於IT系統錯誤一樣的嚴重，一旦資料出錯就必須有人負責。

不只是無人機器的控制需要有非常完整的資料，在很多情境下，當沒有完整的資料描述事件發生的細節，企業往往會把事件原因歸於運氣。在零售業中，顧客的購物慾望可能起始於朋友推薦，經過了商品搜尋以及品牌官網收集資訊，顧客逛了電子商務網站，最後卻在大賣場購買，這樣的過程或許看似大賣場比較幸運最後成功銷售商品給這位顧客，但其實不然，過程中有許多企業應該要知道的資料。像是顧客信用卡的還款時間，因為要繳交信用卡的費用感到心痛，因此購物慾望下降，此時要顧客消費是困難重重，這雖然只是一項小資料，卻也是整個顧客購物鍊很重要的一環，車品覺認為，企業應該檢視所蒐集的資料是否完整，因為企業忽略顧客的資料，有時候對結果影響甚巨。

車品覺直言「大資料是一種能力，企業要有愛因斯坦的大腦以及健壯的身體」，大資料能力組成的因素有思想、血液以及骨骼，思想就是資料運算邏輯或模型等，血液則是企業的資料，而骨骼便是最基礎的硬體設備。

車品覺說，從以前必須求老闆看看他做的資料，到現在老闆會挑剔他準備的資料沒有用，他認為，這是企業利用資料進化的結果，他發現美國許多企業不只擁有資料科學家，甚至還多了決策科學家，負責用資料替公司訂定決策。