兩岸大不同：大數據產業

剛好上周參加一個大數據趨勢研討會，談到這議題。今天有空就把今天要演講的重點來分享一下：

老師同學大家好，我是林翰霆（Rex），是之前在大學統計重修過好幾遍的學生，但卻曾經在大陸電商大數據公司作過主管（總監），所以各位學弟們對自己要有信心，代表我們臺灣學生的競爭力還是可以的。

在之前，我先分享一段影片，是之前騰訊智慧大數據大會上發表的，透過微信支付，騰訊已經把食衣住行等相關數據都整合起來了。

另外我們之前在上海作過一些大數據爬蟲的案例，「爬蟲」就是透過技術手段可以抓取網頁公開上的數據。有一個客戶是漢堡王，當初他們希望可以透過大數據瞭解全大陸的漢堡王門市的消費者評論以及服務的評價，最好也可以瞭解他們的競爭對手（麥當勞、肯德基）的表現如何，並且是希望即時動態呈現最新資訊。

透過研究後，我們抓取了大陸最大的餐飲評論網站「大眾點評網」的公開數據，它們針對門店有三個評等指標，：「口味」、「服務」、「環境」，以及所有消費者評價（一星到五星），還有人均消費金額，透過這幾個指標，可以展開以下的分析：

之後可以針對全國的門店進行分區域的比較：

很多顧客的評論，現在大陸消費者用餐完之後，已經有習慣會在微博以及餐飲評論網站上進行「點評」，這是一個很有用的數據來源：

透過這些文字數據來源，我們使用「分詞」以及「文本挖掘」等技術（這是苦活），我們可以快速整理出門店的正面以及負面評價比較：

這樣可以讓總部迅速瞭解每個門店服務口碑評價表現，過去總部只有交易數據（POS）流水，這些都屬於「滯後指標」，當門店的交易數據下降了許多，已經來不及了，口碑服務數據屬於「領先指標」，可以先進行預測以及運營調整。

最後透過消費者評論的推薦產品，可以算出門店的推薦產品分類：

這專案我們是布署在客戶的私有雲上，設定爬蟲頻率，客戶自己保存以及擁有這些數據。

漢堡王的案子，沒有牽涉到太複雜的模型演算法，只有在文本挖掘語意的部份，需要計算，但卻能解決客戶需要即時動態瞭解各門店客戶的表現以及競爭對手的表現的痛點。

若能跟總部的POS系統數據結合，相信能分析更多不同的決策知識點。

過去類似的案子，只能透過線下市場研究公司進行問卷訪談、街訪、秘密客等，但現在採集數據方式改變了，消費者習慣透過數位化的方式進行互動（留言、評論、投票等），我們可以透過數位化的手段進行快速的數據採集，相信臺灣也會有這樣類似的需求（房仲網站、電商平臺）給大家參考。

再分享一下對岸現在大數據產業發展方向：

（1）大數據產業發展方向：

臺灣發展最近最熱的就是「Fintech」，除了銀行金融業外，醫療、電信業，以及IOT物聯網行業。大陸方面也差異不大，有電力行業、交通、電信、銀行、環保等。

（2）政府支持：

臺灣方面我沒有這樣清楚，但大陸方向從2012年開始，從三個政府單位分頭發展，（國務院、發改委、工信部）開始積極推動大數據產業的建設，建立了數據交易平臺以及標準。尤其是2015年，可以說是大陸的大數據產業大力發展的一年。

（3）資本方向：

大數據產業公司可以分為三類：「數據源」、「數據處理」、「數據應用」。整理表中看來「數據應用」公司是這幾年大陸資本方偏好的方向，因為小而輕，偏重某個細分領域去做應用變現。

（4）人才培育：

許多學校設立大數據專業，包括雲端技術人才等，方向是以底層數據技術以及數據應用人才為主。許多臺灣知名的專家，銘傳李老師、輔大謝邦昌、近幾年也到大陸進行不少數據分析培訓。偏重於資料採礦、數據模型建立以及數據產品操作（SAS、微軟SQL數據分析模組等）。

個人感想：

我認為在大數據領域中，已經明確劃分三種類型的人才：「數據科學家」、「數據工程師」、「數據分析師」。

實際在業界中，缺乏最多的是「數據分析」這個人才，但很可惜的是學校與業界的需求脫軌，因為「數據分析」的需求場景，其實應該是以「業務需求」來推動，而不是為了有數據而硬去分析，所以這樣的人才應該要最瞭解「業務流程」以及「產業知識」，但我們學校缺乏給到學生這樣的訓練，數據分析若沒有「產業細分化」，是沒有辦法沈澱出有價值的資訊。

建議在大三或是四的時候，可以開始分組：（1）快消品 （2）美妝 （3）保健藥品 （4）互聯網產品運營 （5）新零售運營管理；進行業界的產業合作或是實習等，因為每個產業的品牌，側重點都不同，需要分析的角度也不同。

今年六月我們會開始把業界實戰的相關經驗以及技巧，錄製成線上課程，不排除跟學校合作，進行產學結合。