當下我也反應不過來，他為什麼會有這樣的疑問？回家的路途中，忽然間想起我在爾灣分校進修時，教授說過的一席話：「大數據是一門跨領域的知識，涵蓋了資訊科學、統計演算以及商業實務。」（圖1）
大數據有很多面貌，時下大部分人認為，大數據科學是和資訊科學畫上等號。由於我不是念資訊或資工的，難免有這樣的誤解。
我還記得在進修時，有同學問我：「你好勇敢喔，來念大數據科學！」在我聽起來是：「你是念商的，是不是跑錯地方了？」
沒錯，課堂上的內容的確涵蓋了統計與資訊軟體的應用，但是如果沒有商業實務，那些也只是演算法加工具罷了。
所以，以為電腦專家、統計學家，才能從事大數據，這誤會可真大啊。
因為多年的工作經驗，讓我急於弄清楚：「在企業導入大數據專業，到底誰該來主導或主持這個工作？是電腦工程師、統計專家，還是具備產業知識的經理人？」所以在課堂上，我跟教授請教了這個問題。
記得教授當時說，如果要電腦專家幫你做大數據，他會先開列軟硬體清單，建置一套高深的系統，但卻不知道要分析什麼（這不禁讓我想起，20 年前企業要導入CRM，電腦公司也要企業買一堆硬體設備）。如果要統計專家做大數據，他可能會建立一個演算模組，產出100 張報表，但不確定哪一張才有商業價值！
所以，大數據科學，不是一門獨立的學問，涵蓋資訊、統計與產業這三種知識的交集。這三種專業中，最困難、最耗時的，就是產業知識及實務經驗的養成。這幾乎無法靠課堂學習，只能在工作中，一年年、一步步地累積。
因此，最有價值的大數據人才，就是具有產業經驗、同時具有基礎統計知識、也會使用大數據分析軟體的專業經理人。
回來台灣後，也有些人想投入這個領域，常問我：「Simon，我沒碰過電腦和統計，會不會很難學啊？」
這個問題，其實不難。許多複雜的統計演算法，都已經發展成大數據軟體，像是KNIME、Weka、Power BI、Tableau，還有大家比較熟悉的SPSS、SAS、Statistica、Excel 等。大數據的應用軟體，其實比我們想像的多，而且已經發展很成熟了，你不需要再學寫複雜的程式或統計公式了。
至於統計，最重要的是基本觀念。比如說，你只要知道，迴歸分析的目的，是找出兩個變數之間的相關性，用一個變數來預測另一個事件，根本不需要你寫出公式來證明。
舉例來說，商業上最常使用迴歸分析的時機，就是找出價格與銷售的關係。你一定知道，打折，銷售會增加；漲價，銷售就減少。但是，打幾折，銷售增加最多？漲多少價，能降低成本，銷售又不至於減少太多？這，就要靠大數據分析了。
如果你有零售業的行銷經驗，又有統計知識，就知道可以用銷售資料跑張報表，看看「銷售量」與「價格」之間的變化關係。接著你可能會發現，南部的分店對價格敏感度較高。
這個時候，產業經驗就派上用場了。有經驗的行銷經理，就會在南部市場做降價促銷，北部市場就推出高價值的產品及包裝。
所以，在大數據時代，實務工作者會站在領先起跑點，只要再充實基礎統計與電腦知識，很有機會成為炙手可熱的大數據專家。
當然，企業推動大數據專案，也可以是由資訊專家或統計專家來主導，重點是這類專家也需要具備跨領域的基礎知識，或者與實務領域的經理人密切合作，來瞭解及解決商業的問題。
我曾透過美國的求職網站（indeed.com），做了一個小小的研究，瞭解各類行銷人員，包括直效行銷、數位行銷和大數據行銷等的社會新鮮人，哪一種人才的起薪最高？
答案是大數據行銷，年薪高達6 萬5,000 美元，足足比數位行銷多了3 萬，更是直效行銷的2.2 倍。
總之，想搭上大數據行銷高薪的列車，你不需要變成電腦專家，最重要的是商業實務的養成，也就是在工作上要能深耕自己的專業領域，借助大數據應用軟體工具，你也可以至大數據的領域中採礦了！
品牌筆記
最有價值的大數據人才，就是具有產業經驗、同時具有基礎統計知識，也會使用大數據分析軟體的專業經理人。
書名：大數據預測行銷
作者：高端訓著，陳芳毓採訪整理
出版：時報
時間：2019年7月
