他山之石 可供台灣企業借鏡學習
- DIGITIMES企劃
-
探究各路英雄好漢，之所以對巨量資料興緻勃勃，乃在於透過相關分析技術，足以讓企業藉此培養差異化競爭力，繼而在商業世界中嶄露頭角。
難免有人質疑，巨量資料分析，真的這麼神？有些企業經年累月下來，早已對資料倉儲、OLAP、Reporting、資料探勘等BI系統投入甚深，應用情況也愈趨成熟，單憑這些能量，還不足以獲致成功？非得針對巨量資料另起爐灶不可？
事實上，乍聽之下，上述的質疑相當合情合理，但他們忽略了一個最根本的關鍵，因為企業過去所推動的BI應用，皆奠基於結構式資料之上，透過這些資料，充其量僅能知悉「客戶曾經做過什麼」，而不知道「客戶為什麼要這麼做」，然而借助巨量資料模型與分析技術，企業不僅可以探知後項問題的解答，還可針對其他客戶一併分析，理解「其他客戶為何不這麼做」，甚至進一步挖掘「既然不這麼做，那麼他們的需求與想法是什麼」。
當企業運用巨量資料瞭解這一堆問題的解答，其結果就是「看清客戶的全貌」，一旦看穿了這個全貌，即能如魚得水地為客戶做有效且細緻的市場區隔，從而施展正中紅心的行銷策略，一方面得以不再漫天灑網、浪費子彈，二方面又可一擊中的，如願提高商品成交機率，一來一往之間，發展結果真的天差地遠。
當然，聽了這麼多，企業即使點頭稱是，但心中疑惑可能還未完全消散，因為上述種種美好憧憬，怎知不是供應商為了賣產品，所編造杜撰的故事情境？現實世界中，真的有其他企業因為善用巨量資料而獲益匪淺？
自然是有的，而且還不少，只不過都發生在海外，特別是北美地區。然而成功案例不論發生在歐美或亞洲，畢竟他山之石，都可供作借鏡與學習典範，依然值得企業加以參考。
發現新財路 SKF徹底大轉彎
2012年底由經濟部技術主辦的「前進2013智慧產業 x Big Data國際高峰暨新秀論壇」，邀請政務委員張善政蒞臨演說，而他在演說過程中，也向聽眾分享一個有關巨量資料創新商業模式的個案。
位於瑞典的SKF公司，是一家老牌的球承製造商，原本經營情況尚稱平穩，然隨著東南亞、大陸等同業紛紛崛起，導致搶單競爭情況加劇，且肇因於北歐地區人工薪資高於亞洲甚多，使SKF營運成本居高不下，因而讓價格競爭力轉趨疲弱，終至造成訂單流失，營運績效下滑。
為了扭轉劣勢，SKF初步的想法是，趕緊著手精進製程及產品品質，期望藉此填補其他方面的負面因素；於是該公司在製造設備上裝載了大量感測器，藉此蒐集有關震動、噪音等數據，此後意外發現，其實在設備即將面臨故障前夕，總是會出現一些共通癥兆，並非突如其來。
SKF「如獲至寶」，為此研發出一套可以預測系統可靠度的模型，然後再經由持續不斷累積的經驗予以修正加值，最終將此模型進化為一套智慧管理的解決方案。
由於球承製造商面臨的難題，基本上大同小異，SKF遇得到，競爭對手也一樣遇得到，遂激發SKF一個饒富創新的想法，何不運用這套解決方案提供服務，協助同業解決生產設備的可靠度問題，據此增闢新的收入來源？結果東南亞、大陸等地的競爭對手，對此服務可說反應熱絡，使SKF承接因而大量訂單，最後索性結束原本備極艱辛的產品製造業務，徹底轉型成為高值化服務的供應商，向原來的同業提供製造最佳化建議及預警服務。
為何SKF肯放棄多年基業，大膽轉型為服務供應商？原因無他，即是基於利潤考量。因為其所推出的服務，純粹是透過網路來提供，不管客戶遠在天邊、近在海角，SKF完全無須指派人員駐廠服務，更不需要在客戶生產基地所在位置設立服務據點，所以成本負擔不大、利潤空間卻十分可觀，也因而樹立了難能可貴的「製造業智慧化」典範。
其實，SKF的轉型過程絕非一蹴可幾，有著一些必經的歷程，首先是抽象知識的「具體化」與「流程化」，意即把原本存在於老師傅腦袋的智慧，一一提煉出來，逐步轉化為系統化知識；其次，建立了服務能量還不夠，該公司接著積極擬定營運模式，最終決定捨棄到府駐點的服務型態，而是藉由資訊系統的程序化與自動化助力，經由網路將服務複製到每一位用戶。
回顧SKF這段智慧化轉型之路，前前後後足足琢磨20年之久；反觀台灣製造業，現今處在一個更趨成熟發達的資訊應用環境，不僅巨量資料分析技術更見強大，且還可借助雲端運算、行動化等趨勢浪潮，更有效率地傳遞其智慧化服務，因此只要有好的創意、好的商業模式，轉型歷程何需20年？可望利用3~5年、2~3年甚至更短的時間，就能水到渠成、歡喜收割。
各行各業 都可望因巨量資料而受惠
除了前述的製造業轉型之例，其實不管是娛樂、金融乃至於公用事業，都不乏運用巨量資料分析而創造利基的參考案例。
紐約證券交易所(New York Stock Exchange；NYSE)立基於巨量資料分析與雲端運算技術，歷時18個月打造了全球資金市場首見的社群雲平台，成功將全球資金市場串聯在一起，打造出高達24萬億(Trillion)的驚人資金規模，比起美國一年約14.7萬億美元的GDP還來得大。
緊接著，NYSE運用這朵社群雲，結合巨量資料技術，逐步實現資金部位管理策略及報價資訊整合、交易趨勢分析與交易模式預測，因而推出諸多新興服務，譬如MarketData Warehouse as a Service、隨需監管服務(On-Demand Regulatory Services)、隨需地理交易記錄保存服務(On-Demand Geographical Transaction Recording Service)…等等，從而擴增收益來源，終至達到營收翻倍成長的目標。
迪士尼透過累計了長達10年的氣候、電影票房數據等大量資料，繼而搭配巨量資料模型與分析技術，終於找出天氣與票房銷售數據的關聯性，得知假使連續幾日下雨，確實會衝擊票房收入，然而如果選擇在連續天候不佳的第3天，集中火力對顧客發放折價券，最能吸引觀眾進場消費；當得知這個結論後，該公司爾後便在對的時機、推出對的折價策略，此舉果真中正紅心，屢屢締造票房長紅的績效。
提供智慧電網服務的Silver Spring Networks，則藉由巨量資料技術，從數以百萬計的智慧電表蒐集大量數據並加以分析，得以精準預測用電量的發展趨勢、進行潛在的停電預測，並成功杜絕盜用電力的情事，從而有效提升用電效率，並搭配富含彈性的尖離峰計價模型，帶動營運績效的上揚。
總括而論，來自海外的巨量資料應用案例甚多，在在值得台灣企業加以參酌，並汲取寶貴經驗，不失為縮短成功路徑的可行途徑。
