玩 Big Data 之前，先搞懂O2O
自個人電腦普及以來，各行各業都呈現極快速的成長，讓產業進入高資訊化的競爭。這些包括電子商務、社群媒體、超市賣場、連鎖門店、銀行壽險、製造生產等諸多行業，都存放著大量個人資料並匯集進行數據分析。當這些數據被資料科學家透過資料倉儲、資訊整合、巨量分析、商業智慧等方法萃取後，就成為企業商業作戰的策略方針。原本 Big Data 僅是 Google、IBM 等少數網路業者鑽研的技術項目，從這些蛛絲馬跡分析用戶的各項行為模式，但也因近年來攜帶裝置的普及且數據透明化，更拜智慧型手機與 APP 應用的成長，讓更多中小型業者能夠快速獲得資料，而加入這個賽局。
消費者行為分析是諸多營運商最在意的數據之一，過去依年齡、性別、喜好、學歷等特徵來分析 (猜測) 使用者的行為或喜好判斷，是因為無法取得明確的行為模式。而今非昔比，當行為能夠被即時反饋與分析時，就不需再依非行為特徵的方式來進行資訊分析。因此當虛擬與實體兩者互補性持續升高，無論是 OnLine 2 OffLine 或 OffLine 2 OnLine 等 O2O模式，將會循著社群媒體的帶動，進入下一個商務流程。
(數位內容 -> 社群經營 -> 線上或線下商務)
物聯裝置的關鍵 API 與 SDK
Big Data 的海量商機或許讀者略知一二，但如何獲得 Big Data 才是重點。今日資料的取得，講究的是快、多、深、廣。
快 - 立即又快速的資料，Real Time 是商業價值革新的關鍵。
多 - 大量的資料回拋，需要更多的採樣資料來證明。
深 - 精準的資料特性，採樣資料與格式越精準越好。
廣 - 不同的載具提供，讓不同的設備都能進行傳遞。
掌握這四種特性，完成資料取得並即時性的進行分析 (包括人工智慧)，這就是 Big Data 應用的精髓。要滿足快、多、深、廣的要件，並不是透過硬體生產就以為可以掌控這項優勢 (台灣硬體產商多數還這樣認為)。你不可能產出更多導航機硬體來與 Google Map 較勁。Google 的策略先提供 SDK 讓大量的網站與裝置來協助收集資訊，等有這些大量用戶完成快、多、深、廣，自然就能進入 Big Data 的海量資料分析。包括 DropBox、EverNote等服務，都陸續推出SDK讓更多的網站與裝置來一起運作。大數據不止要軟硬整合的思維，更要有開放平台的思維才能完成 Big Data 的海量資料商機。而開放平台在 API 與 SDK 供應占有極重要的關鍵因素。
物聯網的大量資料彙集 Big Data
在流通業運用 Big Data 最著名的例子莫過於美國連鎖零售業商場Target，運用女性消費族群的購買行為，研發出一套精準的「懷孕預測模型」。這個模型會列出25種孕婦最有可能購買的產品，從女性消費者購買資料的改變，計算出她們的懷孕預測分數。善用數據，才有機會預測更多商機。但如果數據採樣有限，必然無法做出精準的分析。未來任何產業，幾乎面臨四流(金流、商流、物流、資訊流)整合平台，每個動作都是一筆記錄資料，靠的更是眾多物聯裝置的配合。如果當你知道現在百貨賣場20歲女性佔了 70%，你就不會廣播電玩促銷。如果你知道下午四點都是60歲以上的老先生，或許按摩椅就是不錯的推薦商品。而這些數據，可能只是幾台門口的監視器裝置，配合人臉辨識技術分析男、女與年齡分佈。一整年下來，就獲得可靠的賣場人流與類型分析數據。
裝置不是決勝點，而是游擊戰
Nike 大幅裁員 FuelBand 團隊，停止可穿戴設備生產。可以明確了解 Nike Fuel 軟體平台的價值要超過硬體本身。也呼應前面所說的開放平台的思維。由於NikeFuel 是 Nike+ 系列 App 和產品的核心，簡單說它就是一個 Nike 自己推出的一個用於計算用戶運動能量消耗的單位，一個可管理用戶所有運動的情況和數據的平台。重點在於 Nike 於 2014年 4 月初將 NikeFuel 平台開放給了第三方開發者（API 與 SDK），讓更廣大的合作夥伴可以加入這樣的開放式平台。
由此可以看出，穿戴裝置硬體成本高，也不是Nike 所擅長。但 Nike 以架構平台與資料中心為思維，與更多第三方硬體單位合作。讓原本的敵對轉變成夥伴關係，更多的硬體製造廠商可以共同加入這平台，完成更多更廣的數據收集。硬體會汰舊換新，要提供保固與服務，要庫存備貨與管理。產品一個不小心滯銷將會產生大量虧損，這不是單靠行銷與通路就可以解決，出現類似狀況往往都是致命的損失。但建構平台不會讓你崩盤，反而可以讓你有與第三方夥伴的依存關鍵。Facebook不用出產任何硬體，但卻掌握全球近15億的有價人口資料，更不用說他開放的API 與 SDK，串聯出更多實質的行為分析與數據。
API 與 SDK 將引爆 Big Data 大戰
大數據 (Big data: a revolution that will transform how we live, work, and think) 作者維多．麥爾荀伯格 (Viktor Mayer-Schönberger)曾說過， Big Data 資料分析，就像是 DNA 定序，最後時間及金錢花費上將大幅減少。透過大量的資料，就能組裝用戶資料中的 RFM 模型，包括最近一次消費 (Recency)、消費頻率 (Frequency)、消費金額 (Monetary)，再透過智慧分析，預測下一次的行為發生可能，提早決策來超越競爭對手，這在 Big Data 是重要的應用。
時序將進入物聯網時代，更多的服務與裝置應該都會推出 API 與 SDK ，讓開發者能夠妥善運用。例如智慧冰箱，可以讓更多 APP 提供服務，甚至掃條碼查詢生產履歷。智慧插座，開發出更多不同節能或家電控管的 APP 服務。了解更多的行為模式，產生更多的服務價值。雖然許多人擔心會不會有資料外洩或個資問題，但這問題早已存在，也是另一項議題。但不會因為如此而減緩人類在數位上的發展，反而勇敢面對讓問題的發生並解決，才能朝更美好的未來前進。相信接下來 Big Data 的大戰，必然不是硬體發動的戰事，而是軟體帶動的革命。
下回，將介紹五個有趣的智慧型手機 APP 外掛應用 SDK。可以讓一些單純的技術，發展出許多有趣的玩法。