事實上採用大數據分析，得到良好結果的案例非但不是沒有，事實上相當不少。
案例1：Tesco PLC（特易購）和運營效率。這家超市連鎖在其數據倉庫中收集了700萬部冰箱的數據。通過對這些數據的分析，進行更全面的監控並進行主動的維修以降低整體能耗。（當然這家公司後期也因找錯方向導致一次可怕的失敗，有機會再跟大家補充）
案例2： 沃爾瑪的搜索。這家零售業寡頭為其網站Walmart.com自行設計了最新的搜尋引擎Polaris，利用語義數據進行文本分析、機器學習和同義詞挖掘等。根據沃爾瑪的說法，語義搜索技術的運用使得在線購物的完成率提升了10%到15%。
（對沃爾瑪來說，這就意味著數十億美元的金額。）
案例3： 全球零售業巨頭沃爾瑪啤酒+尿布。全球零售業巨頭沃爾瑪在對消費者購物行為分析時發現，男性顧客在購買嬰兒尿片時，常常會順便搭配幾瓶啤酒來犒勞自己，於是嘗試推出了將啤酒和尿布擺在一起的促銷手段。沒想到這個舉措居然使尿布和啤酒的銷量都大幅增加了。
（如今，「啤酒+尿布」的數據分析成果早已成了大數據技術應用的經典案例）
案例4： 印度Satyamev jayate電視節目。該節目整理並分析社會民眾關於爭議話題的各種意見，包括女性墮胎、種姓歧視和虐待兒童等社會熱點問題，並使用這些數據來推進政治改革。
案例5： PredPol Inc.。PredPol公司通過與洛杉磯和聖克魯斯的警方以及一群研究人員合作，基於地震預測算法的變體和犯罪數據來預測犯罪發生的幾率，可以精確到500平方英尺的範圍內。在洛杉磯運用該算法的地區，盜竊罪和暴力犯罪分布下降了33%和21%。
以上的成功案例僅僅只是少數幾項，透過運用大數據分析成功的企業或是展望確實不斷產生，但身為相關從業人員、研究者以及趨勢觀察者，我們卻持續不斷地在各種會議場合、研究文獻以及網路平台上宣稱：不要陷入大數據危機。
主要的問題在於人們一窩蜂地崇拜著Big Data，彷彿眼中只能見到它的美麗，卻忽略了我們曾經提過的「倖存者偏差理論」，還有我們之前舉過的失敗案例。
我們必須正視Big Data的哀愁。
通常你想在網路上檢索大數據的失敗案例，會發現為數不多，甚至10篇文章中，至少有9.5篇舉的都是GFT的案例，這下子你想，原來只是嚇唬我們。
別忘記，有太多失敗的案例連端上檯面的機會都沒有，就悄悄被公司當作一段黑歷史掩蓋過去，這就是為什麼我們多數只能看見成功案例卻始終聽見處處警告。
接下來的幾個關鍵字請你先熟記：
選擇錯誤的數據、問了不正確的問題、缺乏必要的技能、無法預料的問題、大數據孤島、惰性與迴避。
以上就是大數據分析的哀愁，下一回，我們會針對這幾個關鍵字來進行探討。
沒有留言:
張貼留言