兩岸微商網路創業平台

市值全世界第2名的阿里巴巴，旗下諸多服務內含阿里巴巴B2B平台、淘寶網C2C平台、天貓商城B2C平台，還有全國最大的第三方支付平台支付寶等， 而這些服務所發生的資料全歸一個人管，他就是阿里巴巴資料技術及產品部副總裁車品覺。

車品覺以8年打滾於資料界的經驗，以及在阿里巴巴實務套用下發展出「資料10誡」，現已修正到了4.0版本。作為阿里巴巴集團的資料最高領導人，車品覺說，他是忠誠的資料信仰者，喜歡用資料做決策解決問題。

企業要用資料解決問題，首先要執行資料10誡的第一條，清楚定義欲分析解決的問題是什麼？車品覺舉例，現在中國各大都市都竭力發展智慧城市，然而對于城市來講，什麼樣的建設或是套用才能稱為智慧，他說，若果沒有定義智慧城市，那就難以衡量專案的成效，「定義問題是從曉得到不曉得的過程。」

儘管資料科學議題很熱，企業有許多問題都能從資料中找出謎底，但也「不是每個問題都是資料的問題，不是每個問題都是大資料的問題。」車品覺說，要曉得該問題是否能靠資料解決，必需先思考5件事，以明確瞭解需要解決的問題，「這是什麼問題？誰的問題？這問題你來解決嗎？需要現在解決嗎？資料能解決嗎？」當這5個問題的謎底皆為是，那也許就是當下可以靠資料解決的問題。

阿里巴巴大資料心法：資料10誡 4.0版

1. 一切從定義「問題」開始，已知到不明的過程

2. 先假如資料都能取得來思考問題，內含衍生及迴圈思考

3. 讓資料來說明描寫、診斷、預測以及行徑建議

4.「快＋准」的資料能從已知規律中發生價值

5.「廣＋亂」的資料能從發現中推翻已知

6. 大資料不是獨奏，而是不斷連線無處不在的資料

7. 大資料技術就是加速以及累積「資料、分析與服務」的能力

8. 資料生態的連線需要樹立標準與規範

9. 大資料是來自不少小資料的組合

10. 資料是一種信仰！

然而不少企業曉得要解決的問題，卻苦無解決問題的資料，車品覺認為，思考問題解法時，不能把沒有資料當做借口，因為現在可以獲得資料的模式太多了。車品覺舉例，調查研討會的品質可以用最傳統的問卷，也能用科技的法子解決，只要在場內跟場外架設手機探測器掃瞄會眾手機ID，便能記錄會眾進出場內外的狀況，進一步分析演講品質。清楚定義分析的問題，不怕沒資料。

車品覺此外舉了「快的打車」App的例子，他們想解決司機拒載乘客的問題，因而提供了評價的機制，當司機拒載的時候乘客得以反映，而這些評價資料也是在思考想解決的問題後才泛起。所以「只要問題定義好， 需要的資料都存在，思考應該凌駕在資料技術之上，思考法子才是發生價值最主要的一點。」

以多面向歸納資料類型

因而資料並不是不存在，重點在於企業能否周全採集資料，為了更清楚理解資料，歸納不同類型資料能施展長處的時機，他用不同面向剖析資料。

首先，車品覺以能否預料以及意見正反作為X與Y軸，畫出四大象限描寫企業所採集的資料。他舉例，餐廳紀錄客人的餐點，這是採集Expect Positive（預料中的正面）的資料，而Expect Negative（預料中的反面）的例子則是客人沒吃完餐點的紀錄。另一個電子商務例子則是，當有人到周大福買珠寶，記錄了客戶買了哪個商品，這就是Expect Positive的紀錄，而調查客戶看了哪5個商品才買到了想要的戒指，則是Expect Negative，車品覺說，Expect Negative對于機器學習是主要的訓練樣本。

此外，他也依可用性將資料分為「快＋准」以及「廣＋亂」2類。「快＋准」的資料是那些企業能很快速地獲得，或是時常性使用的資料，能從已知的規律中發生價值，能做的改善是加速資料更新的頻率，抑或是加速資料整合的速度，以更快速的做出決策，也許過去須3小時才更新資料，改良後指望能進步到即時。他認為，「快＋准」的資料要思考的議題是「有無、準不準、細不細、全不全、穩不穩以及快不快。」

相對於於「快＋准」則是「廣＋亂」，「廣＋亂」的資料就是當今稱作大資料的類型，來源廣泛且格式多元￥，特性是能從發現中推翻已知，車品覺認為，從「廣＋亂」的資料中，才能發現意料以外的事情，因而從這些資料提煉出來的資訊也對比有顯明價值。

能有意料以外的發現，恰是資料的價值，品覺認為，大部份人思考法子是演繹法形式，從已知推論不詳，然而應用大資料技術可以逆轉這個程式。他以行銷作為例子，過去一項產品的行銷，企業會主動設定目的人群，譬如是三十幾歲的女性等，針對於這群人投放廣告，然而現在的法子，可以透過歷史的銷售資料，找出購買行為的特徵，逆向圈出目的人群。

車品覺也歷時間維度分析資料特性，不同週期的資料所提供的價值也不同樣，以天為週期的資料可以描寫狀況，而1周需要曉得的則是，上禮拜做的決策是正確仍然是過錯的，1個月就必需瞭解競爭對於手的策略與狀況，1季就需要反省組織是否達到設定的KPI。

資料從分析到套用，品質請求大不同

阿里巴巴使用資料最大的分水嶺在於「從看到用」，從資料用來分析現象，到用於節制全自動化的裝置上。車品覺分享前些日子所做的工作，恰是以自動化無人機器取代一整個既有的部門，他說，在那個時候他領悟到，資料的目的直接影響對於資料品質的請求，因為用於分析察看仍然是實際使用，需要的資料屬於不等同級。

他提到，像是無人機器的動作節制，需要多個繁雜模型互動作用，而安定且足量的資料來源是必要前提，在他們找出實際可用資料的過程，發現有不少資料的基本功沒紮穩，像是資料須達高可用性等項目，需要一塊一塊的補上。

而當企業達到沒有資料就無法提供服務的狀況，就如同無人機器沒有足夠的資料就無法運作，車品覺認為，「此時企業就走在對於的道路上」。也因為資料的主要性晉陞，企業看待資料中止應該要等同於IT系統過錯同樣的嚴重，一旦資料犯錯就必需有人負責。

不只是無人機器的節制需要有很完整的資料，在不少情境下，當沒有完整的資料描寫事件發生的細節，企業往往會把事件緣故歸於運氣。在零售業中，顧客的購物願望可能起始於朋友舉薦，經由了商品搜查以及品牌官網採集資訊，顧客逛了電子商務網站，最後卻在大賣場購買，這樣的過程也許看似大賣場對比幸運最後勝利銷售商品給這位顧客，但並不然，過程中有許多企業應該要曉得的資料。像是顧客信用卡的還款時間，因為要繳交信用卡的費用感到肉痛，因而購物願望降低，此時要顧客消費是難題重重，這儘管只是一項小資料，卻也是整個顧客購物鏈很主要的一環，車品覺認為，企業應該檢視所採集的資料是否完整，因為企業忽略顧客的資料，有時候對於結果影響很大。

車品覺直言「大資料是一種能力，企業要有愛因斯坦的大腦以及健壯的身體」，大資料能力組成的因素有思維、血液以及骨骼，思維就是資料運算邏輯或模型等，血液則是企業的資料，而骨骼便是最基礎的硬體裝置。兩岸商貿,在家工作,網路創業,創業賺錢思惟,微商平台,賺新台幣

車品覺說，從以前必需求老闆看看他做的資料，到現在老闆會抉剔他籌備的資料沒有用，他認為，這是企業應用資料進化的結果，他發現美國許多企業不只擁有資料科學家，甚至還多了決策科學家，負責用資料替公司確定決策。