獲利模式圖的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列懶人包和總整理

黑天鵝經營學：顛覆常識，破解商業世界的異常成功個案

為了解決獲利模式圖的問題，作者井上達彥 這樣論述：

面對隨機萬變的未知，一切都有可能發生，請做好萬全的準備。當遇到「千金難買早知道」的黑天鵝事件時，人們究竟應該如何思考和因應，才能不再怨嘆「萬般無奈想不到」？　　在講求通則和常規的商業世界，發生無法預測的隨機事件時，人們往往說：「那只是例外。」卻忽略其實早已有跡可循。　　「以為不可能的事情卻發生了」，這些發生機率低的事件往往造成極為嚴重的影響，不僅打破常識，也完全顛覆由數字或大數據（big data）歸納的結論，成為人們口中的「黑天鵝」。然而，人們究竟能從中學到什麼？　　本書從質化資料分析（qualitative data analysis）著手，作者井上達彥從美國管理學會（AOM，Academ

y of Management）發行的學術刊物《美國管理學會期刊》（AMJ，Academy of Management Journal），精選五則以質化分析進行的個案研究（case study），並且獲得「年度最佳論文獎」的案例，探究商業世界裡「黑天鵝事件」的成因、發生過程以及啟示。　　本書案例包括：好萊塢製片人如何判斷眼前的編劇能夠寫出賣座的劇本；購併的買賣雙方為什麼互不信任，以及紙本媒體如何成功轉型等。　　這些個案研究，不僅有助於我們應用在選才用人、制定策略和組織變革等領域，也能從中類推各種現象之間的因果和脈絡，以及從訪談、觀察與分析中進行比對與推論，或是從資料與訪談中找出結論。　　透過前

例極少的異常和例外個案，幫助人們學習面對隨機萬變的未知事件時如何思考，進而掌握「事出必有因」的背景，磨練面對未知事件的敏感度，就是「黑天鵝」給人們最珍貴的啟發。★本書為《深度思考的力量》改版★ 作者簡介井上達彥（Tatsuhiko INOUE）　　現任早稻田大學商學院教授。1997年神戶大學經營學研究所管理學博士。曾任廣島大學社會人研究所管理學專業助理教授、早稻田大學商學院助理教授（兼任商學研究所夜間MBA課程），自2008年起擔任現職。　　2011年9月至2013年8月兼任獨立行政法人經濟產業研究所教職研究員；2012年4月至2014年3月兼任賓州大學華頓商學院（Wharton Schoo

l of the University of Pennsylvania）資深研究員。曾經榮獲2003年日本經營資訊學會論文獎，專業領域為競爭策略與商業系統（商業模式）。　　作品包括：　　著作：《創新第一課：模仿》（繁體中文版由臉譜出版）、《資訊技術與事業系統的進化》（暫譯，原書名『情報技術と事業システムの進化』，白桃書房）。　　合著：《從職涯看經營組織》（暫譯，原書名『キャリアで語る経営組織』）、《事業系統策略：事業結構與競爭優勢》（暫譯，原書名『事業システム戦略：事業の仕組みと競争優位』，有斐閣）。相關著作:《深度思考的力量：從個案研究探索全新的未知事物》譯者簡介梁世英　日本一橋大學商學研究

所碩士，專長財務金融，目前為專職日文譯者。譯作包括《學會圖解的第一本書》《策略思考》《想像的力量》《Facilitation引導學》《如何設計市場機制》《Big Data大數據的獲利模式》（合譯）（以上均由經濟新潮社出版）等。相關著作:《Big Data大數據的獲利模式：圖解‧案例‧策略‧實戰》《Facilitation引導學：創造場域、高效溝通、討論架構化、形成共識，21世紀最重要的專業能力！》《主管厚黑學：在情與理的灰色地帶，練好務實領導力》《如何設計市場機制？——從學生選校、相親配對、拍賣競標，了解最新的實用經濟學》《學會圖解的第一本書：整理思緒、解決問題的20堂課》《小主管出頭天：30

歲起一定要學會的無情決斷力》《想像的力量——心智、語言、情感，解開「人」的祕密》《深度思考的力量：從個案研究探索全新的未知事物》《策略思考：建立自我獨特的insight，讓你發現前所未見的策略模式》《這樣圖解就對了！培養理解力、企畫力、傳達力的20堂圖解課》《鍛鍊你的策略腦：想要出奇制勝，你需要的其實是insight》 【推薦序】一窺個案研究方法的奧秘／國立政治大學講座教授司徒達賢前言第一章　為什麼有人堅信「飛碟降臨地球」？　以個案研究找出因果關係　什麼是個案　個案研究的發想　個案研究與量化研究的差異　認知失調理論　黑天鵝的存在　個案研究的優點　棉花糖實驗　個案研究的三大力量

　　1.活化人類智慧的脈絡力：思考力與觀察力搭配應用的能力　　2.處理複雜現象的邏輯力：解開因果關係的能力　　3.藉由類推去開拓未來的類推力：即使前例不多也能推導有效假設的能力第二章　衰敗教會的例外重生　顛覆通論的單一個案　單一個案的價值　　先鋒個案／代表個案／異常個案／原型個案　《美國管理學會期刊》二○○七年最佳論文獎得奬論文　做為個案研究對象的故事　該研究的主張與貢獻　造成變化增幅的脈絡　造成變化增幅的行為　由異常導出的含意　立足學術巔峰的研究風格　避免菁英偏誤與回顧偏誤　歸因順序　【個案研究重點整理】第三章　報社轉型決策的扭曲現象　面臨威脅的慣性法則　二個實驗　　1.實驗室實驗法　　2.

自然實驗法　重複實驗的邏輯　《美國管理學會期刊》二○○五年最佳論文獎得奬論文　受威脅而改變的資源分配變化　不受威脅而改變的獲利慣性　方向錯誤卻繼續前進　受威脅與扭曲現象　洞察自例外個案的扭曲消除法　外部意見的重要性　宛如做實驗般的個案研究　立足學術巔峰的研究風格　【個案研究重點整理】第四章　好萊塢創意買家如何判定創意賣家（編劇）的潛力　無意間判斷對方的雙重歷程　《美國管理學會期刊》二○○三年最佳論文獎得奬論文　二元評價模型　判斷創意潛力　第一個判斷過程：人物分類（人格特質的原型）　創意賣家的七種原型　　藝術家／說書人／運籌者／新鮮人／老練工人／交易商／不適任作家　第二個判斷過程：關係分類（互動

模式的原型）　對等且互惠的關係　單向指導的關係　立足學術巔峰的研究風格　【個案研究重點整理】第五章　優異的醫療革新不普及的原因　專家之間的無形障礙　一致法　差異法　《美國管理學會期刊》二○○五年最佳論文獎得奬論文　二階段的調查過程　第一階段的調查　第二階段的調查（之一）　廣為普及的極端個案　尚未普及的極端個案　比較分析狀況相左的個案　第二階段的調查（之二）　立足學術巔峰的研究風格　防止研究失焦的問題意識　【個案研究重點整理】第六章　新創企業購併案的背叛　買賣雙方之間的信任不對稱　《美國管理學會期刊》二○○九年最佳論文獎得奬論文　導向不幸結局的購併五個階段　　1.篩選階段　　2.社交階段　　3.

原則合意階段　　4.準備合約階段　　5.執行階段　信任不對稱造成的二種欺瞞　　1.談判欺瞞　　2.重大欺瞞　立足學術巔峰的研究風格　　1.源自單方觀點的偏誤　　2.回顧的偏誤　　3.源自誘導詢問的偏誤　【個案研究重點整理】第七章　有助於商業實務的個案研究　堅持與割捨的選擇　應該堅持：學術調查與實務調查的共通部分　　1.即使是單一個案，針對分析下工夫，也能導出充分的啟發　　2.做好調查設計，嘗試驗證假設　　3.貼近現場，可獲得意料之外的「發現」　　4.基於比較分析的極限進行追加分析，提高假設的精確度　　5.追蹤調查對象，解開因果機制　割捨掉也無妨的部分：學術調查與實務調查的差異　　1.探索真理還

是當成輔助判斷依據　　2.追求正確還是速度　　3.累積於組織內部還是追求個人的發現　　4.可普遍適用的抽象命題還是只適用於企業內部的具體綱領　連學會都相形失色的公文式教學（KUMON）運作模式　支撐起KUMON共同體理論的共通語言結語致謝延伸閱讀圖表索引     ◎【推薦序】一窺個案研究方法的奧秘文／司徒達賢本書作者井上達彥教授在本書中，藉著解析一系列高水準的學術論文，為讀者介紹在質性研究方法中極為重要的「個案研究方法」（case study）之內涵、價值、思維方式與進行研究的程序。這些做為範例的學術論文，都是《美國管理學會期刊》（AMJ，Academy of Managem

ent Journal），歷年來以個案研究方法進行且被選為最佳論文的作品，極具代表性與啟發性。在本書作者設計之下，每一篇分別介紹若干項個案研究方法的重要觀念，並由淺入深地逐篇解說此一研究方法在運作上的技巧與各種獲致結論的推論過程。本書所談的個案研究方法與商管學院中使用的「個案教學法」（case method）並不相同，個案研究方法是藉由深入分析實際現象找出過去未知的影響因素或因果關係；個案教學法則是利用現成的個案教材，在教師持續引導與啟發下，以培養學生「聽說讀想」，以及活學活用現有知識的能力。兩者不同卻有關聯，其間關係將在本文最後進一步說明。學術研究：量化與質性許多學術領域中，學術研究的目的

是在「尋找真理」。我個人認為在社會科學或至少在「企業管理」領域中，學術研究的目的未必需要如此崇高，從事研究的主要目的應該是希望充實我們解決實際問題的實用知識，包括與經營管理有關的各種人與事運作的道理、各種現象之間的因果關係、影響因素，以及影響各種因果關係方向與強度背後的原因。在企業管理領域中（其他社會科學也應該差不多），研究方法大致可分為量化研究與質性研究。在論文發表數量方面，量化研究肯定是主流。量化研究主要是以問卷調查、資料庫，甚至大數據為基礎，利用高深的數理統計方法來尋找變項與變項之間在統計上的關聯，並進而推論各種現象之間互動關係的「通則」。掌握大量數據資料且有能力運用高深的統計方法，是進

行高水準量化研究的先決條件。量化研究有相對標準化的研究程序，完全「根據資料講話」，只要新增的變項合理且有若干統計上的解釋力，在學術期刊或學位考試的評審過程中就不易遭受太多挑剔，因此大部分學者自然比較偏好量化研究。質性研究方法繁多，每一種方法的進行程序也未必標準化。歷史研究、文獻研究、現場觀察（如觀察消費行為或員工互動）都屬於質性研究。本書所介紹的個案研究方法，當然也是其中十分重要的一項。在個案研究方法中，所謂個案是指在某些特定歷史個體或組織中發生的現象，研究者從多重個案的訪談、觀察與分析中進行比對與推論，有時也可以僅分析單一個案資料來獲致結論。個案研究方法目的不在尋找「通則」，而主要是在研究「

例外」。亦即是有些現象在常識中似乎不可能發生，但卻發生了，表示極可能存在著造成此一差異更深層的原因，這些因為「稀有」而值得深入研究的現象，本書作者稱之為黑天鵝現象，也是本書原文書名的由來（編按：本書日文原名『ブラックスワンの経営学』直譯為《黑天鵝管理學》）。個案研究方法經由訪問與觀察事件發生的過程，尋找產生此一例外結果，或造成差異的潛藏原因。由於此一潛藏原因通常並不存在於我們的常識或現有學理中，因此通常並未列在量化研究的問卷題目裡。易言之，無論樣本再大、抽樣方法再嚴謹、統計技巧再複雜，量化研究也不容易發現這些過去從未料到的影響因素。企管學理上的創新見解，主要都是來自質性研究的結果，應是意料中事

。簡言之，量化研究探討的是「誰（who）」「何時（when）」「何處（where）」，以及它們之間統計關聯性的緊密程度；而個案研究則聚焦於「為何（why）」與「如何（how）」，因此更有可能出現具有創意的洞見（insight）。在帶領學術思想進步的過程中，個案研究方法的貢獻未必低於量化研究，但由於研究活動的重心在「運用創意的思考」，因此常被視為嚴謹性與客觀性不足，即使觀點創新，其相對受到的重視卻遠不如量化研究，因此本書作者將個案研究方法形容為「悲劇主角」，實在也是有感而發。個案研究方法本書開宗明義即指出了運用個案研究方法時，需要擁有的幾項統計學式研究未必需要具備的能力，包括：「活化人類智慧的思

考力與觀察力」「處理複雜現象與解開因果關係的邏輯力」「即使前例不多，也能提出有效假設、想像未來的類推力」等。█觀察力與邏輯力例如有一項假設是「企業合併後的管理措施會影響合併後的經營績效」，最單純的量化研究方法即是依學理或初步觀察結果設計問卷，並以問卷搜集許多企業合併案的「管理措施」，再加上財務報表上的績效指標，即可進行統計分析驗證此一假設，如果樣本夠大，還可以驗證在不同情境下（例如合併雙方的相對規模或過去績效），此一假設被接受程度的高低。如果運用個案研究方法，做法即完全不同。研究者會認為在「管理措施」與「財務績效」之間，應該存在著一連串更細緻、更複雜的因果關係，因此需要針對少數具有代表性的企業

合併案進行深入的個案研究，包括訪問許多相關人士及閱讀許多書面資料在內。在探索這一連串的因果關係時，研究者必須從訪談過程中，隨時注意那些可能影響這些因果關係的細部環節，並從對話中找出值得進一步追問的事實背景，以了解潛在因果關係的存在、作用以及形成影響的方式。能發現這些即是「觀察力」的表現。研究者個人的學理背景有助於觀察與訪談的深度，但又不能受到自己過去的觀念所局限，窄化了觀察或訪談的視野，此一拿捏是不容易的。訪談過程中，「持續提問」則表現出研究者的「邏輯力」。「依據現有觀察結果形成有待驗證的假設」是大部分研究過程中的一項核心做法，而在個案研究方法中，除了澄清對方所談內容之外，有相當大比率是針對前

一階段（可能只是幾分鐘以前）訪談結果所形成的「初步假設」，進行驗證的工作。換言之，個案研究方法若欲進行得有效率、能持續提出問出擊中要點的問題，研究者就必須能夠分分秒秒在腦中進行「形成初步假設」「設法找出驗證假設所需要的關鍵資訊」、「依據新獲得的資訊修正或推翻初步假設」的心智過程。個案研究的品質，與此一心智過程中所展現的邏輯力肯定息息相關。█提出有效假設與建構理論在訪談中雖然可以隨時形成初步假設並設法驗證，但這些和最後的研究結論還有一大段距離。因為單一資訊來源未必可靠，需要有多元觀點的確認；具敏感性的議題需要多方查證；有些不易言傳的因素必須現場觀察；訪問錄音轉成逐字稿以後經過再三審閱還能找到更多

可能的假設，以及值得進一步探討與請教的問題。歸納出有說服力的初步結論以後，還需要找到更多的個案來比對，例如尋找脈絡背景相同的個案，看看這些結論或道理是否也成立；若脈絡背景相同，前一個案所獲致的結論或道理卻未出現，則應進一步找出造成這些差異的更深層原因。以上的心智過程其實與實務界的問題分析十分接近。但在學術研究上還需要更進一步嘗試進行「理論建構」的工作。簡言之，理論建構即是將所發現的道理、因果關係及影響因素等，再加以抽象化與概念化，使其成為可以更廣泛應用的「通則」。本書中所提到的「認知失調」「自制力」「組織慣性」「慣性弛緩」「慣性強化」與「資源僵固性」等，都是經由個案研究方法獲致的觀念。並由於它

們的「通則化」與「概念化」，使其可以廣泛地應用在許多問題的理解與分析上，深化大家對許多現象的認識，也讓學術研究得以對實務產生更為具體的貢獻。直至如今，不少人還誤認為「個案研究方法」只是在介紹或報導實務界發生的一些有趣且具有啟發性的故事，因而十分在乎「真名發表」以滿足讀者了解更多「真相」的欲望。事實上個案研究方法重視的是經由深入觀察與嚴謹的邏輯推演，獲得超越常識的「道理」「觀念」或「因果關係」。美國管理學會的個案研究，原則上都是匿名處理，也不是在講述引人入勝的故事，因為其目的不在讓讀者了解更多的「資訊」或「內情」，而是希望從具體現象中進行邏輯推演而建構新的管理觀念與理論。對實務的含意本書作者認為

，「思考」是個案研究方法的核心概念，我十分同意此一主張，而且從前文對「觀察力」「邏輯力」「提出假設」與「建構理論」這些內隱的能力與心智流程來看，個案研究方法對「想」的運用程度應比其他研究方法高得多，也密集得多。思考的訓練對學者、經營者或任何人都有其必要性。有了這方面的訓練，就比較容易針對問題，提出有意義的疑問，甚至問幾句就能形成有合理的假設，以供進一步的驗證。有些提問者可以持續提出有意義而且「搔到癢處」的關鍵問題，有些人的提問則十分發散，提問的用意也很難捉摸，其間差別肯定與這些思考能力有關。對實務界人士，雖然不必親自從事學術研究，但如果能熟悉個案研究方法的推理過程或這些管理觀念的產生過程，也會

產生很大的幫助。事實上高水準的實務界人士，經常能夠從行動中驗證做法的合理性；針對行動結果，產生疑惑，從疑惑中構思假設，再從行動或調查中找到問題的原因與現階段的解答。換言之，即是可以從自己或別人的決策及結果中觀察、分析原因，並不斷進行實驗，這些與個案研究方的研究過程與所需要的能力都極為接近。個案研究方法能力的培養█博士教育學者基礎知能的養成主要在博士教育。如果博士生將來準備從事以個案研究方法來進行的學術研究，在博士班時最好能夠廣讀經典，並熟悉運用個案研究方法來進行的學術文獻，以培養深度的思考力與多元觀照的能力。在進行專案研究或論文寫作階段，則需要在教師指導下經由實務訪問與觀察來訓練其觀察力、邏輯

力，以及從複雜現象與資訊中整理歸納出假設的能力。若有可能，也應讓他們試著從複雜的資料與現象中，「想出個道理」，做為未來理論建構能力的基礎。如果博士生將來準備從事量化的學術研究，則應強化其數理統計方面的素養，並專注於某一特定主題的研究趨勢，甚至投入時間建立自己專屬的資料庫。這兩種博士的培訓方式是極為不同的。有些年輕人才氣過人，可以同時兼顧兩種不同知能的培養，當然不在此限。有些學者年輕時十分善用量化研究的方法，當其人生閱歷到達某一階段以後，再來從事質性的個案研究，也是十分合理的演進。　　█從個案教學中學習除了多參與或進行研究以累積經驗之外，在個案教學中以學生的角色學習，或以教師的身份主持個案討論，

都是有助於提升以個案研究方法來進行學術研究的途徑，而且在訓練思考或提問、整合資料等方面，可能比真實的實地研究更合乎成本效益，其理由可以簡單歸納如下。個案教學時使用的個案教材呈現出許多與實務十分接近的複雜現象。基於對個案教材熟悉，教師可以在上課時以抽絲剝繭的方式引導學生進行資料與現象的解讀、經由連結分散在各個段落的資料來進行推論與驗證，甚至從同學們多元而片斷的觀點中整合出對事實全貌的了解。這些對學生的「觀察力」「邏輯思考力」「形成觀點或形成假設的能力」，都會產生極為正面的強大作用。而做為主持個案討論的教師，這些能力也可以在主持過程中持續進步。因此，「做為個案討論的學生」「主持個案討論」「撰寫有深

度的教學用個案」，以及「以個案研究方法進行高品質的質性研究」幾件事之間，是密切關聯而且相輔相成的。（本文作者為國立政治大學講座教授） 好萊塢如何找到編劇人才？以影視產業聞名於世的好萊塢，創意買家（製片人、電影公司高階主管、影視作品出資者等）如何找到創意賣家（編劇）？他們以什麼樣的思考流程，判斷尚未成名的編劇具有創意潛力？接下來，為各位讀者介紹的個案是透過實地研究（field study），分析好萊塢如何找到尚未成名的編劇人才。加州大學戴維斯分校副教授金柏莉．艾爾斯巴（Kimberly D. Elsbach）與史丹佛大學教授羅德瑞克．克瑞默（Roderick M. Kramer），把目光聚焦於

一個舉世公認「發掘充滿創意的人才」的業界，也就是好萊塢。好萊塢有個讓編劇自我推銷創意的宣傳會（pitch meeting，字面意思是「投球」會議）（編按：未成名編劇向電影投資者自薦的會議。 pitch meeting 在不同的業界譯法不同，像是在新聞界稱為選題會、演藝界為試鏡會等）。擔任「投手」的編劇，在宣傳會中，向等同「捕手」的製片人或電影公司高階主管「投出」自己的創意。由於幾乎所有投手都是尚未有任何實績的無名之輩，因此負責接球的捕手，只能透過面談過程判斷投手的創造潛力。由於劇本也會影響製作費，所以那個判斷至關緊要。艾爾斯巴與克瑞默近距離觀察實際會議並且進行訪談，研究實際上影視作品的出資者（

捕手）如何判斷未成名編劇（投手）的創意。美國管理學會對他們的研究給予極高度評價，頒給了最佳論文獎，評語是：「艾爾斯巴與克瑞默的定性實地研究，讓專家們用來判斷編劇創意的原型（prototype）浮上檯面。作者們以深入的見識細心設計研究，提出了足以觸發思考的結果。」這篇評語雖然短，但內容包含了二個重要的關鍵字。第一個關鍵字是「實地研究」。以往關於創意的研究，幾乎都是在實驗室以學生為對象進行。出示藝術家臉部照片、請實驗對象說出符合該人士的形容詞（像是「熱情」或「與眾不同」等），用這種方式調查人們判斷創意的認知架構（recognition framework）。艾爾斯巴與克瑞默則透過宣傳會的背景脈絡，

確認出實驗中發現的事象是否也符合現實世界。另一個關鍵字是「原型」（prototype）。

獲利模式圖進入發燒排行的影片

女性保養品品牌的大數據網路輿情分析

為了解決獲利模式圖的問題，作者陳圓美 這樣論述：

隨著新媒體蓬勃發展，網紅業配以及明星代言，引領著流行趨勢。除此之外，美妝博主也會透過社群網路平台，例如：Facebook、Youtube以及Instagram等，分享保養的方式。消費者可以透過隨手可得的行動裝置輕易取得資訊，直接接觸到相關資訊，導致消費者對於自身皮膚的保養意識覺醒。保養品涵括了化妝水、精華液、面膜、眼部精華、眼霜、乳液和防曬等等。疫情期間，大部分民眾若非必要基本上都足不出戶。若民眾不得已需要出門，基於防疫需求，需要配戴口罩。民眾的臉蛋長期被悶住，容易產生皮膚敏感、乾燥、粉刺爆增等狀況。因此針對粉刺肌、痘痘肌調理的保養品變得更搶手。因為疫情，民眾沒辦法像以往一樣，往返醫美診所進

行臉部保養，因此杏仁酸、淡斑精華等類醫美的產品變得熱門。本研究會以保養品品牌的母公司作為研究對象，根據台灣化妝品使用心得暨排行榜綜合網站(COSME)的保養品牌排行榜前十名，整理出排行榜中排行前三的品牌為雅詩蘭黛(ESTEE LAUDER)、資生堂(SHISEIDO)以及LOREAL（歐萊雅）作為本研究之大數據輿情測量分析對象。接著本研究會針對保養品中的七個品項，化妝水、精華液、乳液、眼霜、眼部精華、面膜以及防曬，與三個品牌之網路輿情進行資料撈取後分析。最後再將子母議題進行交叉分析，探討三個品牌與七個品項之間存在的影響。本研究將利用Sol-Idea網路輿情大數據分析平台，針對文章數、按讚數、留

言數進行女性保養品品牌的趨勢統理與分析。透過兩個層級的關鍵字設定，以「杜氏構面分析法」，包含聲量分析、意見領袖、競品比較以及文字雲等四個構面呈現。

Big Data大數據的獲利模式：圖解．案例．策略．實戰

為了解決獲利模式圖的問題，作者城田真琴 這樣論述：

分析現狀還不夠，預測未來更重要！ 　　與其相信一個人的直覺，不如相信數千萬人的資料——　　從圖解、案例，到策略與實戰，　　一本書，徹底解讀大數據！ 　　Facebook、Google、Amazon，　　以及GREE、瑞可利（Recruit）等知名企業都在用的資料淘金術！ 　　懂得找出資料的價值、萃取可用的資訊，　　就能將大數據轉化為商業智慧（BI）；　　嗅出趨勢、解決問題、創造商機，　　進而創造「偶然的幸運」（serendipity），　　正是大數據帶領企業持續前進的動力！ 　　連上Facebook頁面，出現推薦「你可能認識的朋友……」的建議，妳因此而找到失聯已久國中同學。 　　到amazon

.com網站購書，你看到「買這本書的人也買了這些書……」的清單，也正好是自己想讀的書。 　　只要打一個字，Google就出現「您是不是要查……」的資訊，正確預測到你想找的關鍵字。 　　事實上，這些「偶然的幸運」（Serendipity），都和善用大數據（Big Data，亦稱巨量資料、海量資料）有關。 　　上述的企業提供你需要的資料、精準預測到你的下一步，其實並非魔法、也不是憑空而來。這些企業將大數據轉化為商業智慧（BI，Business Intelligence），不僅分析現狀，更懂得預測未來。 　　大數據是「二十一世紀的新石油」，也是繼資料挖掘（data mining）、雲端運算、社群網站

之後，最受矚目的趨勢。如何將龐雜的巨量資料理出脈絡、找到關聯、發掘價值，找出商機，成為決勝關鍵。 　　本書作者城田真琴，是野村總合研究所（簡稱野村總研）高級研究員，也是大數據領域的權威專家。在日本，野村總研被稱為最有影響力的民間智庫，作者以野村總研獨家調查的第一手資料為基礎，介紹Zynga、Centrica、Catalina Marketing等歐美企業，以及小松（KOMATSU）、瑞可利（Recruit）、GREE等日本企業如何應用大數據的實際案例。 　　一本書，讓你認清楚資料（data）、資訊（information）與情報（intelligence）的不同，不僅要看得到、看得懂，還要能用

得出來，進而找到真正的商機所在！ 作者簡介 城田真琴（Makoto SHIROTA） 　　野村總合研究所（NRI，Nomura Research Institute）創新開發部高級研究員、IT分析師，日本政府「智慧雲端運算研究會」智庫成員。負責高端技術趨勢調查研究、供應商戰略分析、國內外企業IT應用調查，專業領域為雲端運算、商務分析、M2M、IoT等。著作包括：《雲端運算的衝擊》、《你不可不知的雲端運算常識與非常識》、《2012年版IT年鑒》等。 譯者簡介 鐘慧真（前言、一至四章） 　　「上輩子」是軟體工程師，國立清華大學電機工程研究所畢業，曾任職於飛利浦半導體與宏達電。目前是從事日翻中筆譯

的家庭主婦，定居於日本長野縣。譯作《不執著的生活工作術》（經濟新潮社出版）。 　　部落格：【黛博拉看日本】deborahjong.wordpress.com/。 梁世英（五至八章、謝詞） 　　日本一橋大學商學研究所碩士，專長財務金融，目前為專職日文譯者。譯作包括《這樣圖解就對了！》《鍛鍊你的策略腦》《想像的力量》《Facilitation引導學》（以上均由經濟新潮社出版）等。 【導讀】　創造「偶然的幸運」（serendipity），正是巨量資料技術不斷前進的動力（台灣野村總研諮詢顧問股份有限公司副總經理　陳志仁） 【推薦序】　當商業智慧隱藏在雲深不知處（國立交通大學經營管理研究所教授　楊千）

　Big Data, Big Intelligence：從資料、資訊到情報（和沛科技股份有限公司總經理　翟本喬）　當巨量資料與社會脈絡交集（英國開放知識基金會地區大使　徐子涵 Schee）　Data、Data、Data：我們活在廣袤的資料流中（資深部落客　鄭緯筌Vista）　老大哥在看著你：Big Data□ Big Brother□（英商巴克萊銀行台北分行董事總經理　劉奕成） 前言 ★第一章　什麼是巨量資料　資料洪流（The Data deluge）　巨量資料的3V特性 　廣義的巨量資料　為什麼到現在巨量資料才受到眾人的矚目？（1）巨量資料的民主化 　為什麼到現在巨量資料才受到眾人的矚目？（

2）硬體性價比的提升與軟體技術的進化　為什麼到現在巨量資料才受到眾人的矚目？（3）雲端的普及　從「分析過去」到「預測未來」　商業智慧與巨量資料的交會 　從點（交易資料）到線（互動資料）的分析 　巨量資料分析的起源  　本章重點整理 ★第二章　支撐巨量資料的技術　人才短缺   　什麼是Hadoop  　與日俱增的套件  　眾多套件版本並存的原因 　NoSQL資料庫   　創投也對Hadoop、NoSQL開發企業投以熱切的目光 　巨量資料時代的資料處理基礎　備受矚目的分析資料庫  　串流資料（即時資料）處理    　自行開發串流資料處理技術的網路公司 　機器學習、統計分析等    　自然語言處理、

其它     　本章重點整理 ★第三章　以巨量資料為核心競爭力的企業　歐美企業篇　快速成長之網路公司的巨量資料運用技巧 　eBay：每天產生50 TB的資料   　  (1)遠超乎想像的巨量資料產生速度　　(2)eBay的資料分析基礎　Zynga：披著遊戲開發商外皮的資料分析公司  　　(1)社群遊戲經濟的重要指標(2)提升病毒係數的機制(3)遊戲其實是資料驅動營運(4)三次點擊原則　Centrica：藉由引進智慧電表分析能源消耗模式  　　(1)英國電費、瓦斯費收費的實際狀況　　(2)引進智慧電表後的影響　卡特琳娜行銷集團：以「收銀台優待券」設計顧客的消費行為 　　(1)儲存了超過一億人份的

消費紀錄　　(2)預測顧客的消費行為，帶動門市買氣　本章重點整理 ★第四章　以巨量資料為核心競爭力的企業　日本企業篇　日本國內也開始運用巨量資料    　小松（KOMATSU）：日本運用巨量資料的先驅   　瑞可利（Recruit）：徹底運用Hadoop資料分析，成功改造企業文化　　(1)幾乎全公司上下都用Hadoop　　(2)支撐瑞可利巨量資料分析的Hadoop基礎　　(3)成功的祕訣在於組織體制　　(4)對於瑞可利而言，Hadoop的「真正價值」究竟是什麼？　GREE：資料驅動型營運方式是快速成長的原動力 　　(1)與其相信一人的判斷，不如相信數千萬人的資料　　(2)資料驅動型營運方式的根

基來自對於日誌資料的執著　　(3)具備多種技能的專業人士齊聚一堂　　(4)將溝通不良減至最少的團隊體制　日本麥當勞：在現實世界實現一對一行銷 （One-To-One Marketing） 　　(1)劃時代優待券背後的周全準備　　(2)把焦點集中在做為集點卡的行動電話與智慧型手機本章重點整理 ★第五章　巨量資料的運用模式★　巨量資料的運用案例(1)精準推薦商品或服務(2)行為定位廣告(3)運用地點資訊的行銷(4)糾出盜刷(5)顧客流失分析(6)預測設備故障(7)驗出異常(8)改善服務(9)預測路況(10)預測電力需求(11)預測感冒流行(12)預測股市行情(13)油資成本的最佳化　巨量資料的運用

模式分類(1)個別優化×批次處理型(2)個別優化×即時資訊型(3)全體優化×批次處理型(4)全體優化×即時資訊型　巨量資料的運用深度(1)掌握過去與現狀(2)發現行為模式(3)預測(4)優化【專欄】動態定價　巨量資料運用的真正價值　本章重點整理 ★第六章　巨量資料時代的隱私權問題★　隱私權與創新的兩難　美國國會也表示關注　製作網路個資檔案的是與非　請勿追蹤（Do Not Track）　消費者隱私權保護法案　採用選擇性參與方式的歐盟　資料保護綱領也進行修正(1)引進「抹掉過去」的權利(2)使用者尚未明確表示同意前，不得使用其個人資料(3)制定資料可攜（Data Portability）的權利(4

)擴大說明責任　日本的法令架構是《個人資訊保護法》加上分別針對各領域訂定的指導原則　部分指導原則在提供資訊予第三人上採用選擇性參與方式　日本政府的評估狀況　以「資訊大航海計畫」為契機開始評估的經濟產業省　由生活紀錄的角度進行議論的總務省　線索就在與使用者的「對話」　實體世界裡的行為追蹤　本章重點整理 ★第七章　開放資料時代的到來與資料市場的興盛★　「活用外部公開資料」的選項　風起雲湧的連結開放資料（LOD，Link Open Data）運動　影響擴及開放式政府　如雨後春筍般不斷出現的新創企業　透過比賽促進資料運用　落後一步的日本　日本國內因三一一大地震而略有進展的開放資料使用　資料市場的興盛(

1)Factual(2)Windows Azure Marketplace(3)Infochimps(4)Public Data Sets on AWS　商業模式各有不同　熱絡的資料市場存在著不容忽視的課題　本章重點整理 ★第八章　面對巨量資料時代該有的準備★　巨量資料時代的企業IT策略　開始邁向資料分享的日本企業(1)LAWSON×Yahoo( 2)KDDI×樂天(3)COOKPAD×ID’s　擁有原創資料的好處　供應商的新商機在提供「資料整合服務」　誰能成為資料整合公司　美國的支付服務業者明顯朝「資料整合公司」發展(1)VISA(2)PayPal(3)美國運通　讓原創資料搖身一變成為「貴重

資料」的絕妙資料組合　全世界對資料科學家的需求愈來愈高　資料科學家需具備的技能　資料科學家需具備的資質(1)溝通能力(2)創業家精神(3)好奇心　相關人才嚴重不足　相關研究所開始設立　鉅額資金流向巨量資料分析企業　日本也開始對資料科學家展開搶人大戰　最後的一道關卡－－組織體制與企業文化　朝向資料驅動型企業邁進　本章重點整理 謝詞參考文獻圖表索引 推薦序 當商業智慧隱藏在雲深不知處 　　巨量資料是個必然趨勢。 　　巨量資料（亦稱為海量資料、大數據）指的是在以往一般技術不容易管理但現在已能有效儲存、分析的大量資料。 　　自從有了網際網路，資料的產生已不是各個組織的內部活動所產生的，而是包括了跨組

織的各項活動記錄，更包括了數以億計的人類在網路上各自產生及互動的資料；在工具使用上除了傳統電腦、平板、智慧型手機、以及各項道路監視器、環境監控數據設備。 　　從中國的歷史上來看，資料的產生、儲存、傳遞，講的是「字」。我們的祖先結繩記事也好，用龜甲牛骨刻下所謂的甲骨文也好，都是費時費力的。到了用竹簡記事，也記不了太多的字。以前的人說「學富五車」是形容書讀很多的意思；然而，如果以尚未發明印刷術的眼光來看，「五車」的竹簡，大概指的是《論語》已經讀了好幾篇，快要讀《大學》《中庸》。 　　有了電腦之後，早年的資訊科技，不論是資料的產生、儲存、傳遞，講的是K （Kilo、 仟、十的三次方10^3或2^(1

0)）。到了1990年代，講的是M（Mega、Million、百萬、十的六次方10^6 或2^(20) ）。進入二十一世紀，2000年左右，講的是G （Giga、Billion、十億、十的九次方10^9或2^(30)）。現在，我們講的是T（Tera、Trillion、萬億、兆、十的十二次方10^(12)或2^(40)）。 　　由此可見，資料的產生、 儲存、 傳遞真的進步太多了。 　　所以，我的博士班學生畢業的時候， 只要一片光碟，就能把他們所有讀過、寫過的文章全部備份起來，非常輕便（卻也很沒成就感）。 　　鑑往知來，如果資訊科技進步繼續下去，我們會從T（Tera）一路走到P（petra、 10

^(15)）和 E（exa、10^(18)）的世界（TPE也剛好是台北在國際航空的代號桃園國際機場）。 　　英國Centrica電力公司可以每三十分鐘透過網路讀取用戶智慧電錶一次，每天抄電錶四十八次，它能對用戶的用電行為觀察更多更瞭解，甚至分析之後能對客戶行為有更精準的預測，可以調節不同用電需求的輸配電電路。 每天抄錶四十八次，一年就產生1T的資料。 　　1970年代，10M的磁碟機要40萬台幣，可以買當時的豪宅一棟；2000年左右，2G隨身碟（200個10M）約2萬台幣，可買當時的小噸數窗型冷氣機一台；現在（2013年），128G（64個2G、12800個10M）的隨身碟，新台幣2,388元

即可入手，這個價格可以讓一對情侶到五星級飯店的自助餐廳用餐一次。 　　在資訊科技進步的軌跡上，我們不只已看到巨量資料的應用，我們更確信它的普及是個必然趨勢。 　　在數學符號上就是一個國中生寫下「10^(20)」不會有甚麼感覺，它就是1的後面跟上20個零。但是，在實體世界裡 全地球所有海灘的沙粒總數大約就是這麼多粒，是很多很多的，對我們個人來說就是無限大，在佛經中則稱為「恆河沙數」。 　　小孩子不容易忘記，是因為他的記憶內容少，比較容易找到記得的事物；大人容易忘記，是因為記憶內容較多，卻沒有用心建立索引目錄分類、缺少工具與方法，或是傳輸線老化接觸不良，不容易找到曾經記憶過的事物。 　　如果資料少

，當然容易找到過去的紀錄；如果資料多，當然增加極大的困難；更何況，要分析巨量資料中的數不盡的關係與內涵，絕對不是單純的正比關係。 　　如果在一家企業內部進行資料探勘應用，我們稱之為商業智慧（BI，Business Intelligence），這是許多公司知識管理的範疇，也已經有二、三十年的歷史；台灣資訊管理相關科系都有在資料庫相關課程裡探討。許多像SAP、Oracle、IBM等公司都提供類似的軟體工具。 　　但是，到了巨量資料一路往TPE走，許多智識都隱藏在雲深不知處，確實是能夠探勘出有價值的資訊，變成更有必要卻更困難，因此需要更有競爭力。 　　本書提出許多實際成功應用的案例，列出相關互動隱私

及安全的議題，是一本有相當廣度的巨量資料相關讀物，很適合關心未來的知識份子閱讀。 文∕楊千（本文作者為國立交通大學經營管理研究所教授） 推薦序 Big Data, Big Intelligence：從資料、資訊到情報 　　我在2006年任職於Google時，有一次，前往一所大學演講Google的儲存系統GFS。一位教授問我：「那資料要刪除的時候怎麼辦？」我反問：「資料為什麼要刪除？」在場所有人都露出奇怪的表情。 　　Google的認知是：資料（data）裡面會有資訊（information），「現在用不到」並不表示「以後用不到」。除非法律規定必須刪除，不然一概保留。今天大家已經聽到了「資料是新

石油」（Data is the new oil.）這句話，也開始知道了資料中會有「看不見的價值」。 　　《孫子兵法》共有十三篇，最後一篇談〈用間〉，也就是情報戰。情報的價值，遠高於其他戰術或武器。今天所謂的精靈武器，就是能妥善運用地理定位（Geolocation）和圖形識別（Pattern Recognition）等技術所取得的資訊和情報。由最近幾年公布的許多資料可以看出，第二次世界大戰的勝負，其實就是決定在情報。由美軍破解日本海軍密碼而在中途島（Midway Islands）洞燭機先，到英國破解德軍潛艇的Enigma密碼而殲滅狼群以保全橫渡大西洋的生命線，都是任何戰術和武器無法獨自達成的。

　　情報如此重要，許多人把失敗的責任歸責於錯誤的情報，或是缺乏情報。事實上，我們的四周充滿了大量的情報，只是一般人無法有效正確地辨識。例如珍珠港事件（Pearl Harbor Bombing）之前，已有一封緊急電報示警，但是這封電報遭人擱置，直到事件發生之後才譯出。有能力正確並及時辨識這些情報的人，小者被稱為福爾摩斯（Sherlock Holmes）或是柯南（名探偵□□□），大者就被稱為諸葛亮。在商場不見硝煙的戰爭中，情報更突顯出它的重要。今天我們開始擁有了處理這些大量資料的工具，更重要的是讀懂這些資料，把它們轉化成可用情報的智慧。正如我在 Facebook 上說過的（編按：全文詳見作者網誌〈

IoT 和 Big Data 商機的迷思〉）： 　　想要做Big Data（巨量資料）的人請先認清楚：什麼是Data（資料）？ 　　．存得起來的，就是storage（儲存）。　　．看得到的，才是data（資料）。　　．看得懂的，叫做information（資訊）。　　．用得出來的，才能稱為intelligence（情報、智慧）。 　　Big Data這個名字事實上是有點誤導。真正賺錢的，是從big data中萃取出來的 big intelligence。為什麼CIA叫作Central Intelligence Agency（中央情報局），而不是Central Information Agenc

y（中央資訊局）或Central Data Agency（中央資料局）？而萃取information和intelligence的技術並不是現在才有的。隨便問一個有水準的資訊資工系教授，就會告訴你data mining（資料探勘）、neural network（神經網路）、pattern recognition（圖形識別）、statistical machine translation（統計型機器翻譯）、information retrieval（資訊萃取）,...等等領域的歷史。這些才是困難而需要投資開發的領域，而不是一個簡單的大量儲存和平行運算系統。 　　我在2003年進入Google的時候

，正是MapReduce初啟用之時。Google原本的Indexer是一套大程式，用了幾百台伺服器，要一個多星期才能完成工作。而中間只要有一台機器當機一次，就要全部重來。Google因此設計了MapReduce這套系統，主要目的在於容錯。將資料切成許多小塊，分到獨立的伺服器上處理。雖然機器數量增加到了兩千台，但中間不管怎麼當機都沒關係了。後來在論文發表後引出了Hadoop這個Open Source的軟體，給了想做大量資料分析的人一個很好的工具，也讓Hadoop在很多人心中變成了Big Data的同義字。但事實上Hadoop只是一個平行分散式資料處理的工具，真正能為資料創造價值的是上層的智慧分析

。這些工具是讓資料分析師（以後是叫做「資料科學家」？）能把時間用在真正重要的工作「資訊萃取」上，而不只是打造所需的工具。想要靠 Big Data 做一番事業的人，絕不是只要學會了這些工具就可以了。 　　1994年，商用的Internet開始成型，因為modem的速度和價格開始達到一般人可用的範圍。今天，儲存和處理資料的速度和價格也開始達到一般公司可以負擔得起初步的Big Data處理的程度。商用Internet起步的初期，業界很多人認為只要架個網站就會有生意上門。今天我們在Big Data這個領域也會有這麼一段混亂期，需要藉著更多好的介紹書籍和文章的引入，可以縮短這段過渡期。很高興看到這本書並

未落入坊間許多一窩蜂介紹工具的潮流，而能把主要的篇幅用在許多其他重要的面向。希望讀者在看完本書之後，能對如何萃取周遭的資訊並加以運用有更深一層的認識，並從Big Data進步到Big Intelligence的層級。 　　共勉之。 文∕翟本喬（本文作者為和沛科技股份有限公司總經理，曾任台達電子雲端技術中心資深處長、Google Platforms Architect。） 導讀 創造「偶然的幸運」（serendipity），正是巨量資料技術不斷前進的動力 　　接到本書導讀的邀稿時，剛好是我跟一家國內大型服務公司探討他們公司海外發展議題之後的下午。 　　這讓我想到，從2004年加入野村總合研究所台

北分公司以來，轉眼已經過了九年。常有企業主在面對全球新的議題與挑戰時，諮詢我們的看法；而我們的顧問專家群，難免也會私下討論不同國家的企業主對於新事物的接受態度。 　　過去，我們總是以為台灣企業主很少願意從邏輯思考的角度，看清所謂新事物 的全貌，凡事好像只想要得到「引進這件新事物的時機是否已經成熟？」的答案，卻沒有深入思考「如何親自將新事物引進企業，做為企業超越自我的契機？」。 　　讀完這本書之後，我必須稍加修正以上的觀點，或許該說，如果對於新事物的介紹，可以有辦法解說得完完整整、面面俱到，那麼，企業主怎麼可能放過這些知識呢？ 　　這本書是我在東京總公司的同事城田真琴的著作，在日本，這本書出版

於2012 年7月，2013年陸續出版韓文版、簡體中文版與繁體中文版，是巨量資料領域的重要著作。我認為，這本書內容能讓台灣的讀者有機會看見全球發展「巨量資料」的全貌。 　　本書的內容在第一及第二章介紹了「巨量資料」在資訊科技技術上出現的許多新名詞，例如Hadoop、NoSQL、LOD 等；並且進一步解說企業在資料運用層面，從過去的「資料可視化」進展到「資料預測未來」的境界；因此，強調深層的資料調查以及準確度的預測，讓企業因為採用巨量資料的「技術」而進展到更高的境界。 　　簡言之，對於電腦技術名詞沒有興趣的讀者，可以想像，過去資料只能「知道交易已經完成」的階段，當運用巨量資料以後，已經進化到可

以「知道交易完成的原因」了。 　　對於想知道全球企業實際應用巨量資料個案的讀者們，可以在第三章了解到四家歐美企業的成功案例，其中包含網拍公司eBay如何整合過去的資料倉儲分析系統與巨量資料技術，讓大家羨慕eBay員工擁有三個不同的資料分析基礎來支持他們進行業務的拓展。此外，第三章也介紹遊戲公司Zynga如何以5 %的付費客戶繳出11億美元營收的驚人業績。英國瓦斯及電力公司Centrica的個案，讓讀者了解英國把150萬顆機械電表改成數位電表後，巨量資料改變每個人生活的情境。第三章最後介紹的是大型零售業者卡特琳娜行銷集團（Catalina Marketing），豪氣地蒐集一億人的消費資料，達成「

能夠以100 %的準確度，預測出像是會購買某個商品的潛在消費者」的行銷新境界。 　　當讀者沉浸於以上個案的激盪時，別忘了第四章還有四個日本企業運用巨量資料的成功案例——小松（KOMATSU）是日本主要建築機械的供應商，其實在台灣的建築工地也不難看見小松的推土機以及怪手；小松的商業模式是租賃這些機械設備給營建商或是工務機構，因此，透過全球機械所不斷蒐集的相關巨量資料，已經可以用來推估設備維修的需求即將發生，以及給使用者燃料使用節省的建議做法等。瑞可利（RECRUIT）是家擁有各式各樣網路專門服務的公司，有求職、結婚、購屋網等，他們採用Hadoop技術，加上名為MIT（Marketing & IT

United）的新組織，跨部門整合公司內部各單位，讓企業內部更有效地蒐集與分享利用巨量資料。此外，第四章也剖析日本遊戲公司GREE急速成長的原動力，在於「與其相信一人的判斷，不如相信數千萬人的資料」，他們稱為「資料驅動型營運方式」。第四章最後的日本麥當勞（McDonald’s Japan）案例，我在2009年就曾涉獵過，很佩服該公司仍持續發展個人化行銷的相關巨量資料，要達成「在現實世界實現一對一行銷」的願景。 　　原本我以為這本書第三章與第四章完整介紹歐美日的八個企業案例之後，到此 應該夠了，但是，身為一位任職於全球知名智庫的管理顧問專家，如果只是把資料說個夠多，並沒有滿足提出「洞察力」（i

nsight）這樣的專業標準，可能無法滿足讀者追根究柢的渴望。因此，我們可以看見第五章有13個巨量資料的運用案例，進一步介紹「將巨量資料引進企業，做為企業自我超越的契機」的具體樣貌。本書最令人讚歎的地方，在於作者將他研究企業應用巨量資料的成功案例，歸納成一張張淺顯易懂的圖表，其中，第五章【圖表5-1】巨量資料的運用模式，是一張相當精采的圖表，由個別最佳化、全體最佳化、批次處理與及時處理構成四種巨量資料運用的商業模式，滿足想要對於巨量資料獲利模式一探究竟的挑剔讀者們。 　　接下來，第六章探討美國歐盟以及日本主要國家對於巨量資料侵犯隱私的相關 法律及對應的措施，針對許多服務業者關心台灣對於消費者隱

私保護的議題而言， 有具體的參考價值。 　　我們都知道，談巨量資料一定避免不了政府的公開資料（Open Data）此一環節，作者選擇在商業模式探討完畢之後，再來說明美、英、日等國政府鼓勵發展公開資料的具體做法，其實也確實符合我們的觀察，單單政府資料公開無法成為獲利 模式的趨勢；但是，如果沒有政府的公開資料，肯定有些美好的巨量資料商業模式就無法成真。 　　事實上，本書結論讓我非常震撼——我是一位1990年代投身職場的上班族，當 年，資訊工程師（Information Engineer）這個新職業造就了一波產業的革命，也 帶動了台灣服務業的一波成長榮景。本書最後，作者告訴我們，身處巨量資料的年代，

不僅僅企業在組織內需要一位資料長（Chief Data Officer）的新角色；而且未來十年，整個IT業界裡最重要的人才將是資料科學家（Data Scientist）這個新人才。美國的大學已經開始開設主修分析學的研究所課程，展開人才的培養教育，他需要培養三種特質，容我賣個關子，把這個答案留給讀者在本書裡挖掘吧！ 　　最後，很高興出版單位給我有機會搶先讀完本書，我也很喜歡作者在本書中提出的許多細微的觀察，例如，在說明亞馬遜（Amazon）電子商務的「協同過濾」（Collaborative Filtering）技術時，引經據典地介紹「偶然的幸運」（Serendipity）這個詞，這是來自英國小說

家霍雷斯．華爾波（Horace Walpole）在1754年的新創文字，描述消費者意外擁有幸運或是發現有價值事物的奇特心情，很傳神地說明了給消費者不可預期的幸運，正是巨量資料技術不斷前進的動力啊！ 文∕陳志仁（本文作者為台灣野村總研諮詢顧問股份有限公司副總經理） ★第四章　以巨量資料為核心競爭力的企業　日本企業篇⊙日本國內也開始運用巨量資料⊙巨量資料的運用，印象中似乎是歐美企業領先於日本企業，不過，日本企業中也有一些著善於運用巨量資料而收到顯著成效，或正開始收割成果的公司。在本章，做為日本企業致力於巨量資料的事例，舉出小松（KOMATSU）、瑞可利（Recruit）、GREE與日本麥當勞為對

象進行說明。⊙小松（KOMATSU）：日本運用巨量資料的先驅⊙以巨量資料為核心競爭力的日本企業中首先要介紹的，是僅次於美國Caterpillar Inc.的世界第二大建築機械製造商小松。早在「巨量資料」這個名詞尚未成形前，小松就已經開始致力於現今所稱之巨量資料的運用而收到顯著成效，如果說「日本巨量資料運用的原點就在小松」也不為過。尤其是利用GPS和感測器資料之巨量資料運用的精髓均濃縮在小松的例子裡，特別值得製造業參考。對多數的日本企業來說，「全球化」是今後經營上最重要的課題。2010年度小松的合併營收為1兆8431億日圓，除了是名列全球第二的建築機械製造商外，從占了小松營收87.7%（1兆61

56億日圓）之建築機械、車輛設備部門的地區別營收（請詳見【圖表4-1】）中，日本國內僅僅貢獻了16%（其餘皆來自海外）的事實來看，更應聚焦在小松是個非常早便實現全球化的企業這一點上。小松全球化的原動力來自「KOMTRAX」，也就是能夠遠端監控建築機械運轉狀況的系統。KOMTRAX透過裝設在建築機械上的GPS與各種感測器，蒐集機械的現在所在位置、運轉時間 、運轉狀況、燃料殘留量、耗材的更換時期等資料，並利用衛星或手機通訊，最後經由網路將這些資料送回小松位於日本的伺服器，藉由這樣的機制世界各地的經銷商與客戶都能對小松的伺服器進行存取，並確認自己所在地區之資料。KOMTRAX最早的版本於1999年首

度問世，將GPS裝設於小松旗下租賃公司的推土機和油壓怪手等機械上，藉此掌握個別車輛的位置資訊與運轉時間，好處是除了能更有效率地進行車輛調度外，更不會再遭到偷竊，並降低了維修管理成本。小松自2011年起將KOMTRAX列為日本國內市場所有建築機械的標準配備，之後並擴大引進至歐美、中國等地，目前在菲律賓、越南、南非等全球約70個國家中，有超過26萬部的設備參與運轉（2012年3月底時）。剛開始只掌握了位置資訊與運轉時間，但目前已能夠蒐集如「什麼時候補給了燃料」 「什麼時候在何種模式下使用了怪手」等各種資訊。▲如何處理原始資料？▲從小松KOMTRAX一連串致力於資料的運用方式中，我們想要學習的關鍵在

於 「從所蒐集之原始資料（raw data）獲得什麼樣的洞察」。比方說，只要知道建築機械的正確運轉時間，便能事先鎖定損耗率高的零件，在維修服務的效率化派上用場。只要知道燃料的使用量，便能藉由對燃料使用量多的客戶與使用量少的客戶之間的差異進行分析，來釐清雙方操作方式的不同，並給予燃料使用過多的客戶節省能源的建議。具體來說像是 「白天時車輛位置並無變化，但引擎仍維持發動。最好提醒客戶不要怠速，記得關閉引擎」。

運用社群口碑資料庫分析新聞與社交媒體溝通下的企業社會責任

為了解決獲利模式圖的問題，作者伍進和 這樣論述：

近幾年來，大數據概念的應用在企業界逐漸成熟，因此本研究選定企業社會責任議題作為研究主軸，以2019《天下》兩千大調查之三大產業的前10名企業為研究對象。研究時間為2019年與2020年，為新冠肺炎COVID-19疫情在全球大爆發階段，而企業社會責任議題的討論度在這兩年間有增長的現象。因此，本研究以資料探勘方法，運用網路口碑分析工具OpView進行分析，透過大數據工具取得議題聲量、網路情緒等指標，並檢索到相關文本加以分析，探究新聞媒體如何再現企業社會責任議題，以及社交媒體如何進行企業社會責任議題溝通。本研究先比較新聞媒體與社交媒體的CSR聲量，發現新聞媒體的聲量高出許多，再比較30間企業中CS

R獲獎與未獲獎企業之平均聲量，發現CSR獲獎企業較未獲獎企業來得高，三大產業中的聲量是以製造業的聲量最為突出。接下來以CSR四大構面分析不同產業所著重的項目，結果發現製造業相較於服務業與金融業更注重公司治理及企業承諾，社會參與以及環境永續則是三大企業所著重的主要面向。另外，研究亦發現CSR獲獎企業的好感度並非比未獲獎企業高，亦即，CSR聲量高不等於好感度高，其中原因在於社交媒體扮演主要負面情緒的來源。在關鍵字分析的部分則是以聲量最高的兩季分別分析新聞媒體與社交媒體的主要關鍵字。因此，本研究結論得出，「永續」為企業與媒體所慣用之語彙，在製造業中以「台積電」和「鴻海」為常用關鍵字，而金融業的主要關

鍵字則非大型金融金控企業，另外，研究亦發現企業CEO為企業CSR的重要推手，企業還會配合時事議題執行CSR。