大步邁向分析3.0時代（Analytics 3.0）
身為行銷資料科學家，我們在取得大量資料後，就得開始著手分析資料，但分析究竟指的是什麼？依照教育部國語辭典，分析是剖析與分解，它可以是將本來合在一起的，加以分離，分析也可以是對事理的分解辨析。
美國哈佛大學畢業、目前在麻州巴布森學院執教的湯馬斯．戴文波特（Thomas H. Davenport）教授於2013年的Harvard Business Review（HBR）上，發表了一篇分析3.0《Analytics 3.0》。在這篇文章裡，戴文波特（Davenport）提出分析1.0到分析3.0的演進過程，在此，我們簡單將其概念整理如圖1所示。
註︰本圖為作者根據Thomas H. Davenport教授所提出之Analytics 3.0概念，與相關文章進行整理
以下就分析1.0到分析3.0進行簡單的說明。
1.分析1.0（Analytics 1.0）
屬於「傳統分析時代（Traditional Analytics）」，統計分析以「敘述性分析（Descriptive）」為主，亦即「分析過去的事」。分析的資料屬於內部且較小量的結構化資料。執行團隊以統計分析師為主，在企業部分，分析的目的，在透過分析展現營運效率與增進內部決策有效性。舉例來說，公司建立各種營運報表，如：營業額、毛利率、淨利率等營運指標，皆是屬於分析1.0時代。
想了解更多分析的類別，請參見:資料科學進化論─五種分析方式（Types of Business Analytics）
2.分析2.0（Analytics 2.0）
屬於「大數據時代（Big Data）」，統計分析以「預測性分析（Predictive）」為主，亦即「使用過去資料預測未來」。在此時期，非結構化資料開始大量出現。執行團隊為資料科學家。這個時期的企業運用大數據進行營運分析，而此時部分網路公司開始發展出「以分析為基礎（analysis-based）」的產品與服務。舉例來說，LikedIn開發年度回顧（Year in Review）服務，讓使用者了解自己人脈網上的成員，他們工作變動的狀況。
3.分析3.0（Analytics 3.0）
屬於「資料經濟時代（Data Economy）」，分析以「指示性分析（Prescriptive ）」為主，亦即「運用模型發展最佳行動」。分析資料以結合大量結構化與非結構化資料為主。在此時期，產業界開始出現「分析長（Chief Analytics Officer, CAO）」這個職務。除了網路公司外，各產業的公司發展出「以分析為基礎（analysis-based）」的產品與服務。舉例來說，優比速公司（UPS）透過ORION 系統，即時分析公司內部的資料，並規劃與調整運送路線，一年減少了8,500萬哩的行駛路程以及840萬加侖的油料。
各位可能一下子無法體會，為何靠分析就能省下大量里程和油料，假設現在忠孝東路和復興北路口，有個客戶要快遞公司去收件。想像一下，如果在快遞公司的車輛派遣中心的螢幕上，當然以調派最近的車輛去取件，但這樣真的是最合理的嗎? 其實不然，因為此時附近可能在塞車，或者剛好最近的那一輛車已經滿載貨品。經過分析，調派一輛小型車或者摩托車去取件，可能更符合成本效益。
最後，「以分析為基礎（analysis-based）」的產品與服務，強調即時（real-time）。而為了達到即時的要求，就必須透過強大的運算工具，例如：Hadoop、Spark等大數據分析技術來支持。
貼文會持續在行銷資料科學粉絲專頁分享文章! 歡迎點讚
作者:
羅凱揚（台科大企管系博士）、蘇宇暉（台科大管研所博士生）
