大數據時代下的“厚數據”-We are family!

作者:Lux   |   2015 / 07 / 09

文章來源:股感知識庫   |   圖片來源:Jean


當下,全世界都充斥著大數據(Big Data)的浪潮,急速擴張的大數據市場潛移默化的改變著商業遊戲規則。各大企業不惜犧牲人為洞察力,競相引進大數據項目團隊專注於計算數據的收集和分析。縱觀全域,對於企業未來發展大數據的革新雖然有著毋庸置疑的價值,然若盲目依賴大數據做出的決策反而可能為公司埋下隱患- Google曾推出的谷歌流感趨勢(Google Flu Trends)便掉進了大數據的陷阱…

暗藏隱患的大數據

Google當時認為搜尋流感相關主題的人與實際的流感患者存在密切關係,Google Flu Trends是根據匯總的Google搜尋數據進行計算分析,估測出全球各地區當前流感病情傳播情況,但在2008-2009年瑞士、德國、比利時等地的流感病情,甚至2011-2012年美國的流感病情中,Google Flu Trends多次嚴重高估了流感病例的數量。英國倫敦大學學院的研究人員對此研究後發現,大數據模式存在太多影響搜尋準確性的因素使得Google流感趨勢預測失真。

美國《連線》雜誌曾刊登過一篇文章,指出若拋棄對現實生活的實地調查,大數據將沒有意義。NOKIA也恰好證實了這一觀點:

從事人類學研究工作的Tricia在2009年給當時的NOKIA提交了一份市場報告,報告裡詳盡的闡述了經過自己實地觀察和分析而得出的市場信號,並建議NOKIA投入研發面向低收入者的智慧手機。然而卻因Tricia的實地樣本數量相較大數據所需求數量而言過少,因而被放棄採用,曾經風靡全球各地、輝煌了整個市場的NOKIA最終也在去年被微軟收購。我們在感慨之餘不禁反思:企業過度追捧大數據所造成的損失是不可估量的。大數據時代下,我們不能完全拋棄實地調研而得出所能說明問題的小數據-厚數據。

01-大數據時代下的厚數據

Here comes back厚數據(Thick Data)

厚數據最初是由美國已故的人類學者Clifford Geertz於上世紀提出,而PL Data公司(一家致力於幫助企業組織在大數據時代進行創新的新創公司)創始人Tricia自去年開始引用厚數據來界定人類學研究對大數據時代的重要價值。厚數據是指利用人類學定性研究法來闡釋的數據,旨在揭示情感、故事和意義。厚數據通過小樣本分析找出特定人群的需求,挖掘數據背後的故事、情感、緣由。厚數據雖不“厚”,卻能從少量樣本裡解析出深刻的意義。

大數據與厚數據各有千秋,厚數據是以較少量樣本分析解讀以人為本的模式,大數據則通過大量數據研究運用機器運算法則計算的特定模式;厚數據呈現的是有背景有情感和意義的故事,而大數據呈現的是提出個性化等元素資訊的標準化數據。

02-大數據時代下的厚數據

厚數據站在大數據的對立面,卻恰好能彌補大數據分析過程中所欠缺的部分。無論是定性的厚數據還是定量的大數據,企業要發展就必須整合兩者,不僅要考慮大數據的廣度,還要結合厚數據的深度,方能準確分析。厚數據給人以靈感,而大數據體現的是對定量數據的洞察,大數據與厚數據的結合幫助企業找出數據背後的原因並讓靈感得以實現發展:

樂高(Lego)——逆襲的樂高積木

2004年的Lego,因產品脫離了消費者的需求導致每天虧損額高達100萬美元,瀕臨破產。這家丹麥公司認為應該改變原本路線轉向現在兒童玩具暢銷路線,準備開始研發模擬小人等其他玩具。但當時Lego新任CEO Jorgen Vig Knudstorp 卻決定重新從深層次的研究理解孩子們的遊戲體驗,派工作人員真正參與到孩子們的生活環境中一起玩Lego,深入瞭解到孩子們的體驗和需求之後,經過無數次數據的收集和分析,最後決定重新強化Lego的核心產品- 樂高積木。無論是電子遊戲或是樂高大電影的成功,Lego成功站穩市場的原因雖眾多,但其厚數據的分析(對兒童遊戲體驗的深入理解)無疑是Lego成功逆襲的關鍵。

美的(Midea)——兒童洗衣機

大量數據顯示兒童洗衣機在歐美發達國家雖已流行,但在亞洲區卻並不理想。但大數據顯示的是主流用戶的喜好,抽離了感情和社會關聯。美的公司巧妙利用厚數據分析,深層次剖析了家長對孩子品質教育的重視,從親子互動關係入手,推出了一款專為孩子設計的洗衣機- 兒童洗衣機MB30-M9(L)。這款洗衣機無論在安全性能、操作體驗和外觀設計均抓住了家長育兒所重視的各方面心理,其在今年兒童節間的火爆銷量也證明了厚數據策略的成功。

We are family!

“故事能很快傳播開來,把數據分析法的經驗教訓擴散到企業組織的各個角落。”大數據概念的提出者Roger Magoulas強調了厚數據在企業中的必要性

大數據時代下,在前進中找到自己真正需要的,而非盲目追隨市場節奏的腳步,縱觀全域,根據自身發展情況有所取捨並審時度勢,企業才能更全面、徹底的掌控和處理各種局面。

大數據與厚數據必需相輔相成,才能在企業發展上協同合作而取得最終佳績。通過大數據的分析掌握全域的大體走向,再利用厚數據彌補大數據缺少的深度與情感,兩者的關係就像人的理智與感性,是這“數據family”中缺一不可的成員!

喜歡這篇文章?加入你的S夾!

分享好文章

個股相關基金

發行地點

全部
境內
境外

發行類型

全部
股票
平衡

切換表頭

基本資料
股票指標
收益指標
歷史績效

基金名稱

排序條件
歷史年化報酬率
歷史年化波動度
歷史年化夏普值
個股權重
發行地點
淨值
資產規模
台灣人投資金額/比重
排序依照
高→低
低→高

類型/
計價幣別

近1月
報酬率

近1月
近3月
近6月
近1年
近3年
近5年
近10年
年初至今

歷史年化
報酬率

歷史年化
波動度

歷史年化
夏普值

個股
權重

發行
地點

淨值

資產規模
百萬美元

台灣人投資
金額/比重
百萬美元

類型/
計價幣別

近1月
報酬率

近1月
近3月
近6月
近1年
近3年
近5年
近10年
年初至今

歷史年化
報酬率

歷史年化
波動度

歷史年化
夏普值

預估未來
本益比

市值
營收比

產業
集中度

類型/
計價幣別

近1月
報酬率

近1月
近3月
近6月
近1年
近3年
近5年
近10年
年初至今

歷史年化
報酬率

歷史年化
波動度

歷史年化
夏普值

信用評等

存續期間

到期殖利率

類型/
計價幣別

報酬率 /年化波動度

近1月

近3月

近6月

近1年

近3年

近5年

近10年

年初至今

我要集氣100%權重的主題投資
已集氣投組上線通知我 >

* 基金成立日期在西元2000年以前者,目前資料僅顯示自2000-01-01開始,相關數據皆由2000-01-01後之數據計算而成。

基金淨值、報酬率、波動率及夏普值為每日更新,基金各項分析數據為每週更新,資產規模/月報為每月更新,台灣人投資金額為每季更新

產業地區分布

投資產業分布

投資地區分布

未有公開資訊

67.2%

科技

26.8%

金融

26.8%

原物料/能源

26.8%

傳產

2.2%

工業

2.0%

必需性消費

0.1%

可選性消費

0.1%

醫療保健

2.0%

公共事業

0.7%

服務

0.6%

未有公開資訊

67.2%

已開發國家

26.8%

北美

19.5%

歐洲區

3.9%

日本

3.3%

亞太區

0.1%

大中華

4.8%

新興市場(不含大中華)

1.3%

成功集氣+1

留個信箱,投組上線通知你

送出
loading animation