當你從超市走出來突然遭遇歹徒行搶，匆忙中你瞥見對方揚長而去的車牌號碼並告訴警方，警方犯罪中心立刻從全台的路口監視系統畫面即時偵測到車牌號碼的可疑車輛與肇逃路跡，並及時趕到嫌犯最後棄車的地點，可惜嫌犯已經早一步逃走。由於未留下任何指紋證據，警方只有監視畫面的嫌犯身影。但是警方認為嫌犯應該也是超市的消費者，果然迅速從超市的錄影畫面比對到嫌犯的身影及會員身份，從嫌犯過往在超市的消費記錄分析，發現嫌犯應該是長毛犬的飼主而且喜歡慢跑。根據全市愛犬人士常遛狗運動的公園、河岸堤防的地緣分析，警方果然在第二天清晨在一處郊區公園當場逮捕嫌犯，而嫌犯一臉狐疑為何警方如此迅速地找到自己的行蹤。

這看似電影全民公敵的扣人劇情，猶如當下許多企業與行銷人員朗朗上口的大數據分析，但是上述情境仍只是存在於科幻電影中，距離現實環境可以實現的真實性，仍有一段技術與資料完整性的瓶頸無法達成。簡單來說，BIG DATA大數據是一個被許多人過於科幻吹噓存在的議題，卻讓許多人誤以為大數據可以實際預測所有人們想要掌握的消費或社會行為。

首先BIG DATA 不是只有一般的數字，數據二字很容易讓人以為是資料庫中的數字、文字、交易資料，DATA可以涵蓋影像、圖像、聲音等任何非結構化可以保存的資料。其次，並不是有資料庫就代表大數據，如果不夠大量及多樣的屬性，根本稱不上大數據，只能說是資料庫。何況企業容易迷信只要能夠蒐集資料，就能經過分析處理並預測出價值，殊不知Garbage In , Garbage Out的道理，如何能夠蒐集足夠有用的資料是一門很大的學問，否則它可能只是過往管理決策資訊EIS (Executive Intelligent System)、商業智慧BI (Business Intelligence)的系統而已。

對於大多數的行銷人員而言，如果能夠精準地預測出下一位走進店裡消費的顧客，以及顧客接下來會購買的商品，那簡直是具備行銷魔力般的神奇，不只是成為公司內的超級業務員，也能夠為公司省下不少的行銷費用。相信沒有人會拒絕自己能擁有像電影【男人百分百】中梅爾吉勃森的超級魔力，可以看透消費者心裡所想的事情。行銷個案中最著名的例子就是英國的超級市場分析顧客的交易記錄後，發現男性顧客在下班後前來購買嬰兒尿布者，有70%的機率也會購買啤酒，因而提供了行銷人員設計這二項商品的聯合行銷活動。Amazon.com應用可以對於消費者光臨網站購買書籍或錄影帶時，可以馬上建議消費者其他關聯的產品，往往可以贏得消費者的讚嘆與欣賞。這些都是千禧時代盛行的資料探勘技術DATA MINING分析的成果，行銷人員才會發現消費者在看過”西雅圖夜未眠”錄影帶後一週內，會有相當高的比例接著選購”金石盟”錄影帶。對於使用傳統資料分析處理的行銷人員卻不一定能想到尿布和啤酒、”西雅圖夜未眠”和”金石盟”這類產品會有關聯。

這幾年流行的大數據議題其實只是資料探勘技術應用的口語化及生活化的名詞，嚴格來說，大數據不只包含了資料分析的技術，還有『人工智慧』的學問，甚至『機器學習』的技術，才能將所有的資料整理作為描述、診斷、預測與判斷。目前企業的資料應用階段幾乎都只有描述、診斷的功能而已，因此還稱不上大數據的應用。企業普遍流行的分析方法仍屬於線上分析處理﹝OLAP, Online Analytical Processing﹞，線上分析處理往往需要行銷人員在心理有假設的前提或問題，譬如針對消費者的年齡層與性別做分析，公司所有產品在各地區門市的銷售成績，找出特定二個產品在聯合促銷活動下的銷售成績等。具備預測能力的資料探勘技術才能在龐大的資料中發掘出隱含有用的資訊情報，以作為企業決策智慧支援的參考，甚至主動建議判斷下一步該採取的行動。

國外實際的大數據應用已經擴及到生物科技中DNA或基因資料庫的比對以減少實驗成本，全國病患就醫紀錄的就診紀錄分析以進行預防醫學，銀行信用審核過濾條件的風險預測以減少呆帳，FBI偵測恐怖份子的條件與行為歸納，以做好事前預防的措施。這些成功的大數據應用都有共同點，不只是牽涉的資料量巨大，更涵蓋許多非結構性的影像資料，必須依賴先進的視覺辨識分析搜尋技術，加上人工智慧與機器學習的預測判斷，才能在目前的應用上展現一些初步的成果，甚至是許多資料科學的研究學者仍在追求突破的研究議題。

企業不應認為公司過去存在的ERP或CRM系統就是大數據所要的資料，甚至公司已經在使用大數據分析顧客。光是CRM系統可能就有許多企業尚未完整發揮顧客關係管理分析應用的效益，協助企業從所蒐集來的所有顧客資料中，找出有助於顧客導向決策的資訊，藉以維繫企業與顧客間的緊密關係。既然是從顧客資料中分析找出隱含有用的行銷決策資訊，企業是否有充足且完整的顧客資料便成為顧客關係管理分析專案能否成功的重要前題。這些相關資料包含了顧客的基本資料以及所有消費記錄，甚至於透過網路偵測顧客在賣場內的走動路線與網站上挑選瀏覽商品的軌跡，公司內部的產品資訊或資源系統，簡單來說，企業能擁有的資料來源愈多，所能夠產生的分析資訊才愈有價值和意義。

早期一些企業門市通路認卡不認人的行銷策略，便無法將消費者的消費行為累積成為分析顧客資料的有效資源。當然，任何以會員卡型式進行的行銷策略都可能產生消費者互借會員卡以致於消費者交易記錄失真的問題，這就牽涉到會員卡的申請便利性以及會員卡管理辦法的配套措施是否吸引消費者。關鍵點還包含企業每一個可能顧客接觸點的資料輸入正確與執行落實性，這樣才有助於顧客消費記錄追蹤的正確性。

顧客交易記錄的掌握可以進行個人消費行為的預測，做為1對1行銷時的個人專屬消費推薦。如果行銷人員想要進一步預測誰是下一位顧客，或是想要判斷另類的行銷目標市場，還需要有足夠的顧客資料與屬性才能夠辦到。顧客資料往往來自於企業內部不同資料來源的整合，如業務部門、財務部門、客服部門、行銷部門因個別需要所蒐集的不同顧客資料屬性，但是必須能整合所有這些散落在企業不同地方的資料，統一集中化在所謂的資料倉儲(Data Warehouse)管理。這項繁瑣又艱鉅的工程必須依賴資訊部門專業技術人員的協助，透過資料庫工具以及資料匯流、過濾、整合工程才能完成。

行銷人員應該要思考如何蒐集到更多樣性的顧客屬性，例如性別、年齡、居住地、職業、學歷、收入、語言、興趣、婚姻、子女、休閒活動……等。便利超商要求店員在結帳的時候於POS系統按下收銀機上的幾個簡單按鍵，可以了解消費者的性別、年齡，是一種既簡易又迅速的做法。經常透過顧客滿意度調查、顧客回娘家活動填寫問卷或基本資料，甚至不斷地鼓勵顧客參與這些蒐集顧客屬性的活動，都是為了幫助建立顧客屬性資料的完整性與正確性。當企業將所有的資料連結整合為統一系統的資料倉儲後，也不過是一堆包羅萬象的資料，如何讓這堆資料變成資訊、進而轉化成為智慧，提供行銷人員擬出最可能對新推出行銷活動反應的顧客預測名單，或是找出聯合促銷活動最佳產品組合，這都必須仰賴一些分析工具的幫助，或是企業真正願意重視大數據議題，自行招募培養資料科學相關的專家人才或團隊，才能夠導出可預測使用的大數據情報或智慧。

雖然台灣目前真正具備BIG DATA足夠龐大資料條件的可能只有像電信業、銀行業、健保局的企業或政府單位，但是近來許多企業及政治人物都會朗朗上口BIG DATA在嘴邊，未嘗不是一件好事，意謂著企業又開始重視資料蒐集分析的重要性。但是千萬要切記不要只是增加公司硬碟儲存設備的預算，將所有想到的文件掃描及照片儲存起來，在商場各角落架設監視錄影系統，或是把該丟的垃圾捨不得丟棄，就代表自己已經具備是BIG DATA。如果只有BIG GARBAGE，不要說沒有人工智慧與機器學習的技術，企業可能連EIS或BI所需要的決策資訊都做不到基本的資料描述或診斷，更遑論產生真正有用的情報智慧來瞭解顧客真正要的是麼！