︿
Top

巨量資料與決策模型的結合

關鍵字:巨量資料決策模型
瀏覽次數:1472| 歡迎推文: facebook twitter wechat twitter twitter

科技產業資訊室 (iKnow) - David 發表於 2013年11月22日

巨量資料(Big Data)與巨量資料分析(Big Data Analytics)均屬於以資訊科技(IT)軟硬體為基礎之應用工具,這工具要發揮到效用需要將此工具結合到決策模型中,方能展現價值。

而要檢討巨量資料工具如何運用,其根本問題還是在決策模型與情報架構的理解。

圖一為決策模型與情報架構,其關鍵有四。首先,要區別出情報理論中資料(data)、資訊(information)與情報(intelligence)的差異。其中資訊是內部的,並且是經過情報組織(Intelligence Organization)分類與結構化後之資料。資料屬於外部的,其內部與外部區分的界線在於情報部門,不是在公司內部就屬於”內部”。而是不經過情報部門分類與處理的都屬於外部。因此,傳統上的ERP系統之計分卡或是知識管理(KM)系統之資料,都稱不上是資訊,而僅落在資料範疇。

其二,資訊與情報的分野在於任務賦予。任務賦予是情報任務的起點,有了任務的賦予情報工作開始有了生命。任務賦予的關鍵在於需求感與目的性,並且是決策者的目的性。掌握決策者的目的性是困難的,但也是高階情報長(Chief Intelligence Officer, CIO)主要工作。瞭解與分析決策背後的原因,並多問為甚麼(Why),或是從不同面向推敲釐清決策之真正需求,是讓資訊過渡到情報的關鍵。

情報組織平時之工作即進行外部資料內部資訊化的工作,並隨時準備好進入情報作業的作戰狀態。

第三,情報要運用於決策,需要針對不同方案進行情境模擬(Scenario Planning)或稱為兵棋推演(War Game),其中情報部門扮演內部企劃部門之對立方。若應用在競爭手的情境模擬,情報組織要比對手來要瞭解自己。應用在新產品發展上,情報部門負責未來大環境的偵測,負責架設外來環境之平台(戰場),並提供技術研發或新產品部門之機會與威脅情報。例如2020年將近入以M2M為主的5G時代,在該時空環境下,將產生哪些機會與挑戰,是情報組織工作。

第四要進行組織記憶,亦即將每次之「資料→資訊→情報→決策」之過程文件與結果文件進行記錄與管理,並淬取經驗而當成標準作業程序之流程與表單。
pat_13_A050a.gif

巨量資料的關鍵在於非結構化資料與快速流動之資料,亦即具備資料量龐「大」(Volume)、變化飛「快」(Velocity),種類繁「雜」(Variety),以及真偽存「疑」(Veracity)之4V特性。巨量資料非結構化的處理技術需要新技術之導入,因此以非結構化資料處理及流動性資料處理技術,包括Hadoop及江河運算(Streams Computing)成為巨量資料分析技術核心。

巨量資料分析的關鍵在於不存在”需求”,而是透過資料探勘與挖掘找出新規律,此新規律即是俗稱之洞見(insight)。

結合巨量資料工具之決策模型可表示成圖二。從圖二之架構圖可以推敲出未來巨量資料分析發展的關鍵。

首先,如何將巨量資料分析導入與整合進入傳統決策模式是關鍵,並且這些決策問題需要針對不同類型之決策進行處理。

其二,不是有了巨量資料之後,傳統資料與情報模型即可拋棄,而是應該思考如何將情報X與情報Y結合,情報X與情報Y是互補的嗎?還是可如何整合以取得綜效之關鍵(Synergy)。

做後,從決策模式與需求出發,未來將出現出不同類型的典型資料與巨量資料分析模型,並且將發展出新興應用與商機。當然,誰先累積關鍵技術也將有機會成為新一代的贏家。(1170字;圖2)

pat_13_A050b.gif

參考資料:


 
歡迎來粉絲團按讚!
--------------------------------------------------------------------------------------------------------------------------------------------
【聲明】
1.科技產業資訊室刊載此文不代表同意其說法或描述,僅為提供更多訊息,也不構成任何投資建議。
2.著作權所有,非經本網站書面授權同意不得將本文以任何形式修改、複製、儲存、傳播或轉載,本中心保留一切法律追訴權利。