投注大量成本，也沒辦法提升業績？ 3 大數據分析方法幫助企業用對資源

摘要： Cloud Ace 是亞洲據點最多的 Google Cloud 合作夥伴，擁有 12 項 Google 專業領域認證，以下他們針對 2 大數據分析要素與 3 大數據分析法，分享企業該如何正確地使用工具，才得到最好的效果。

▲圖片來源：buzzorange

大數據分析為近年最熱門的領域之一，隨著運算科技發展、資料量急速成長，和儲存設備成本降低等趨勢，大數據分析已脫離單純的資料處理，進化為協助企業擴展思維及商業模式，並進一步預測未來的工具。但為何許多企業投注了可觀的金錢、人力及時間，卻難以收穫相對的成效呢？

大數據分析必備的 2 大要素：明確目標與足量資料

要達成完善且精確的大數據分析，明確的目標和足量的資料缺一不可。服務過全球超過 500 家企業的 Cloud Ace 集團，在協助眾多企業導入大數據分析時發現，明確的分析需求（如：A 產品去年利潤減少原因）其實是企業常疏忽的盲點，而就算已立定目標，缺乏充足的資料量也是導入時的一大痛點。

因此，以下針對第一項要素介紹三大常見的應用目標，並分別提供應用 Google Cloud 的資料處理工具執行分析的建議，幫助企業與分析師在資料分析這條路上少走一些冤枉路。

從歷史資料下手，了解公司現狀

首先，擬定分析目標時如毫無頭緒，建議可先透過分析公司歷史資料，了解公司現狀並洞察整體營運狀況。例如藉由繪製利潤走勢圖，查看近一年內公司整體營運狀況是正成長還是負成長。

而以這個目標來說，因為需分析的主要是歷史資料，基本上不涉及 Streaming Data 和太過複雜的分析語法，所以在資料完成 ETL（資料前處理）匯入 BigQuery 後，再透過 SQL 語法分析即可，甚至不須使用 Python 或 R 語言等工具。最後，只要將結果匯入 Data Studio，就能產出折線圖或圓餅圖等視覺化報表。

分析可能因素，推斷結果發生的原因

因為現狀分析只能觀察整體性的結果，所以想探究結果背後的原因，就須進一步執行原因分析。透過分析導致現狀的可能因素，去推斷當下結果產生的具體原因，讓企業以「治本」的方式解決問題或下決策。舉例來說，公司利潤下降與營收及營業成本息息相關，而這兩大層面又包含眾多因素，這時就很適合應用原因分析來找出導致利潤下降的主因。

而原因分析雖然也能單純使用 BigQuery 分析，再以 Data Studio 做視覺化圖表，但因為造成結果的因素可能有百百種，像營業成本涵蓋了店租、材料價格與員工薪水等因素，所以分析時可能會用到大量的 SQL 查詢。

但使用 BigQuery 查詢時，許多人會忽略其收費方式，忘記「查詢量」也是收費標準之一。所以資料匯入時建議先建立分割表（Partitioned Tables），再透過篩選條件（如：WHERE 語法）縮小查詢範圍，將查詢量壓至最低，避免帳單出現預期外的高額費用。

利用數據預測未來趨勢，協助規劃決策

原因分析可協助企業制定決策，而預測分析則是評估決策的重要工具。不論是要確保新決策的效益，還是預測未來趨勢或行為，預測分析都可達到簡化作業流程、提高收益並降低風險的效果。

內比如公司推出新產品時想預測哪類舊客群購買意願較高，就可透過預測分析篩選出可能會對新產品感興趣的顧客，寄送 EDM 並附上舊客專屬回饋來更精準地誘導回購。因此預測分析可協助企業更精準地洞見未來、規劃決策，並挖掘過去不曾注意的潛在商機。

在執行建議上，因為需預測公司未來的利潤趨勢、成長幅度、成本花費和銷量等內容，所以可能會用到機器學習或演算法等工具。如果預算有限，建議可直接在 BigQuery 使用 BigQuery ML，透過 SQL 語法直接訓練與部屬模型。而如果熟悉且有在使用 Spark，也可以利用 Dataproc 進行 Spark ML 機器學習，提高數據預測精準度。

最後，如想了解更多企業愛用的數據分析應用方案，歡迎參考我們的大數據分析解決方案，讓數據成為推動企業成長的最佳助力。而有 Google Cloud 產品導入或客製化專案開發需求，也歡迎與我們聯繫。

轉貼自： buzzorange.com

若喜歡本文，請關注我們的臉書 Please Like our Facebook Page： Big Data In Finance