歡迎來到大數據的世界！

你好！歡迎來到績效管理 (Performance Management, PM) 當中最令人興奮且現代化的課題。別被「大數據 (Big Data)」這個詞嚇到了。雖然聽起來像是只有電腦科學家才關心的東西，但對於會計師和管理者來說，它其實是一項強大的工具。

在本章中，我們將探討龐大的數據如何協助企業了解客戶、預測未來並做出更明智的決策。你可以把大數據想像成推動公司引擎運轉得更快、更有效率的「燃料」。讓我們馬上開始吧！

如果初看之下覺得有點「硬核」也不用擔心，我們會把它拆解成簡單且貼近生活的概念。


1. 究竟什麼是大數據？

過去，管理者通常依賴月度銷售總額等簡單的報告來做決策。但現今，我們能夠獲取的資訊遠不止於此。大數據是指那些規模龐大且結構複雜，以致於傳統數據處理軟體無法應付的數據集。

為了讓你更容易記住大數據的特性，我們通常會使用「4V」來歸納：

1. 容量 (Volume)： 這指的是數據的總量。我們指的不是幾張試算表，而是來自社交媒體、信用卡刷卡紀錄和 GPS 訊號，動輒數十億行的海量數據。

2. 速度 (Velocity)： 這指的是數據產生和處理的頻率。試想 Twitter 的更新速度有多快，或者銀行偵測到詐騙交易的速度有多即時。數據是以實時 (Real-time) 方式流動的。

3. 多樣性 (Variety)： 數據的形式五花八門。它不僅僅是表格中的數字（即結構化數據），還包括像電郵、影片、相片和語音錄音等「非結構化數據」。

4. 真實性 (Veracity)： 這指的是數據的「真實度」或可靠性。數據準確嗎？如果你要基於數據做出重大決策，必須確保它不是「混亂」或造假的。

快速回顧：4V 記憶法

只要記住：Volume（容量/大小）、Velocity（速度）、Variety（多樣性/類型）以及 Veracity（真實性/質量）。

關鍵總結： 大數據不只是「很多的數據」，它是指那些傳輸速度快、來源廣泛，且需要進行準確性驗證的數據。


2. 結構化數據 vs. 非結構化數據

在分析數據之前，我們需要知道它儲存在什麼樣的「容器」裡。這是一個學生經常混淆的概念，讓我們用一個比喻來解釋。

結構化數據 (Structured Data)： 想像成一個擺放整齊的調味架，每一種香料都裝在有標籤的罐子裡。在商業環境中，這就是存在資料庫或試算表中的數據（例如：銷售價格和日期的清單）。

非結構化數據 (Unstructured Data)： 想像成一個雜物抽屜。裡面有很多有價值的東西，但全都混在一起——鑰匙、舊電池、散落的硬幣。在商業環境中，這就是社交媒體貼文、客戶評論或電話錄音。這類數據較難分析，但往往隱藏著關於客戶行為最有趣的「秘密」。

你知道嗎？ 估計全球約 80% 的數據都是非結構化的！對於會計師來說，這意味著有大量的「雜物抽屜」等著我們去整理。


3. 三種數據分析類型

拿到數據後，我們該怎麼做？數據分析 (Data Analytics) 就是檢查這些數據以發掘有用資訊的過程。主要分為三個層次：

A. 描述性分析 (Descriptive Analytics)（發生了什麼事？）

這類分析審視過去。它使用歷史數據來告訴我們企業過去的表現。 例子：「上個月北區的銷售額下降了 10%。」

B. 預測性分析 (Predictive Analytics)（可能會發生什麼事？）

這類分析利用數據中的模式來預測未來。 例子：「根據目前趨勢和天氣預報，我們預計下週雨傘的需求將增加 20%。」

C. 處方性分析 (Prescriptive Analytics)（我們應該做什麼？）

這是「專業」層次。它會建議採取什麼行動以達成目標。 例子：「為了在暴雨期間實現利潤最大化，我們應該將雨傘價格調高 \( \$2 \)，並將它們擺放到店舖最顯眼的位置。」

關鍵總結： 分析的層次由單純的回顧過去（描述性），轉向展望未來（預測性），最後提供行動建議（處方性）。


4. 大數據如何改善績效管理

這對你通過 PM 考試有什麼幫助？你需要了解大數據如何改變公司的績效管理方式。

1. 更好的計劃與預測： 公司不再只是盲目猜測明年的預算，而是可以使用預測性分析來精確掌握客戶需求，從而使預算編製更準確。

2. 即時監控： 管理者無需等待「月結報告」，可以實時查看營運績效，從而立即解決問題（這就是「速度」的體現！）。

3. 了解客戶行為： 通過分析社交媒體（多樣性），公司甚至可以在銷售額開始下滑之前，就察覺到客戶對某項產品不滿。

4. 個人化行銷： 你有沒有過在網上搜尋一雙鞋子，之後就在 Facebook 上看到該產品廣告的經驗？這就是大數據在發揮作用，協助公司更有效地投放行銷預算。

常見誤區：

不要以為大數據可以取代人類管理者。數據顯示的是「什麼 (What)」，但管理者仍需負責理解「為什麼 (Why)」並做出最終的道德決策。


5. 大數據的挑戰與風險

這並非全是好處！公司在推行時必須克服幾個障礙：

  • 成本： 購買處理大數據的硬體和軟體非常昂貴。
  • 技能差距： 大多數傳統會計師並未受過數據科學的訓練。公司需要聘請「數據科學家」或對現有員工進行培訓。
  • 數據安全： 數據越大，責任越重。如果公司的客戶數據遭黑客竊取，將面臨巨額罰款和聲譽損毀。
  • 資訊超載： 有時數據量過大，反而會讓管理者感到無所適從，甚至「癱瘓」，導致無法做出決策。

快速總結框

大數據： 由 4V 定義：容量 (Volume)、速度 (Velocity)、多樣性 (Variety)、真實性 (Veracity)。
結構化： 有組織（試算表）。
非結構化： 混亂（社交媒體/影片）。
分析： 從描述性（過去）邁向預測性（未來），再到處方性（行動）。
主要優點： 更快速、更準確的決策。
主要風險： 高昂成本與數據安全問題。


做得好！你剛剛已經掌握了績效管理中關於大數據和數據分析的精華。請記住這個邏輯：只有當數據能協助我們比昨天做出更明智的決策時，它才有價值。