「數據將改變世界」，阿里巴巴集團創辦人馬雲將大數據做為重要戰略項目，再一波掀起數據挖掘與應用熱潮。

阿里集團數據技術及產品部副總裁車品覺，在《大數據的關鍵思考》揭露數據思考「十誡」，並在短期參訪台灣時，對企業運用大數據提出教戰手冊。

《天下雜誌》根據訪談內容，整理出企業應用大數據的十個步驟：

第一步：數據自知：那個數字最重要

「起步點：有沒有量化自己，」車品覺說，企業的「數據自知」是關鍵。如果是電商公司，它需要定義什麼數據是重要的數據，可能是商品數、來客數、轉換率、回頭客。

但若是公司最大成本來自運費時，重要的數據可能就是退貨數，「數據不是萬能。企業需要設定三個月以及一年之內最重要的三個議題，從中提煉數據。」

第二步：口袋有多深:數據不嫌多，但要花錢

「How much is too much？到底要搜集多大的數據量才夠？」車品覺坦言這個問題曾經困擾他很多年，後來他的理解是需要搜集多少數據取決於口袋有多深。數據絕對不會嫌太多，但需要很多成本，其中包括搜集、儲存、加工、更新成本等。企業需要了解自己專案的資源，反推搜集範圍。有時寧願數據搜集的範圍小、準確、穩定，也比「大而不全」好。

第三步：確認應用方向

確定成本後，需要了解應用方向，例如：有些商場嘗試iBeacon藍芽定位技術追蹤了商場消費者的移動軌跡，但有訊息卻不知怎麼使用。

第四步：可以用數據解決的事，不要用「大數據」

大數據應用需要成本，而且大數據不是神話，有些事務用幾行幾列的表格就能解決，何必使用成本高的大數據。

第五步：搞懂十個環節

變化的時代，什麼是五年後不會改變的？只有是數據十個歷程不會改變：「埋點（設定蒐集的情境）/蒐集、儲存/刷新、辨識（確定需要的內容）/關聯、挖掘（針對特定項目蒐集）/決策與算法、應用與行動/反饋」，雖然每個環節操作細節會改變，但過程不會改變。

第六步：捨近而求遠

企業設定搜集情境時，時常就近以「公司目標」為搜集核心，譬如：買書的人，同時也買什麼。但卻可能有導致錯誤歸因。例如：有些購物網站發現，買書的人不愛買生鮮品。

但他應該跳出網站既有的數據，去猜測原因。譬如：了解顧客是不是住在超市旁邊。因為如果住在超市旁，他當然不會上網買生鮮品。這就是繞遠路，多了解「人的體驗」。

第七步：尋找別人不要的「冗餘」

一般企業都會遇到數據不夠的問題，這時就要尋找別人不要的數據「冗餘」，只要數量夠大，冗餘就有意義。例如：拿一張民國五十年的百元鈔票，交換現在的百元鈔票，究竟要換不換？有些人認為已經不流通的鈔票沒有價值，不願交換，有些人則認為其有收藏價值，所以具有10倍、20倍、100倍價值，而願意交換。

車品覺表示，到底有多少價值？其實可以從拍賣網站上取得近期成交價格，做為交換的判斷，這些公開的數據資訊，就是所謂對別人沒有意義、但對自己有意義的「冗餘」。

第八步：「快」不一定有用

車品覺認為「天下武功，唯快不破」不完全適用於大數據。例如：大數據偵測到某個人從台北前往台中，於是就將他的設定住所改成台中。其實，他可能只是短暫停留，等到他回到台北時看到的卻是台中訊息。所以刷新速度需要根據不同蒐集情境，制定不同更新節奏。

第九步：尋找人才首重思考邏輯

車品覺分享他找人的面試考題：一是「請用三分鐘介紹自己」，數據人員需要有效率地說清楚產品，如果就連產品是「自己」都說不清楚，何況其他。二是「台灣的人口數有多少？」（地點隨著應徵者居住地而變），這題探究的是思考邏輯，答案並不重要，絕大部分應徵者都會直接回答，但資深的數據人員則會反問，「要應用在哪裡」、「什麼時間點的人口」、「為什麼問」等，他們懂得答案在不同的命題下有不同的結果，懂得追問問題。

第三題是「假如本周要向某個網路公司CEO做數據簡報，請問你會提出哪三個關鍵數據？」這一題同樣是在考邏輯，但是卻是在了解數據結合商業的邏輯，有人回答營收、有人回答成本，答案可能都對，重點在於提煉商業數據的思考過程。

第十步：每個數據團隊長相都不一樣

數據團隊和企業裡的資訊後勤部門不同，每家公司資訊部門員工技能可能雷同，都需要懂得處理電腦疑難雜症，所以可能有通用的資訊團隊。

但數據團隊需要「量身」組成，沒有長相一樣的數據團隊，因此重要的是培養「團隊文化」。車品覺指出，數據團隊由不同專業背景的人組成，管理數據團隊的重點在於，讓每個人了解、承認自己都有不懂的東西，大家都不棒，大家的共通點建立在，認清在極速時代每個人都要面對變化與不確定。