2016 台灣 Big Data 市場五大趨勢預測

再過幾天，全世界一年一度的各時區輪流新年倒數、高空煙火四飛的時刻就要來臨。上一篇我們結算完《2015 年台灣 Big Data 市場五大趨勢預測》，又到了該提出新一年趨勢預測的時候了。

圖 1. Big Data 無所不在

面對 2016 年台灣的 Big Data 市場發展，有一個主旋律是要先哼唱上口的 ── Big Data 無所不在。如圖 1. 所示，幾乎 ICT 檯面上的熱議主題，底下都需要有一個 Big Data 平台，做資料分析與智慧行動的應用支撐。

2016 年台灣 Big Data 市場五大趨勢預測

以下即是筆者提出的 2016 年台灣 Big Data 市場五大趨勢預測：

1. Big Data 多行業持續深化應用，零售、金融、高科技製造尤其顯著；
2. Machine Learning 不是夢，但高價值應用聖杯不易尋；
3. 行銷人員對數位行銷閉環的操作日漸熟悉，工具日漸自主；
4. 資料擁有權與預算費用化兼具的虛擬私有雲會成為 Big Data 應用佈署的第三選項；
5. 跟隨標竿企業的速度加快，但痛過才知該如何擁抱 Open Source 軟體。

各項預測說明如下：

1. Big Data 多行業持續深化應用，零售、金融、高科技製造尤其顯著

截至目前為止，Big Data 風潮最大的成就，並不是在某個行業創造出多少產值，或是促進多少就業人口，而是它以更寬廣的人類應用角度，帶起了這些持續不輟的議論與投入：資料科學、智慧生活、開放社會、公民價值、實驗未來。在 Internet 與行動網路發達的地區，Big Data 應用已經具有某種的普遍性 (Ubiquity)，而且正從 Internet 服務大張旗鼓走向企業。

幾股 Megatrends 齊頭並進：物聯網、工業/生產力 4.0、零售 4.0、金融 4.0、FinTech，讓零售、餐飲、百貨、連鎖、流通、廣告、製造、金融，還有一直位居軍火供應角色的資訊業，都捲進 Big Data 的應用風潮中。

事實已經很明顯，若只把 Big Data 當做一個產業、一個市場、一種技術，那真是看得太窄，也太缺乏跨域的宏觀視野。在 2016 年，我們可以看到上述行業，尤其是以消費者為對象者，推出更多一新客戶體驗的服務。而這些服務，將不乏 Big Data 應用的身影。

2.  Machine Learning 不是夢，但高價值應用聖杯不易尋

既是 Big Data，即免不了具有 3V 的任一或多個特性：大、快、雜。只要資料屬其中之一，在要能夠對之分析，產生洞見之前，免不了要費點技術功夫，做好資料準備 (Data Preparation) 的工作。

然後呢？

Machine Learning (機器學習) 很熱，Deep Learning 接著來，人工智慧很令人期待，但如果只期待結果，疏於照料過程，結果將不令人意外地心碎。

Machine Learning 不是夢，但是好夢不易圓的主要原因，是因為惟有人才儲備與研發預算充沛的組織，才有足夠的資源與耐心，搭橋跨越領域知識專家與機器學習專家中間的那道鴻溝。一個高價值的 Machine Learning 應用里程的到達，往往需要多年的累積，包含人類智慧面與人工智慧面。

沒有做好長期投入準備的企業，無論是使用資本市場的累積，或是對現金流的經營，終將功虧一簣。2016 年，會有一批企業開始做起 Machine Learning 的價值夢，但只有做好持續研發準備者，才有可能在一段時間後找到聖杯 ── End-to-End 實現高價值的 Machine Learning 應用。

3. 行銷人員對數位行銷閉環的操作日漸熟悉，工具日漸自主

所謂的數位行銷閉環 (Digital Marketing Closed-loop)，是指一整套的「連結、驅動、洞察、分享、再行銷」的過程，這是 Big Data 時代，行銷人員必備的知識與技能。

筆者曾多次提及「Big Data 是企業管理問題」，當企業內的行銷人員無奈或不耐過長的等待，而市場上又有工具可提供滑鼠操作就能實現行銷所需的及時運算時，消費者行為洞察與精準客戶分群不必再透過 IT 或 Data Team 就能實現，再加上串接好的個人化行銷 Action 工具 (如 eDM、廣告投放、IM、SMS)，完成成效可追蹤的 Retargeting 行銷閉環。

2016 年市場上會出現更多以 Big Data 為基底的行銷工具，而這些就是數位行銷工作者拿來鍛鍊自身競爭力所需學習的新武器。 

4. 資料擁有權與預算費用化兼具的虛擬私有雲會成為 Big Data 應用佈署的第三選項

由於行業法規與資料擁有權或使用權 (Data Ownership or Right to Use Data) 的考量，台灣企業在使用公有雲上，一直都存在諸多的阻礙因素。使用各類型 DaaS (Data-as-a-Service) 公有雲服務的好處，是企業將本來要一次性編列的軟硬體建置資本支出 (Capex)，變成經常性的費用支出 (Opex)，但 DaaS 另外帶來的特性是：

• 公有雲通常是標準功能，無法客製化；
• 雲服務提供者即使不是資料擁有者，但通常會在使用授權規範中明訂它具有使用資料的權利。

於是乎，Opex、Data Ownership、功能客製化三者兼具的虛擬私有雲 (Virtual Private Cloud)，就會成為一種企業、Big Data 軟體廠商、IaaS 提供者三方都能受益的採購、經營、與服務模式。在 On-premises 與 DaaS 之外，這種第三選項，會在 2016 年開始興起。

5. 跟隨標竿企業的 Big Data 應用導入速度加快，但痛過才知該如何擁抱 Open Source 軟體

許多企業對 Open Source 軟體已經具備一定的熟悉，而且知道善用可以降低成本。但基本上，分散式運算類型的 Open Source 軟體，其複雜程度相較 Client/Server，或是 Browser/Server 架構者，真是超出很多。 

一晃眼，Hadoop 從 2005 年誕生到現在，也已經過了 10 年，基於這套 Big Data 處理主流平台所運行的線上系統 (Production Site)，已經從 Internet 公司擴散到更多的企業環境。隨著標竿公司的成功案例與應用價值累積，會有越來越多的同業在評估後跟進。

2016 年在特定行業，跟進的速度，會有突出的進展，如高科技製造、電信、金融、零售、甚至是教育。然而，在企業跟進探索 Big Data 價值的過程中，會發現如果內部人員沒有先期的養成、一段時間的應用 Practice，將會被許多的大小石頭絆倒。這樣的痛，特別是在採用比 Hadoop 還要新的其他 Open Source 技術時 (如 Spark)，更會被放大。2016 年，將更能凸顯能夠提供穩定產品、應用架構顧問、技術支援服務、及時回應企業問題的專業廠商價值。

總結來說，2016 年台灣 Big Data 市場還是持續向上，企業編列相關預算的家數與金額只會多不會少。但效益的呈現與管理能力，才是 Big Data 市場成長幅度的關鍵，不管是企業需求端，還是資訊廠商供應端，兩者皆同。

感謝收看。老話一句：我們明年再來。