二次大战时，德国纳粹军队所使用的「ENIGMA密码机」(音译：恩尼格玛密码机)，可以将普通的讯息，加密成乱码，随着转轮与接线的设定和组合，变化出159京(1016)种密码，利用无线电报的方式，把密码传给远端的伙伴，由接收的一方，用相同的系统解密，还原讯息。

ENIGMA密码机的资讯量庞大，敌军如果没有解密系统，即便是最出色的数学家，也必须拦截大量电报，经过数星期的研究后，才能解开一个密码;然而，ENIGMA密码机只要稍微调节转轮和接线，瞬间就可产生无数组不同的密码。

经过长时间的研究解密，英国的数学家艾伦?图灵(Alan Mathison Turing)结合了统计方法，与长期从情报单位所累积的资料，终于破解了德军的ENIGMA密码机，解密的时间从数周，大幅减短成一个小时之内，盟军也藉着破解德国密码通讯，扭转了大西洋战场的战局，成为二次大战的一个重要转捩点。

3V组合而成的大数据

这几年，人人都在讨论大数据(Big Data、Megadata，或称巨量资料、海量资料、大资料)，根据义大利研究顾问公司META Group(现在改称Gartner)，分析员Doug Laney在2001年的研究报告中得知，大数据包含「量」(Volume，资料大小)、「速」(Velocity，资料输入输出的速度)与「多变」(Variety，多样性)，合称「3V」或「3Vs」，有些企业更在3V之外，新增了真实性(Veracity)和价值(Value)两个V。

大数据近似于在二次大战难以破解的ENIGMA密码机，都拥有庞大的资讯量，并能在短时间之内，快速解构数据;不同的是，大数据包含许多非结构性(见动脑小字典)的数据。

IBM华生实验室经理张书平博士表示，员工本身交流的讯息、客户合作的建议、使用者对产品的看法等，都属于非结构性数据。

早期的技术，无法储存、分析庞大的数据，所以有很多珍贵的资料都被丢掉了;但现在分析技术进步了、所需的成本也降低了，这样的情况下，就看企业要不要处理数据、处理的目的为何，以及该如何处理，这些是企业主使用大数据分析前，需要积极思考的事。

民众走过的痕迹都是不容忽视的线索

根据全球27个行销联盟组成的GlobalDMA，和美国市调顾问公司Winterberry Group，在2015年3月访问了全球17个国家，约3000名广告人员，所做的行销人员使用大数据调查现况报告指出，行销人员最常获得大数据的来源，第一名是网站(66%)，接下来依序是，智慧型手机App(58%)、电访(51%)、社群网站(49%)。

星传大中华区数据分析事业总监Kishore Parthasarathy指出，随着科技日渐进步，媒体从传统的电视、报纸、杂誌和广播，演变成各式各样的数位媒体，品牌经营者可以从 Facebook、Twitter、WeChat等社群平台，或是民众所使用的智慧型手机、平板、电脑等媒体载具，收集大量且变化快速的资料。

透过从不同数位媒体收集而来的数据，企业主更能清楚掌握民众的生活脉动，和媒体使用行为，像是民众关心什么议题、在什么时候什么地点、使用什么载体浏览与品牌相关的讯息，藉以规画出更切合民众生活习惯的活动，并进一步分析数据，用客观的数字来判断，在各个不同媒体上应该投放多少的预算。

Parthasarathy强调，每一笔资料都不容忽视，因为多样化的数据，可以慢慢拼凑出消费者的轮廓。而当企业运用大数据时，不仅应该让熟悉大数据的专业人员，来管理和分析各式数据资料，更需要与不同领域的策略伙伴，建立起资料合作关係(data partnership)，并与时俱进地利用新科技与新工具，才能从数据中找出更多的机会。

让数字说话找出问题的解答

甲骨文亚太区企业架构师王任远认为，大数据最大的挑战在于，如何统整、储存和分析结构性和非结构性数据，并让数据跟传统的统计学相辅相成，用新的方法和思维，去分析、应用，找出数据的价值。

举例来说，第34届美国盃帆船竞赛(America's Cup)，Oracle Team USA就运用从海面上的讯息，像是风速、风向、海面气象等，结合帆船本身收集来各种参数，每天产生近200GB的数据。

透过WIFI传送大量的数据到分析器Oracle Exadata，即使Oracle Team USA的数据分析团队不在比赛现场，都能知道Oracle Team USA当天的表现，哪些地方需要修正和调整。

Oracle Team USA的数据分析团队表示，Oracle Exadata缩短了数据生成及调查的时间。如此一来，各部门就能获得即时数据，并在开会前，先针对自己的部门修正问题。也因此，Oracle Team USA能在短短一天内，就有明显的进步，最后成功打败对手，卫冕冠军宝座。

王任远表示，企业应该要专注在数据资本(data capital)上，看数据能为企业带来什么价值，而价值也会因为产业、部门人员切入的角度不同，产生不同的价值。大数据不是只有企业的科技人员需要了解，行销、业务、财务人员都需要一同学习，因为大数据能够协助做出客观、聪明的决策。

王任远提醒，操作大数据前，企业不该假设如何解答问题，而是要让资料说话，透过跟资料互动，找出商业模式，之后再用简单的统计模型，检测用大数据得出的商业模式是否有效。

有了大数据精準找出民众需求

大数据除了能够应用在比赛中，更可以藉由累积和分析众多的歷史数据，观察民众的喜好、习惯，推荐他们可能需要的商品，Amazon网站近期推出的服务「Amazon Machine Learning」，就是一个很好的例子。

Amazon Machine Learning是以云端运算为基础的服务，协助合作厂商从庞杂的资料中，摘录出对企业最重要的资讯。当网友登入Amazon的网站后，Amazon Machine Learning可以根据网友的购物纪录，从成千上万笔的产品资讯中，找出网友可能会购买的产品，并让他们在30分鐘以内下单。

有了Amazon Machine Learning后，合作厂商和产品研发商可以透过分析数据，优化商品的服务或是消费体验，创造品牌忠诚度，也吸引顾客再次上门。

虽然云端运算服务能够提供企业主更多有用、精準的数据，但IBM华生实验室经理张书平指出，台湾的云端运算服务，因为牵涉到资讯安全，许多厂商不愿意把资料提供给第叁方公司处理，这也导致台湾云端运算技术，虽然讨论声量很高，却很少人因此从中获利。

张书平预估，大数据的发展会愈来愈成熟，并深入到民众的生活中，例如，透过大数据的收集、分析和应用，未来手机App可以客製化帮民众做更多事，是生活小帮手，也能跟手机的主人聊天，「大数据」可能会成为歷史名词，但实际应用会进入到各行各业。

从过去看见未来

大数据行销最迷人的地方在于，从歷史资料中找出精準的消费者洞察，也因此近几年来，大数据行销的话题热度持续延烧。

不过比较可惜的是，台湾因为企业规模小、愿意投注在大数据分析的资本也较少，再加上政府对相关法律的规範，相较于其他国家来得严谨，所以台湾在大数据行销上，仍有许多的发展空间。

　　利用大数据 赢得美国杯帆船竞赛冠军

Oracle Team USA在美国盃帆船竞赛中，每天观察海面上的讯息，并结合帆船本身的资讯，产生庞大的数据，让后勤的数据分析团队，时时调整、修正不足的地方，靠着理性的分析，成功卫冕冠军宝座。