作者：汤玛斯．戴文波特（Thomas H. Davenport），曾获《顾问》（Consulting）杂誌提名为全球二十五大顾问，是齐夫．戴维斯（Ziff Davis）出版社的「资讯科技百大最有影响力人物」之一，也是《财星》杂誌全球五十大商学院教授之一。
新创与线上企业没学会的事虽然来自线上与新创企业的大数据经验谈很受用，这些企业的所作所为却未必永远是对的。有些状况下，它们其实提供的是负面教材。这些错误示範或许不会让公司垮台，也不是每家公司都如此，但是却可能因为这些错误的做法，而导致新创企业的成功变得比应有水準差一点。
一、未与顾客分享资料大数据较敏感的议题之一是，顾客对关于自己的资料，或者是从自己的线上活动中产生的资料，到底能够掌握多少？聪明的公司会基于一些建设性的用意，而把这样的资料提供给顾客使用。例如，企业可藉此更为了解顾客如何使用公司的产品或服务。
大多数线上企业都不太善于让顾客知道，他们掌握了顾客的什么资料，也不太善于把资料分享给顾客本人使用。脸书与Google常会因为对于顾客资料缺乏透明度，而与顾客、媒体，以及政府执法人员发生冲突。Google确实会提供顾客一些关于他们的资料，像是个人搜寻纪录，以及你如何使用该公司的其他产品（见Google仪表板：Google Dashboard），也会告知顾客提供了什么用户资讯给政府。但还是有很多资料是顾客不知道的。
在这件事情上，大企业算是最先进的，虽然对任何人来说都还属于初步阶段而已。例如，圣地牙哥天然气与电力公司（San Diego Gas & Electric）透过「绿按钮」（Green Button）计画，让希望自行分析用电状况（藉以节省用电）的顾客，可以使用自己最长达十三个月的用电资料。欧洲行动通讯业者橘子电信（Orange）订出以顾客为中心的资料隐私政策，并已推出一些让顾客能够控管自己通讯资料的计画。
二、为收集资料而收集资料有些新创企业以及亚马逊、Google等财力雄厚的线上企业，都会为了编整资料而编整资料。这些公司相信，资料有一天迟早派得上用场。Google会从顾客身上以及顾客的行为中，收集几乎所有能够收集的资料，有时还在根本不该收集时收集。最知名的例子是，Google的街景地图绘製计画在街景车开过去时，也会收集到别人未加密的Wi-Fi资料。这些公司都有足够资源，才能如此漫无目的收集资料。虽然我觉得，如果他们能在收集资料前就先想好要用在什么地方，这些公司会更为成功。
有些大数据的新创企业一开始就有一批资料，却不是百分之百清楚该如何运用。但这对新创企业来说比较不是问题，因为它们基本上会面对来自投资人的压力，必须在很早的阶段就承诺採行某种商业模式。这两家企业都是很快就为产品与商业模式找到焦点。
从大量资料中筛选，以找出里头可能埋藏着什么金块，其实颇有意义。不过，漫无目的瞎筛一通，可能是极耗成本与时间之举。脑中先有假说毕竟较为妥当，特别是在开始收集大量资料之前，甚或在开始分析之前也是。
位于波士顿的大数据新创企业作业资料分析（Operating Analytics）公司，就是行事聚焦的好例子。该公司运用资料与资料分析，协助医院将手术室的使用最佳化。
手术室是要价不菲的资源，但是在同一家医院内部或不同医院之间，手术室的使用率却可能有很大的落差。想把手术室的使用最佳化，牵涉到複杂的分析过程，要分析的包括手术室内的房间与专业设备、病患、可安排的医生与助手，以及病患住院天数与再住院比率等结果变数。医院很难自行做这样的分析，但若有更好的解决方案，却又能轻鬆让营收实际增加。作业资料分析公司目前还在创立的初期，但我认为，这种聚焦于明确的企业问题与明确顾客的做法，往往胜过在大数据的汪洋里大海捞针。
三、谈太多技术的事大数据产业─特别是硅谷那些大数据技术的供应商，但有时也包括其他类型的公司在内─都很迷恋技术。无论是公司内的讨论内容和素材，或是为了在公司外使用而製作的行销素材，都给人很技术的感觉，导致非技术背景的人很难理解。
很多这类公司的网站，都会尽情地四处提及技术专有名词。有些会吹捧「在Hadoop上跑SQL」，却几乎或完全不说明它的意义或有何重要之处。某网站保证「Hadoop：带着Apache YARN超越批次」，却同样对什么是YARN没有详细陈述，但是又清楚写出「是Hadoop 2.0的基础」。这个问题或许部分原因在于阿帕契基金会发布的开放原始码计画名称：Apache Hadoop、Apache Flume、Apache HBase、Apache Mahout、Apache Oozie、Apache Zookeeper等等。
一个毫无技术背景的企业管理者，对这样的专有名词会做何感想？就连IBM这家在几十年前最先探讨商业导向资料处理的公司，有时候也忍不住满口技术用语。例如，在该公司一篇以「何谓Hadoop」为标题的短文里，就包括这样的用词：「这些丛集的弹性靠的不是高阶硬体，而是来自于软体在应用程式层级侦测与控制错误的能力。」
有时候确实必须使用技术语言，但这种时候也应该一併提供足够的定义内容。不过，大多时候，我们在谈论大数据时，该谈的是效益、投资报酬率、机会，以及风险。正如IBM在销售其他形态的资讯技术时学到的（但似乎又忘记了），也该是大数据供应商学习这件事的时候了。
四、太忙着赶大数据热潮大数据现在当红，创投资金业者也抵挡不了大数据的淘金热诱惑，疯狂地竞相资助该领域的新创企业。根据2013年3月一项关于创投基金的估计，光是资助四十家大数据新创企业（当然还不只这些）的资金就高达12亿美元。资金四处流动，往往会让大创业家觉得，自己的土地宛如成为别人炒作的目标。过去从事资料分析或软体业的公司，现在都身处于大数据产业。低劣业者也赶着推产品到市场中，但承诺得多实现得少，经常导致顾客不满意。
当然，这样的路线，无法通往长久的成功。大数据运动确实重要，也将维持很长的时间，但未来它也会进化，也可能又换好几个名字。重点在于，你是否明确定义了自己的市场、是否满足了顾客的需求。前资讯科学教授暨大数据公司Vivisimo（已遭IBM购併）创办人拉乌．瓦帝斯－培瑞兹（Raul Valdes-Perez）是这么描述自己公司的，「我们採取了既阻挡又打击的策略─开发出好产品、详尽说明产品、公平对待顾客与潜在顾客、把人才的招聘当成第一优先事项，并透过慎选的公开示範与公关活动，吸引外界对我们技术的瞩目。」
当然，大数据产业仍在襁褓期。部分上述的错误判断，或许只是出于经验不足或不成熟。这个产业的成功与失败因素，肯定也会随时间而改变。不过，过去也不乏技术起家的企业，但很明显，不管是哪种技术，疏于做好管理同样是一种高度有问题的行径。大数据肯定也一样。
书籍介绍《大数据@工作力：如何运用巨量资料，打造个人与企业竞争优势》，天下文化出版 作者：汤玛斯．戴文波特（Thomas H. Davenport）
大数据不只是时髦的流行语，本书能为你将大数据转为大决策，从巨量资料中找到巨量商机！
Photo Credit: GAU Galeria de Arte Urban @ Flickr CC BY ND 2.0