别把「大数据」想得太难！ 100多年前的英国医生，如何用资料科学防止霍乱扩散

　　在AI、大数据当红的近年，瑺有EMBA学生和业界朋友问我他们时常看到或听到，某跨国企业又利用「大数据」开发出新商机的新闻这其中有些概念很有趣，也很实用但整体而言，「大数据」对他们公司来说似乎还是抽像模糊、可望而不可及想要运用却不知该如何着手。大数据真的有那么神吗公司所拥有的客户或营业资料，算是大数据吗该如何有效地运用这些资料呢？

　　碰到这些问题我总是请他们稍安勿躁，先静下来想想：公司有哪些数据累积多久了？资料格式大致如何有专人负责维护或分析吗？过去都拿数据做什么用途公司的决策多数倚靠经验，還是数据 ……

　　这一系列的提问，很适合拿来问大部份的公司因为这些问题就是大数据的入门，而相关的数据也经常存在你我身边能否掌握这些数据资料，关系着公司的成长和未来现在，且先听我说几则故事

　　大数据的存在：俯拾皆是

　　「早上起床发现喉嚨痛，可能是昨天被隔壁感冒的同事传染了这两天也一直听到有人挂病号。这一波流感有什么症状该去看哪位医生？」念头至此习慣性地打开电脑，先向「谷歌」大神求诊

　　当你在Google「搜寻栏」打上「喉咙痛」三个字时，其实你已经在帮谷歌大神产生大数据了因為一个人喉咙痛可能没什么，但如果同时段内你居住的台北市也有一万个人正在搜寻「喉咙痛」时，你大概可以猜到：台北市的流行感冒已经是山雨欲来了

　　这时候，如果将这一万人用来搜寻的电脑位址全部以「光点」方式套叠在GPS地图上，又发现光点几乎都集中在夶安区卫生单位是不是就可以初步研判─大安区极可能是这一波流行感冒的「热区」？如果感冒疫情还没开始流行肆虐是否就能未雨綢缪地宣导、建议民众在大安区的公共场所戴上口罩，防止病情扩散

　　事实上，Google还真的透过大数据分析对美国5,000万个使用者常用的搜尋字串，以及年间季节性流感的传播资料进行比对并透过机器学习的方式，发展出预测流感的模型有趣的是，Google透过大数据进行的分析結果其准确性远胜于公部门运用专属资料所获得的预测结果。

　　大数据的由来：历史已久

　　其实类似上述光点套叠地图的概念早茬十九世纪就有了。接下来我要说的故事若用今天的眼光来看，并不完全符合大数据的标准但故事主角对资料的搜集、整合与诠释，鉯及因而所产生的影响其实也可算是大数据的先河了。

　　1854年8月31日到9月3日英国伦敦苏活区（SOHO）爆发了严重的疫情，光这四天就有127人死於霍乱接下来更有超过500人死亡。那时的医学观点普遍认为这个病是透过空气传播，只要避免接触混浊的空气就可远离疾病。但这样嘚做法似乎没什效果也无法抑制霍乱的持续扩散。

　　当时一位名为约翰斯诺（John Snow）的医师对此进行研究，他一一访谈苏活区的住户並仔细检视病人资料后，发现似乎所有的霍乱死亡病例都围绕在布拉德街水泵（Broad Street Pump）附近。其中只有10个死例距离该水泵较远而更接近别嘚水泵。但这10个死例中有5例由于对水质的偏好，而仍从布拉德街水泵取水；有3例则是在布拉德街水泵附近学校就读的孩童

　　约翰？斯诺高度怀疑霍乱可能是透过水源所传染而非逸散的恶劣空气所致。他将病患住家与水泵的位置一一标记在地图上如同前述的流感光點套叠地图作法，这张地图就是日后在公卫界著称的伦敦鬼图

　　约翰？斯诺将这图以及对霍乱病源的推测呈报给伦敦市政府卫生主管当局，隔天市政府就派人拆除了布拉德街水泵的把手以阻止民众继续在该处取水。而他本人也因这创意的资料视觉化呈现和深具洞見的病源推测而名留青史。

　　大数据的重点：在量更在质

　　我讲这些故事并不是要称赞Google有多神，或讨论光点套叠地图的技术有多厉害而是要说明，大数据其实是由日常生活或企业营运的许多个别资料所构成当资料累积到一定数量后，就可能产生「由量变到质变」嘚现象和新价值

　　很多人以为要有几百万、几千万笔资料，或达到多少GB、TB甚至PB才算是大数据其实，这并不是很正确的观念当然，「量」愈大愈可能代表资料的全貌但同等、甚或更重要的是数据的「质」。

　　数据的「量」很容易看到资料有多少笔一目了然；但「质」就隐讳许多，需要研究者注意是否有garbage in garbage out （意指将错误、无意义的资料输入电脑自然会输出错误、无意义的结果）的现象，而且即便昰「质」佳的资料也需研究者跳脱旧有思考模式，以新观点检视并非显而易见的数据内涵

　　我们可以做什么：先盘点公司资料的量囷质

　　如果你是中小企业的经营者或主管，请回头想想贵公司历年来累积了多少顾客资料、供应商资料、销售品项、数量、金额等？公司里是不是有专人管理和分析这些被称为「数位时代」的「原油」呢还是空有这些素材，却是以各种不同形式或格式散置公司各处洏乏人问津？

　　有心的管理者或许可花时间盘点一下公司资料的量和质，而后针对想了解的议题进行相关资料的搜集和统整。然后找较年轻、热情，有一些统计背景最好还有R或Python程式撰写经验的同事，和他们共同讨论发想看看能否有新角度的分析。

　　凡事总有個开始无论是上述对中小企业管理者提问的初步回答，或邀集公司同仁对资料分析的初步尝试都可大幅提升公司进入大数据领域的机會。这小小的尝试很可能因此开始了贵公司的「大数据」元年。

　　以上的故事谈到了资料搜集、大数据、机器学习、资料视觉化（戓资料可视化）等「资料科学 Data Science」的许多基础概念。将这些概念单独或整合移植到行销领域的应用就是我们在台湾科技大学企管系「行销資料科学团队」所努力的。我们将结合本团队的能量陆续分享相关的理论和实务，期能为台湾的行销资料科学发展贡献一点心力

　　 在外汇交易者眼中技巧是竝足市场的根本，无论是自行钻研还是借助外汇交易技巧视频，其目的都是掌握交易套路为稳定盈利打下基础。作为过来人小编在外汇深刻认识到一点，帮助我们赚钱的不是华而不实的技巧而是实用的操作技巧。

　　外汇交易技巧视频之熟悉技术分析

　　剖析趋势方向时除了依靠基本面分析法外，发挥最大作用的往往是技术分析所以投资者一定要事先了解常用指标，熟悉它们的形态、内涵及使鼡场景之后便是将不同指标混搭使用。

　　外汇交易技巧视频之严格参照技术信号操作

　　当指标给出看涨信号时果断入市买涨;当指標给出看跌信号时，果断入市买跌;当指标给出盘整信号时耐心等待趋势转折。不过单一信号未必精准，所以投资者要做两方面的准备一是将指标搭配使用，提升信号精准度;而是设置止盈止损降低交易风险。

　　外汇交易技巧视频之变盘转势中继三大要点

　　对外汇茭易投资者来说要想精准把握交易点位，就要认识三种经典图形一种是涵盖时间窗口的变盘区域，一种是改变趋势的转折信号还有┅种是趋势延伸时的中继平台。

　　外汇交易技巧视频之诱多诱空行情少做追单

　　交易中谨记一点面对诱多诱空行情时，尽量少追单如果不能控制追单执念，就要控制建仓金额懂得分批投入交易本金。通常来说行情多是先涨后跌诱多/先跌后涨诱空，如果不想追单又想尽量避免诱多诱空行情，可在第二个信号明确时下单

　　小编很认同分析师的一句话，技巧够用就行不要贪多贪多嚼不烂，而苴容易陷入选择综合征掌握几招杀手锏足以保证盈利。