在對大數據有初步的瞭解之後，我們就接著來看看如何運用大數據的資料來創造價值，我們不妨將大數據想像成1座礦山，要怎麼從礦山中挖出有價值的金礦，就是資料探勘的重點。
找出藏於資料中的金礦
資料探勘翻譯自Data Mining，無論中英兩者都無法完整詮釋它的概念，因為資料探勘並不只是找尋資料本身，更重要的內涵是透過電腦自動化分析，從大量資料中找出過去未被發掘的潛在資訊，並做為決策時的參考依據。如果以汽油來做為比喻的話，資料探勘的工作涵蓋了尋找油田（尋找資料源）、開採石油（收集資料）、精煉（尋找資料中的潛在資訊），以及將汽油做為燃料（運用潛在資訊創造價值）。
舉個最簡單的例子，購物網站中的推薦商品符合這個概念，當消費者在網站上購買商品時，系統可以記錄所有購買的品項，並作為消費習慣的分析，例如購買特定日用品的頻率與數量、對服飾顏色的偏好、喜歡的音樂類型等等。如此一來購物網站就能透過析後的資料，推估使用者下次購買日用品的時間，並在接近時自動寄送廣告郵件，或是當有消費者可能感興趣的商品促銷時自動通知，提高消費者購買的意願。
▲Amazon是全球最大購物網站之一，它的推薦商品功能就是資料探勘的成果。
隨著電腦、行動裝置、物聯網裝置逐漸融入生活中的每個角落，尋找與收集資料的方式也產生了很大的變化，甚至我們可能根本沒有意識到資料正在被收集。例如我們使用智慧型手機的行車導航功能時，系統就能透過手機內建的動態感應器，計算每個路段的行車速度推估車流量大小，並配合當時的時間、日期進行分析，如此一來可能就能得到平日上班時間走高速公路會塞車，或是每個星期六市區的哪些路段特別擁塞等等路況資料，有了這些資料的輔助，導航功能就可以提出更流暢的路線規劃，而不是單純只從地圖上搜尋最短路徑。
運用方式多元靈活
有些時候，資料的收集與使用方式也可能出乎我們預料，舉例來說，在使用搜尋引擎查詢資料時如果打錯字，系統便會顯示以修正過的關鍵字進行搜尋的結果，當使用者點選任一結果後，系統便可以知道修正的結果是正確的，反之若使用者選擇改為搜尋原本輸入的關鍵字，系統也能夠知道原本被判別為錯誤的字是「確有其字」。
更進一步，系統還可以記錄使用者進入哪個搜尋結果，在往後進行翻譯、輸入法的功能改善時，就可以讓電腦程式或工作人員直接參考最多人選擇的搜尋結果（換句話說就是使用者在無意間進行人工篩選），將該辭彙的資料輸入至資料庫。
▲以Google搜尋為例，當使用者輸入的關鍵字可能有誤時，系統會自動進行修正。
資料探勘與大數據可以說是一體的兩面，我們需要先設法取得資料並挖掘藏於其中的潛在資訊，並活用這些資訊來創造價值，上面例子中講到購物網站的推薦商品、行車導航的車流預估、搜尋引擎的自動修正，都能創造出業績與服務品質提升的價值。
不過人類與生具來的頭腦也是個好東西，能夠透過邏輯判斷、經驗類比等方式解析事件的因果關係，而資料探勘說穿了只是透過統計、分析極大量的資料來找出高度相關的事件，所以在進行資料探勘的過程中，也不要將相關性凌駕於因果關係之上，否則可能會做出許多倒果為因、另人哭笑不得的決策。
說文解字使用範例：資料探勘
O：資料探勘需要仰賴創新思維挖掘潛藏的資料，並靈活運作。
X：星期天我們一起帶著鏟子上山進行資料探勘。
（封面圖片來源：Flickr，本圖採用創用CC姓名標示-禁止修改分享，作者為Mathematical Association of America）
你或許會喜歡
