2018.11.14
近十年全球掀起“Big Data”或“大數據”旋風，企業、政府紛紛關注與討論「長期慣用的市調與民調的研究調查方法，面對大數據來襲該何去何從？」事實上，本來就沒有「完美的調查方法」，反之，我們認為好的研究調查應該有效整合大數據與調查研究資料，提供對企業、政府決策上有價值的Rich Data。
我們發現，大數據與研究調查在本質和應用的目的上存在一些差異：
- 調查目的：相關性VS因果性
大數據先驅、牛津大學教授麥爾荀伯格 ( Viktor Mayer-Schonberger，2018) 在《大數據》一書中提到巨量資料相較於傳統調查的小數據，在於探討資料間相關關係 (Correlation)，而非因果關係 (Causation)。大數據往往關注的是相關性，挖掘「正是如此」(What) 的事實關聯，而市場研究或民意調查許多時候想要瞭解的則是「為何如此」(Why) 的前後因果。
以全球最大實體零售通路Walmart為例，最廣為人知的大數據應用即「啤酒」與「尿布」間的相關性，他們透過內部的銷售數據找出兩者商品間的「相關性」，創造出更多的產品商機。然而，下一步想的是「為什麼」？則透過後續其他研究調查才發現，原來美國有嬰兒的家庭，多為媽媽在家照顧小孩，而爸爸則負責周末購買尿布，因此購買尿布的同時也會順手購買啤酒。
- 資料特性：量VS質
大數據的「大」來自於在極短時間內蒐集到大量資料；在資訊科技高度發展下，利用社群媒體、互聯網或行動裝置等媒介蒐集行為「數據」，排除調查訪問中受訪者記憶偏差或無回應等偏誤。
儘管如此，我們不能忽略大數據在沒有清楚界限下，即使現成的數據再大，研究調查人員仍然無法確保數據的代表性。舉例來說，透過智能裝置記錄的消費者行為或社群媒體上的發言者內容，也都不能涵蓋全部的行動者。若研究調查人員無法確認大數據的覆蓋率或者代表群體的特性，即便樣本規模再大，可能會因為該數據不具代表性或涵蓋率不廣而產生誤導決策的謬誤。
然而，傳統的研究調查方法當然也有涵蓋率與代表性的問題，例如市話調查隨著網際網路與行動電話愈來愈普及，市話申裝率逐年下降，尤其年輕或都會區族群的確實樣本代表性，已成為市話調查最大的威脅與挑戰。
因此單一調查工具顯然已不足應付現況，為突破此困境，我們建議採用市話結合手機調查的多元方法，透過高階統計分析，整合不同來源地數據，將能有助於減少市話調查推論上的限制(AAPOR，2016)[1]。
[1] 美國民意研究協會(AAPOR). 2016. Evaluating Survey Quality in Today’s Complex Environment. AAPOR Report.
- 數據結構：非結構型VS結構型
由於大數據的資料體量大且變化快，資料通常又不是因特定目的而蒐集，可能發散且不容易辨識身分，顯得數據較屬雜亂且不規整；而一般研究調查皆是有特定目的，根據目的尋找調查對象蒐集數據，因此身分特徵是可識別的。
舉例來說，就目前廣為企業、政府機關偏好的網路輿情分析來看，針對各類論壇網站、社群媒體、新聞報導等網路發言蒐集數據，然而面臨到最大的困境就是中文的語意判讀和去身分辨識。相較之下，若透過面訪、電訪或網路等其他研究調查方式，所取得的數據都是透過特定的方式，便能明確掌握性別、年齡或區域等不同特性間的分布情形。
因此，要如何結合大數據與研究調查的結果，提供Rich Data，便成為目前研究調查人員的挑戰，我們建議可從三個面向著手：
- 質量資料並用，融合不同的資料處理技術：大數據並不一定意味著是高質量的資料，結構雜亂無章，因此可透過雲計算處理並分類龐大的數據，進一步透過特定研究調查方式以統計技術來驗證大數據的質量，更有效解釋研究結果。
- 兼顧相關性與因果性：我們可以先從大數據中挖掘「有相關的是什麼」，以有關聯性的數據為基礎，再以研究調查的方式，瞭解背後深層的原因「究竟是為什麼」？故而，相關性與因果性兩者是相輔相成，而非對立。
- 採用多源(multi-source)調查方式：一些和消費者行為相關的數據，如收視率最高的節目、銷售最好的產品；或是和民眾意見相關，如討論最多的政策議題或候選人等，這些都可以透過大數據方式取得，搭配研究調查方式，如量化網路調查深度訪談等，掌握消費者或民眾的真實態度與感受。因此，非單一來源的調查方式更能有助於協助瞭解消費者大眾的需求與行為現況，更精準的掌握趨勢脈動。
面對資料經濟時代的到來，關鍵不在於數據的多寡，仍在於研究調查人員是否能夠掌握客戶需求，釐清調查目的，設計一套兼具效率與效能的調查專案，整合為Rich Data洞察趨勢，協助客戶抓住成長契機與打造競爭優勢。
Call for more information:
陳紀君 策略研究總監
Tel : 02-2740-1848
Email : cc.chen@trendsightinc.com
時勢股份有限公司