章.大數據與電子商務

節.大數據崛起與電子商務變革

一、何謂大數據

二、大數據對傳統電子商務的影響

三、大數據成就新電商4.0

四、大數據電商營運模式

第二節.大數據電商技能與挑戰

一、微觀視角

二、宏觀視角

第三節.大數據電商機會與前景

第二章.大數據電子商務之輿情探索

節.站外情報探索

一、谷歌搜尋趨勢

二、谷歌消費者氣壓計

三、網絡爬蟲

第二節.站內情報探索

一、購物籃分析案例

二、購物籃分析案例之R語言實作

第三節.社群情報探索

一、Power BI安裝與設定

二、臉書數據探索（具管理權限）

三、臉書數據探索（不具管理權限）

四、IBM Watson社交情報探索

第三章.大數據電子商務之數字足跡掌握

節.深度流量分析

一、傳統網站HTML程序代碼安裝

二、套版式網站安裝

第二節.廣度流量分析

一、SimilarWeb之自我網站分析

二、SimilarWeb之他人網站相對分析

第三節.移動流量分析

一、移動使用分析理論依據

二、制作網站型App

三、iBuildApp之谷歌分析嵌入

第四章.大數據電子商務之信息濃縮與獲取

節.主動式掃碼互動

一、一維條形碼

二、二維條形碼

三、個性化QR-Code制作

四、掃碼行為分析

第二節.主動式擴增實境

第三節.非主動式超聲波互動

第五章.大數據電子商務之善用情報數據可視化與人工智能

節.跨區域電商情報探察利器

第二節.大數據可視化呈現

一、程序代碼嵌入式

二、GUI界面式

第三節.智慧語音客服訂單不漏接

結.語

研習任何技能的目的除了滿足自我學習興趣之外，不外乎是想要用所學技能在就業市場上占有一席之地。然而技能可謂是千百種，究竟什麼樣的技能纔是值得學習的呢？關於這個問題的答案眾說紛纭，也是每個人從小到大都會不斷面臨的課題。有鋻於此，本章將從“宏觀視角”與“微觀視角”來描述何謂大數據電子商務所需的技能，在我們描述這些技能的同時，輔以實際人力銀行網站所公告的職缺來佐證，一方面讓讀者觀察實務界脈動，另一方面也期盼此舉能夠增強讀者學習信心，所謂知己知彼百戰百勝，知己不知彼或知彼不知己將一勝一負，不知己亦不知彼則每戰必殆，那麼就讓我們趕緊掌握學習脈動與方向，加入百戰百勝的行列吧。

一、微觀視角

“大數據電子商務”一詞由兩個名詞所組成，也就是“大數據”與“電子商務”。換句話說，若以微觀視角來審視，這兩個領域都有其各自所需學習的技能。以圖 1-40為例，我們在紅色方框處輸入“大數據”查詢人力銀行網站的職缺信息，結果發現職缺總數為2197個 （含全職、兼職、高階、派遣、接案與家教等），表示在就業市場上與大數據相關的職缺需求甚為迫切。如果仔細端詳所查詢出來的職缺，也許具有信息背景的求職者會感到開心並且躍躍欲試，但是對於非信息背景的求職者來說，可能會感到望塵莫及。然而現實情況剛好相反，大數據相關職缺並非信息背景人士專屬。若試著將上述職缺搜尋領域縮減或是勾選非信息領域，結果也許會令自己大喫一驚！

以圖1-41為例，我們在藍色方框處勾選了五種非信息領域，包含行銷/企劃/專案管理類、經營/人資類、生產制造/品管/環衛類、財會/金融專業類、傳播藝術/設計類等，點擊“查詢”按鈕後，發現大數據相關職缺總數由原來的2,000多個驟降為891個，如圖1-42紅色方框處所示，若仔細端詳各個職缺情況就能發現，所征求職務內容似乎已透露出些許非信息背景人士專屬的跡像，甚至直接在職缺標題名稱中打上“管理”二字。

2017年開業的純數字非實體銀行“王道”欲聘請大數據管理人員，工作內容中明確表明應征該職務所需具備的能力，如“負責大數據平臺的數據探勘、分析與管理，包括數字數據、社群數據、互聯網數據等”“負責大數據數據源的創造與搜集，包括內部數字通路及外部社群資料等”“大數據應用模式研究與技術實作，如Python、 Machine Learning、Text Mining等，以支持數字金融產品的創新與新商機的開發”“掌握大數據平臺發展與創新應用趨勢，據以提出創新解決方案或項目規劃”等。

其實這些工作內容即使有信息背景的人士也不一定能夠勝任，主要原因在於有信息背景的人士在成長的過程中，較少涉獵軟性知識，因此在產品創新與新商機開發方面，往往無法與市場實際情況結合。換句話說，要能夠勝任上述工作內容，反而需要融入信息以外的相關知識與實務經驗，如此纔有辦法成為符合需求的大數據管理人纔。

這個職缺現像再次呼應了本章開頭的說法，即大數據相關職缺並非信息背景人士專屬。有鋻於此，非信息背景的人士應當將自己所熟悉的管理相關知識暫時予以擱置，研習自身不熟悉的信息相關知識，特別是與大數據有關的知識，待完備信息相關知識後，將其與自身熟識的管理相關知識整合在一起，這樣便能夠有效地勝任上述職缺中的所有工作內容，該銀行就是希望找到一位具有復合知識的大數據管理人纔，而這正是非信息背景人士涉入大數據相關領域的機會所在。我們若使用相同的方式查找“電子商務”職缺內容，是否也會發現類似大數據職缺的跨領域需求現像呢？答案是肯定的。

圖1-43為104人力銀行網站職缺查詢界面，我們在紅色方框處輸入“電子商務”進行查詢，發現電子商務各式職缺總數為7145個，相較於大數據相關職缺，電子商務職缺數量高出許多，可見電子商務從業者對於人纔需求的渴望與迫切。如果仔細端詳所查詢出來的職缺信息，也許有信息背景的求職者會再次感到開心，但對於非信息背景的求職者來說，可能又要感到失落了。然而如同我們在大數據職缺中所進行的進階查詢一般，事情並非如同自己所想像的那樣，正所謂行，即便是電子商務領域仍無法脫離對於非信息背景人士的需求。

以圖1-44為例，我們同樣勾選五種非信息領域，包含行銷/企劃/專案管理類、經營/人資類、生產制造/品管/環衛類、財會/金融專業類、傳播藝術/設計類等，點擊“查詢”按鈕後發現，電子商務相關職缺總數由原來的7000多個驟降至3657個，如紅色方框處所示，然而若再仔細端詳各個職缺後發現，所征求的職務內容似乎再度透露出非信息背景人員專屬的跡像。

知名團購從業者GOMAJ在人力銀行網站上公告的電子商務數字營銷專員要求，除了必須具備創意、想法、對電商領域具有高度熱忱之外，還明確表示“如果你曾服務於綜合購物電商或擁有GA證件，我們更愛”，這意味著工作經驗與證件都會是應征加分項，其中GA證件（Google Analytics網站使用分析）就是一個非常適合讓非信息背景人士考取的高就業率證件，雖然它在使用上仍無法擺脫一定程度的信息背景，但谷歌已將它簡化至非信息背景人士所能接受的範疇。

所以無論是大數據、電子商務，還是大數據電子商務，都有非信息背景人士所能夠著墨之處，並非如想像般的遙不可及。除此之外，無論是大數據或是電子商務，本身都屬於一種復合領域概念A，很難用單一領域或是

A.Markus, M.L.（2015）. New games, new rules, new scoreboards: the potential consequences of big data.

單一技能給予包山包海的概述，因此建議在大數據學習過程中，不妨以圖1-45所示的層級概念來鋪陳或規劃學習脈絡。

我們日常生活中常接觸的網站、App或是任何聯網繫統，其實都可以概略地用這三層結構來敘述。由左至右分別是“物理層”“網絡層”以及“應用層”，其中，物理層所涉及的技術通常是底層運作的操作繫統（Operating System, OS）或是數據處理與儲存技術，例如用於處理大數據、非結構化數據且能夠突破傳統關繫數據庫的NoSQL語言、能夠將大數據中的部分數據加載到內存中運算的SPARK處理技術等，而網絡層則較為偏向與網絡運作有關的技術，如網絡服務器的規劃與管理、網頁程序語言PHP、App設計語言 Swift及Android或是與物聯網 IoT相關的長距低功耗無線網絡LoRaWAN技術、Arduino及Raspberry Pi可編程裝置等，這些都肩負著搭建使用者與底層運作技術之間的橋梁角色。

當物理層與網絡層開始運作之後，應用層便可通過物理層與網絡層運作時所產生的數據來衍生出許多應用，例如以Python程序語言編寫而成的網絡數據爬取工具crawler、監控與分析網站流量情況的谷歌分析網站使用分析工具、統計分析或數據可視化的Tableau與SAS等。

在一般情況下，當架構層級越往右側的應用層靠攏時，其中的相關應用技術對於非信息背景人士來說，學習門坎更低。這個概念就好比商管學群常使用到的SPSS統計分析軟件一般，除了針對所需的統計分析進行設定之外，若加入些許的程序代碼控制，將會使數據處理更得心應手。同樣，應用層中的許多技術雖然可能涉及程序代碼，但並不會因為程序代碼的存在阻礙非信息背景人士的學習，而這也是撰寫本書的宗旨，使非信息背景人士也能夠輕松進入大數據電子商務的分析行列。

每個人的學習能力與規劃不盡相同，或許有些人在學習完應用層相關技術後，願意且能夠回頭鑽研較為深入的網絡層相關技術，甚至更為深奧的物理層技術，故圖1-45的重點並非在於特定層級的技術，而是在傳達當我們在規劃學習脈絡時要能夠有層級概念的繫統觀，畢竟特定層級中的技術很可能會因為時代變遷而遭到淘汰，因此每個人具備的層級概念的繫統觀必須能夠順應時代變化，進而與時俱進地調整學習脈絡。

接著分析一則有關大數據人纔需求的新聞報道，圖1-46為新唐人電視臺所制播的《大數據人纔需求》新聞的一個畫面，在這則新聞報道第20秒所播報的內容與上述層級架構圖中的網絡層吻合，也就是通過手機Wi-Fi信號來進行的實體店面商圈分析或是將分析結果延伸至線上與線下的O2O虛實整合應用。除此之外，在這則報道第1分04秒處提到，雖然大數據相關工作的職缺增長速度驚人且薪資水平不低，但業界卻苦於尋求不到人纔。探究可能原因是發現人纔培育方面或學習者本身將大數據或大數據電子商務復合領域過度劃分，使得學習脈絡過於片段化。

由於大數據電子商務涉及許多層面，因此在學習過程中必須時時牢記架構圖中所描述的三大層級，非信息背景人士務必把握應用層這個千載難逢的大數據電子商務切入點，待掌握其要領後，再繼續向網絡層或物理層技術學習邁進。兩位威朋數據專家張嘉祜與彭智楹在接受數字時代雜志專訪A時不約而同地提道：數據科學家並非一定是信息背景出身，數據科學家仍須具備基礎數理與資訊工程能力，此與圖1-45中的概念不謀而合。

後我們要說明的是，所謂大數據電子商務技能的“微觀視角”其實就是指大數據電子商務技能生態圈中的技能。特定技能不但影響大數據電子商務運作的成敗，更影響大數據電子商務職缺的供給與需求，因此微觀視角下的相關技能可以視為大數據電子商務運作成功的必要條件。換句話說，雖然學習者擁有這些技能，但並不一定能夠在大數據電子商務領域中占有一席之地，但若缺乏這些技能，則肯定無法加入這場大數據電子商務浪潮。那麼究竟要如何纔能在新興的大數據電子商務領域中立於不敗之地呢？答案就在接下來要提到的大數據電子商務技能的“宏觀視角”中，它將是非信息背景人士的競爭利器，能使非信息背景人士受到就業市場重用，不但歷久彌新而且堅如磐石。

二、宏觀視角

宏觀視角下的大數據電子商務並不強調特技能，反而重視各

A.搶當大數據科學家，五大特質你有嗎？https://www.bnext.com.tw/article/36144/BN-2015-05-02-182907-109（數位時代）