多少數據才算是大數據？

最近支付大戰開打了，有支付業者打算花5億元發動補貼大戰，其他支付業者也絲毫沒示弱，打算反擊。會想虧錢做的生意不多，為何支付業者都不惜一切要決戰呢？如果聽他們的說法，主要說支付本身是一個重度剛性使用行為，可以得到許多用戶數據，用戶數據在未來是很重要的，所以我們現在不能被落下云云。總之，他們認為有了很多的用戶數據，可以了解很多用戶的狀態，未來就比較有機會。

這就有個有趣的問題，多少用戶數據才算是多呢？弄到這麼多的用戶大數據，我們又能做什麼呢？

有一個最近台積電總裁魏哲家說的小故事很能比擬。魏哲家說汽車晶片荒之後，從來沒跟他聯絡過的車廠高層紛紛打電話給他，表現得很像多年好友。他問對方要下單多少晶圓呢，對方說25片，他傻眼指出，台積電的晶片接單，至少要25000片才能投產啊！難怪你得不到支援啊！因為1輛車上晶片需求雖然不少，但目前這些車也就是1輛車才用到120顆晶片上下，更何況更舊的車用更少，所以車廠高層雖然跳腳，但也無可奈何。

你要做什麼事！決定你要數據量的多少

這就是典型隔行如隔山，對車廠來說，用到十萬個、百萬個晶片可能已經是很大的採購數字，供應商還會來參加比價招標呢，但這個數字對台積電來說根本還不能投產呢。所以數字的大跟小完全取決於你要做什麼。大數據之大，小數據之小，都是存乎一心。

另一個比較個人的體驗，就是很常遇到客戶告訴我，他們已經投了幾百萬上千萬元的數位廣告，希望能把這些數據做某種厲害的應用，打敗谷歌臉書啊！但其實很難說明的，就是這上千萬元的投放廣告費用很高，是客戶晚上都睡不著的數字，但是光是谷歌1年全球廣告營收就超過6兆元，台灣的數位廣告1年超過540億元，你的1000萬元大概占台灣的1/5400。各位可以查查罕見疾病比方馬凡氏症，這類罕見疾病被叫罕見的原因，就是機率是大概1/5000。所以，這樣的預算如果要做怎樣怎樣的厲害應用，恐怕都有點困難。

大家對谷歌、臉書之類巨頭手上的數據總量認識往往很淺，其實，盤點一下你日常使用行為，你就知道他們手上有的數據量：你會開谷歌地圖嗎？你總會用一下IG跟臉書吧？你的手機是安卓嗎？要跟巨頭博數據就跟去賭場博機率一樣，是非常吃力不討好的事情。

做有用的事！不一定要靠天文數據量

但跟客戶這樣講肯定是非常不妙的，還是要幫忙想些辦法啊？還好對於多數公司，未必需要這些數據，才能做好數位轉型。因為，他們手頭的專用目標小數據是不少的。比方說美國郵政對於用戶資料知之甚少，但有個資料他們很熟悉，就是筆跡資料。所以美國郵政的筆跡系統何以辨識98%的郵件標籤，剩下2%讓人類專家找出到底在哪裡。這套系統運作得很好，主要是他們沒有包山包海，很清楚郵政效率提升需要的就是辨識筆跡，而這種筆跡數據在美國郵政多如牛毛，幾乎每個郵件上面都有，可以說是一種隨手可得的大數據。如果美國郵政是想要對寄信用戶的狀態做出準確的分析，他們手上這樣的資料應該很少，也很難做好，這也不是美國郵政的核心生意痛點。所以，還是要從自己有的數據，做出需要什麼樣大數據系統的判斷。

另一個例子是Vigilant是一家數據公司，在美國做警用自動車牌辨識系統，它們要做到這點，手上的資料要多少呢？它們宣稱手上至少有50億筆車牌紀錄（是記錄數不是車牌數，所以沒寫錯），以及美國不少執法機關提供的15億個數據點。這麼多的數據目標也僅僅做自動車牌辨識而已。兩個案例也證明，不一定要有天文數字的數據量才能做有用的事情。即使只有車牌或者筆跡資料，這兩個系統還是表現很好。在多數的演算法應用都還沒普及的現在，其實要改善大部分效率，不需要超大數據。

回到頭來，多少數據對支付產業才是夠的呢？我認為是要看主事者想法，如果只是改善會員服務等等小目標，我想是沒問題的。但長期想要建立一個壟斷性的管道，最好廣告也在我這兒，數據應用也在我這兒，所有東西都在我這兒，我想這樣數據量是不太夠用的。那樣的數據量就算是LINE台灣這種龐然大物，也只能說勉強夠而已，比起控制作業系統的巨頭還是不太夠。畢竟數據蒐集不像是實體展店，全球巨頭是隨時可以住在手機的基本建設上入侵。而且把數據應用都捆在自己家裡，長期來說再多補貼也不夠。比較好的作法也許是支付業者能支持比較開放性的數據生態系，但這一切可能要等支付補貼大戰先打完才行了。