挑戰資料分析工作 需要具備哪些關鍵能力？

現今大資料是最熱門的議題之一，也有人將大資料比喻為推動人類社會發展的「新石油」，不過東吳大學數學系助理教授吳牧恩卻認為，目前「大」資料的定義仍含混不清，「任何東西只要冠上大資料就很厲害的樣子，但其實就只是資料分析」。

另外，他也認同臺灣大學資訊工程學系特聘教授林智仁老師的說法，「當個人的儲存設備裝不下時，就稱為大資料」，如有些人認為3GB的文字檔，就算大資料，不過，對於用Hadoop工具的人，分析300GB的文字檔也不成問題。

因此，吳牧恩表示，資料分析的目的就在於預測事件，就算是分析「小」資料，也能得到很好的結果。他說，不論分析資料量的大小，長時間分析資料的人，就是能稱之為資料科學家。

在資料分析方面，吳牧恩專精於預測市場，以預測臺北市長選舉為例，如透過將柯文哲、連勝文各設定為一檔股票，每張股票的價值介於0至1之間，2張股票的價值相加等於1，而每張股票的價格，也就是等於當選的機率。

當越來越多人認為柯文哲會贏，就會有更多人購買這張股票，導致此股票在市場上的價格上升，也代表其當選機率會越來越高。而對設計此預測市場模型的科學家來說，最重要是設計出的模型，能確保每個人都能誠實地去賭，也就是若預測連勝文會贏，就會買進此股票，而非為了其他投機的原因，如此一來，研究人員就可以蒐集到正確的資料。

吳牧恩不光透過預測市場，蒐集到最新的民意，他在中央研究院資訊科學研究所參與研究案中，也接到一位來自於澳門，研究金融的教授求助，這位教授在金融海嘯期間，自美國華爾街取得其中5天的整體市場選擇權交易的資料，但這批資料量太大有300GB，已超過專精金融領域的教授可以處理的範圍，因此求助於中研院，希望能協助整理資料。

吳牧恩表示，跨領域合作最大的困難為，因缺乏足夠的金融知識，在溝通上會產生難以互相了解的問題，要重新建立知識背景還要花很長時間，他說，「就算請了名師也不一定能很快學會。」

而在分析選擇權資料方面，就算已經知道每一個欄位代表的意義，但仍無法判斷例如最佳價格和完整價格（Full Price）之間的區別。另外，由於選擇權的資料結構相當複雜，包含不同的結算週期，如月結算、日結算，還分為買權與賣權等，吳牧恩表示，像此複雜的資料結構，也會增加分析資料上的困難。

熱忱是能精準分析資料的關鍵

吳牧恩表示，資料科學家在面對複雜的資料結構時，最需要熱忱，一旦透過分析資料，而發現教科書上未出現的事實，此成就感會驅使資料科學家逐步解決所面臨的困難，他說，「雖然一開始很痛苦，但一旦上癮了就停不下來。」

不光要有熱忱，他說，資料科學家也需有好的理論基礎，如數學、統計、資料探勘（Data Mining），與具備好的實作能力，如熟悉程式語言撰寫（Hadoop）等，他也強調，IT人在分析資料時，擁有跨領域能力相當重要。另外，吳牧恩表示，在解讀資料時，最常遇到的迷思就是會陷入自己的思考胡同中，只關注到一個面向，唯有不斷地累積經驗，才能更為精準地解讀資料。

最後，吳牧恩表示，數學是所有學科的基礎，只要將數學學好，要做數學模型或者其他應用，上手的速度都比較快。

相關報導請參考：「大資料三部曲之3｜資料科學在臺灣」、「大資料三部曲之2｜資料科學走入企業」、「大資料三部曲之1｜顛覆傳統的大資料處理新思維」