Big Data在臺灣應用方向(四)

企業經營高層在做決策時，如果要尋找一個問題的解答，傳統做法是把這個問題可能產生的情境，全部都沙盤推演一遍。如果面對單純的問題，傳統的作法一樣可以很快就找到答案，但若面對的問題需要處理巨量資料，就不可能套用傳統的方式解決。決策者的期望是，馬上就能得到有所根據的答案，因此，有一些企業在評估巨量資料解決方案時，也會考量到決策建議模擬分析的應用。而新光銀行日前決定導入巨量資料處理平臺時，就決定以此因應新的核心業務發展。

「以前即使有很多想法，但是礙於資料處理技術的限制，一直缺乏驗證的機制或方法。」新光銀行資訊長張長和認為，導入巨量資料處理平臺之後，將能有助於高層業務決策。因為新的資料處理技術，強調平行運算，可以大幅縮短資料處理時間，對於決策者而言，在同樣的時間內，就有機會針對不同決策進行更多不同維度的模擬與分析，然而根據每次的分析結果再做調整，最後形成一個完美的決策，瞄準目標的機率就高了許多。

目前新光銀行的概念驗證，是以過去每天耗費許多時間處理的大量批次作業，在SQL程式原封不動的情況下，轉移到巨量資料處理架構下執行，然後測量執行資料匯入的時間與查詢時間，進而與原有批次執行時間比較，來評估巨量資料處理平臺的效能。

對於新光銀行來說，由於巨量資料的分析，主要是以結構性資料為主，而且資料量也沒有大到PB級以上，因此，現階段並不會考慮Hadoop這樣的技術，而是以可橫向擴充的系統架構，做為長期發展巨量資料應用的起點。因此，在評估巨量資料平臺時，除了著重大量資料處理的硬體效能之外，更重要的是，如何挑選適當的外部顧問服務團隊，新光銀行長期的目標是要藉由外部顧問，培訓內部的資料分析種子成員，後續再逐步發展巨量資料的相關應用。

張長和認為，目前金融業的巨量資料，仍舊偏重結構資料分析，但是，面對急速成長的非結構資料與相關應用也不容小覷。對於任何一家銀行業者來說，現階段就是做好準備，一旦後續有非結構資料分析的需求，馬上就能在既有系統架構下擴充，並且因應業務發展需求。因此，新光銀行會以資料倉儲做為巨量資料處理平臺的基礎，然後再依據不同階段的需求擴充。

以往銀行著重的資料分析，在於客戶檔案、帳戶明細、交易歷史、財務報告，這些資料都是由各個帳務系統產生，所做的分析都是事後追蹤，也就是靜態資料的分析。但是，張長和認為，巨量資料著重的是「未來分析」，也就是經由各種流動資料分析出未來的走向，進而搶先布局市場。

以基金／期貨買賣為例，在埃及引爆茉莉花革命時，幾乎所有新聞媒體都沒有辦法取得即時新聞資訊，唯有透過Twritter這類社群平臺才能獲知一二，從經營者的角度來看，如果在做決策時，能夠有效整合Twritter上的即時訊息，就有可能預測石油價格走向，進而做出對的決策。

相關報導請參考「巨量資料在臺灣」