圖文傳播出版與大數據人才培育 - 國家政策研究基金會

數位化時代，數據即商機。依據Forfas(2014)，目前應用大數據分析較多的領域是資訊和通信技術，金融保險、製造、電信，公用事業、零售批發，其他尚有醫療保健、製藥、運輸、物流及政府機構。而圖文傳播在數位化發展下，出版有關的資料量逐漸累積，並拜分析工具日益發展所賜，能夠提供資料分析之基礎，是故出版人需能運用工具，將出版資料轉化成各項有用的知識，作為訂定出版策略之參考，相關人才之培育至屬重要。

(一)顧客端導向的出版環境
網路行銷時代來臨，讀者購買圖書方式改變，從實體化到虛擬化，從被動性到主動性，從而改變了出版者的環境，建立顧客端導向的出版成為發展圖文傳播相關產業必備的功課。

過去讀者選書，大多是在實體書店選書，仔細的端詳、比較書籍的內容、編排、封面設計、和價格等，但自從網路發展以來，讀者慢慢改變了以往購書的方式。讀者可從網路上查閱圖書相關資訊，也能從網路上選書、購書，透過購書平台或App之建立，均可獲得購書的服務，從而讀者基本、選書偏好等資料可以獲得建置，成為顧客關係經營寶貴的分析對象。

(二)由被動化為主動的銷售環境
網路時代，資訊傳遞快速，不同於以往讀者僅能被動接受訊息，現今讀者主動性增強，主動瞭解新書資訊，主動於出版社讀者互動專區留言，或是在社群媒體推薦、評論出版資訊，有更多個人的主見、觀點，經由網路相互分享，強化雙方之間的互動性。而所有讀者的留言、經驗的分享，也成為出版社探索讀者喜好的歷程檔案。

出版社需隨時有專人負責蒐集讀者意見，透過監督、風險管理機制，隨時瞭解市場對出版之反應，尤其要運用大數據，做好風險評估，訂定其決策之先後順序並予以控管，以其提高服務品質。而這些決策之判斷均須經過科學之運算，確實做好顧客關係管理，才能化被動為主動。

二、大數據分析時勢所趨

(一)大數據之特性
依據Ahalt(2012)，大數據具有「3V」特性：資料量(Volume)，指的是巨量的數據存儲，挑戰源於龐大的數據量需進行處理(from the vast amount of data that must be processed)。速度(Velocity)，指的是用於即時收集、對數據分析的要求，挑戰源於在一定的時間內，需要處理數據(the need to process data within a certain time frame)。資料格式多樣化(Variety)，指的是生成數據的來源和形式多樣，挑戰源於需因應不同類型，整合不同格式之數據(the many different types of data needed to understand a situation)。

(二)數據席捲各行業
由MGI(McKinsey Global Institute)和麥肯錫的業務技術辦公室(McKinsey's Business Technology Office)進行的研究檢視了大數據現況發現，數據已經席捲到每一個行業和業務職能之要求，成為生產、勞動力和資金的重要因素。

根據遠見雜誌林士蕙(2014)報導，大數據分析師為IT業(主計處行業分類：J大類「資訊及通訊傳播業」，內含出版產業)前五大加薪幅度高的工作，羅恆科技（Robert Half Technology）2014年調查，擔任大數據分析的演算法科學家與分析師，在美國去年薪水成長超過7％，年薪超過15萬美元者（約新台幣450萬元）大有人在。主要原因，就是人才太少，各家企業紛紛重金挖角。

資策會產業情報研究所預估，台灣巨量資料軟體市場規模將從2014年的21億台幣成長至2017年的34億台幣，年均複合增長率達21.4%。1111人力銀行提到，IDC國際數據資訊更預估全球巨量資料市場規模至2016年將可成長到507億美元；2014年大學指考分發放榜，資工系因為大數據的趨勢分數爬升，大數據人才培育成為需要關注的趨勢。

(三)大數據人才需求孔亟
大數據分析師雖為IT業前五大加薪幅度高的工作，不過人才卻供不應求。依據2012 InformationWeek “State of IT Staffing Survey”(Henschen, 2012) 發現，40%的IT企業優先雇用大數據人員，53%很難找到精通大數據分析的專家。The Big Data London group發現，78％的受訪者回答，大數據人才短缺，70％的人則認為，大數據工作者和管理階層、CEO(企業的執行長)之間存在知識的差距。

NewVantage Partners (2012) 調查，60％的受訪者指出，很難找到並聘請大數據專家；而50％的受訪者也表示，不易聘請到識別和優化大企業應用之大數據領導者和管理者。我國經濟部工業局102年度辦理重點產業專業人才需求調查，雲端運算服務產業「雲端服務營運分析、行銷、業務人員」招募難易度呈現「困難」的情形。

OCG Consulting(2014)指出，在當今競爭激烈的市場中，資訊公司通過網頁檢索，社交媒體供稿，客戶服務數據庫和其他來源定期收集大數據正成為一股商機(OCG, 2014)。UNC Executive Development ( 2013)也表示，大數據是個大商機(data is big business)，但其人才突然降臨在產業的需求，令人措手不及，造成了人才培育的落差。

IBM 公司為了縮短大數據人才的產學落差，2014年宣稱與全球超過1000所大學建
立合作夥伴關係，準備在2015年之前提供440萬個大數據分析的工作。為了因應國際上的趨勢，國內的學術界與產業界亦需就大數據人才培育有更多緊密之合作與連結。

三、圖文傳播出版資料庫建置

(一)出版市場概況分析
出版市場的資料包括，歷年縱貫性數據，出版人員可將不同年度不同銷售通路讀者購書資料建檔，長期追蹤讀者購書偏好，瞭解不同年代讀者偏好之演變情形，並可將其與社會時勢背景結合做分析，長期來看，讀者閱讀偏好之走勢。亦可瞭解不同年度(橫斷性數據)不同通路的銷售概況，例如實體店面、行銷通路、購書平台的購書資料，藉以分析不同通路時空遞嬗所代表的演化意義。而如果增加分析因素，例如價格、圖書類型、居住地點等，將可瞭解不同年度、不同價格圖書銷售之情形，不同年度、不同圖書類型圖書銷售之情形，不同年度、不同居住地點圖書銷售之情形，更深一層者，可探討不同年度、不同價格、圖書銷售通路銷售之情形，不同年度、不同圖書類型、圖書銷售通路銷售之情形，不同年度、不同居住地點、圖書銷售通路銷售之情形，作為通路選擇更深一層之決策思考。

圖1、圖文傳播出版大數據概念圖

(二)讀者購買行為分析
此係針對讀者基本資料建檔，包括性別、年齡、職業、教育程度、休閒形態等，再連結資料與購買行為做關係的探討，例如，不同性別與購買行為之關係，不同年齡與購買行為之關係，探討不同基本變項與購買行為之關係。除此之外，可加入相關因素，例如出版社類型、出版社形象、學習風格、閱讀習慣、滿意度，探討其與購買行為之關係。亦可探討購買行為發生的規則，再推估到讀者之屬性類型，作為出版策略擬訂之參考。

(三)建置圖文傳播出版資料倉儲
資料倉儲之建置係為支援決策的一項技術，經由資料蒐集、資料清洗、預先處理過程，能迅速提供簡單或先前加總好的資料而有助於支援決策。對於如何運用資料倉儲進行知識發現，Fayyad等(1996)提出，建立目標集並專注於所選擇的資料子集；之後，再從目標資料中做預先處理(pre-processing)，去除錯誤或不一致的資料，而後進行資料簡化與轉換工作(transformation)；運用資料分析處理技術等步驟，可對潛藏於資料倉儲之各維度和各階層資料進行分析。出版人需具備運用資料採礦技術之能力，以發掘出潛在有用的知識與規則，精確找出影響讀者購買行為之決策因素。

圖文傳播出版資料倉建置包括出版銷售資料、讀者購買行為資料，銷售資料建檔係為銷售實績，包括年度、通路、價格、圖書類型、居住地點，可作為市場區隔之參據；讀者購買行為資料，主要是購買圖書之讀者基本資料，如性別、年齡、教育程度、職業、休閒形態，可探索消費行為之偏好，特別是行銷策略之運用，能夠準確的對應客群，平日即可做好顧客關係之經營。

四、圖文傳播出版需要大數據分析人才
圖文傳播出版策略訂定，應以資料為導向，將出版資料轉化成各項有用的知識，藉由內外部數據、視覺化圖像以及模型，預測業務成果，找出最有利可圖的機會，並與競爭對手區隔，改善經營業績，實現敏捷規劃，更準確獲得更好地預算和值得信賴的決策支持，同時，做好風險管理和評估，更能開拓新興技術，有助於企業挖掘潛在的商業價值，從數據中不斷尋找新的機會。

參考文獻

一、中文部分

1111人力銀行(2014)。大數據市場年成長21% 分析人才炙手可熱。取自http://www.1111.com.tw/zone/bigdata/news.asp?gid=110&autono=10857

1111人力銀行(2014b)「BIG DATA」藏金礦，資料挖礦」人才待價沽。取自http://www.1111.com.tw/zone/bigdata/news.asp?gid=110&autono=10840

林士蕙(2014)。〈大數據人才〉懂資工、統計還不夠還要會說故事。遠見雜誌，334，2014年4月號。取自http://store.gvm.com.tw/article_content_25148.html

二、英文部分

Ahalt, S. (2012 July). Establishing a national consortium for data science. University of North Carolina at Chapel Hill. Retrieved from http://data2discovery.org/dev/wp-/09/NCDS-Consortium-Roadmap_July.pdf.content/uploads/2012
Fayyad, U.M., Piatetsky-Shapiro, G., Smyth, P., & Uthurusamy, R. (1996). Advances in Knowledge Discovery and Data Mining. Cambridge, MA: AAAI/MIT Press.

Forfas(2014). Assessing the Demand for Big Data and Analytics Skills, 2013 - 2020. Expert Group on Future Skills Needs.

Henschen, D. (2012). Big Data Talent War: 7 Ways To Win. 2012 InformationWeek. Retrieved from http://www.informationweek.com/big-data/big-data-analytics/big-data-talent-war-7 -ways-to-win/d/d-id/1107156?

IBM(2014). IBM Narrows Big Data Skills Gap By Partnering With More Than 1,000 Global Universities https://www-03.ibm.com/press/us/en/pressrelease/41733.wss

McKinsey Global Institute (MGI) (2011). Big Data: The Next Frontier for Innovation, Competition and Productivity.

NewVantage Partners staff (2012 November 13). Big data talent shortage a potential challenge at Fortune 1000 organizations according to NewVantage Partners Big Data Executive Survey Part II. Yahoo! Retrieved from http://finance.yahoo.com/news/big-data-talent-shortage-potential-132900266.html.

OCG (2014).The Big Data Talent Shortage. OCG Consulting. Retrieved from http://www.ocg.co.nz/SAP%20White%20Paper%20March%202013.pdf

UNC Executive Development ( 2013). The Big Data Talent Gap. Retrieved from http://renci.org/wp-content/uploads/2013/08/The-Big-Data-Talent-Gap-White-Paper1.pdf

（本文已刊登於2015.03.01藝術欣賞2015春季號期刊Art Appreciation／學術論叢）