小心！　大數據正在消滅左腦型人才

自從工業革命後，大量傳統人手工作被機械所取代。工匠的角色被機械取代，固然令不少人失去飯碗，亦令不少原本不具有工藝技術的人，以「操作機械」的形式投身生產行業，變相令「手藝」、「經驗」的價值下降。Big Data 作為數據化革命的代表技術，被視為第三次工業革命，而這一波革命淘汰的更可能包括你和我。

數據經濟成為第三次工業革命

工業革命之所以被稱作「革命」，是因為它令人類的生產模式有了翻天覆地改變，而生產者的角色也由傳承工藝的工匠，變成操作機械的工人。機械大規模生產，讓生產不再依賴專業的工匠，工人只需懂得操作機械就能製造出不同的產品，不斷傳承的工藝、累積的經驗都失去價值。

當然，並不是所有工作都因為機械生產而受到淘汰，經過兩次工業革命後，人類工作模式改變，除了技術型工人出現外，服務業或是商業管理人員都不受機械生產模式影響，亦即所謂「知識型經濟」逐漸抬頭，成為發達國家的主要模式。

服務業和商業高管難以被機械取代，是因為機械只能取代重覆性高的行為，而服務業必須擅長「觀人於微」，商業管理人員更需要累積行業經驗，用「邏輯」作出商業決策，思考、分析這些運用「左腦」的行為，都不是單純機械能夠做到的。

大數據正在消滅左腦型人才

而 Big Data 大數據的出現，就讓這些優勢都開始消失。透過從海量的數據中分析，消費者習慣、行為都能夠預測，再加上全通道（Omni Channel）等新興線上線下零售模式出現，不僅資深前線銷售人員不再吃香，甚至可能不再需要有實體商店。

而資深技工的角色也不再重要，以前可能需要「老師傅」的經驗做判斷，或是隨時應變維修任何「疑難雜症」，但今天透過大數據分析後已能掌握故障出現的機率和原因，毋須任何經驗判斷，派出具備維修該問題的技工就可以，「周身刀」的老師傅亦不再吃香。

而商業高管更是如此。透過大數據分析，已能掌握市場的真實趨勢，亦能相當準確地預測走勢，換言之作出商業決策不再需要依賴管理人員對市場的理解和經驗，任何管理決定都可用大數據分析來決策，對中層管理人員的影響可能很深遠。

大數據分析顧客口味提早發貨

利用 Big Data 分析顧客行為，最出名的案例當然是 Amazon。模擬一下進入一家時裝店的場景，你進入商店並到了衣架前拿起多條裙子來看，這時店長過來推銷，開場白大概會是：「看你拿起幾條白色裙子來看，會否想看一下其他裙子或白色套裝？」

如果把這變成網上商店，就是大數據收集和分析。消費者就算未購物，Amazon 已可以從你瀏覽過的產品來推測你的喜好、習慣、目標價錢等，從而在旁邊的推薦欄推送更符合你口味的商品。就像實體商店裡，店長會知悉熟客喜好一樣，網上商店同樣做得到，而且數據更多、推薦更準確。

而 Amazon 更誇張的是，可以預測得到「你將會購買」，就算你未下單訂購，就已經開始了物流送貨的流程。正如小店會為熟店「留貨」一樣，Amazon 預測你（或你身處地區的消費者）會購買的機會很高，就會預先出貨到隣近的物流倉，當你真的下單時就能直接出貨，從而加快送貨速度。

2012 年有一個經典案例是美國連鎖商店 Target。某天有一父親向 Target 抗議，為何寄送尿布以及其他嬰兒產品優惠券給他家未婚的高中女兒，後來卻發現原來女兒真的懷孕了，並曾到 Target 商店買一些與妊娠有關的物品。「Target 比父親更早知道女兒懷孕」的故事，亦成為家喻戶曉的大數據準確的真實案例。

大數據協助提高採購準確度

而剛剛在早前香港資訊及通訊科技獎 2015 裡，獲得最佳生活時尚銅獎及雲端計算特別嘉許的 Mydress.com，就是香港其中一個運用大數據和 Omni Channel 的網上商店。透過收集用戶瀏覽、購買貨品的紀錄，分析消費習慣和喜好，從而更針對性地發放推廣資訊。

Mydress 創辦人黃震宇表示，該網上商店亦有運用大數據協助掌握消費者口味，除能推薦商品外，亦有助判斷入貨準則。Mydress 主打的是 Fast Fashion 市場，每款時裝的入貨量未必很多，但由於流轉很快，因此很快就能知道哪些產品較受歡迎、去貨最快，再配合與 Amazon 類似的用戶口味數據，交叉分析就能在採購時更準確。

尤其現在網上商店開始推行 Omni Channel 策略，線上買貨、線下取貨，顧客可以選擇送貨到府或是親身到實體商店取貨，實體店的角色可能只是「體驗區」或「提貨點」，門市可能不再需要高薪聘用資深的店長和銷售員來促銷，零售服務業將出現更大變化。

尋找隱藏因果關係

15 年內電腦已能取代人腦

當然，這種尋找隱藏因果關係的做法未必準確，影響澳門旅客人數、酒店入住率的因素可能很多，參數之間互有影響之餘，亦可能有例外情況，因此大數據預測從來都是估計機率。郭正光認為大數據比人腦更少偏見，不會因為過往經驗而影響分析，透過一次又一次的失誤、修正，能更快找出關鍵所在。

「未來市務營銷人員可能不用再分析，只需跟從大數據分析的結果去做決策便可以。人腦分析始終有界限，但雲端運算理論上是有無限的分析資源，幾秒已能得出準確的結果。我估計 15 年內電腦已能取代人腦，去做各種重要商業決策。」他說。

郭正光表示早已有網站開發 AI 協助客戶從不同航空公司自動尋找最便宜的機票，未來這種人工智能應用將會更多。那是否代表商業機構經理人員將受到影響？郭正光坦言「很有可能」，未來管理人員可能只需選擇相信大數據分析結果就可以，屆時行業經驗未必最重要，有否創意、能否有效管理員工，可能會更加重要。

股票分析也靠大數據

股票世界只要你比其他人早一分鐘已可以成為富翁。但事實上今天股市早已不是「人鬥人」，而是「電腦鬥電腦」的世界，很多基金公司早就利用電腦分析股票走勢，當參數達到某個指標就會自動買賣。過往財經界會聘請精算師去分析股票基本因素、市場情緒，保險公司也會分析投保客的風險，但今天已開始用電腦來做，精算師也未必繼續吃香。

透過大數據，直接從 Facebook、Twitter 等社交網站收集網民對股市的看法，已能大致掌握市場情緒，不再需要猜測估算，而是真實數得出來的數字。Tradepop、HedgeChatter 等公司便是專做情緒分析數據業務，分析師再交叉分析即時新聞及交易數據，已可以作出投資決策。

這些專業情緒分析數據公司每天都會即時掃描網路上的大量訊息，如社交網站、論壇等，直接分析 7,600 多項美國股票的實時交易，據說預測準確率高達 60%。配合分析相關股票在全球的交易紀錄，環球股票評論員對股票的專業分析，從而估計股票的波動和變化趨勢，協助專業投資者交易。

感冒小病不會找大國手

除了零售服務業前線銷售人員、商業決策者、股票投資者可能受到大數據衝擊，專業技術人員一樣有可能。當然，電腦是不能取代精益求精的專業人士，但卻可以令他們角色不再那麼重要。Optix Solution 是香港資訊及通訊科技獎 2015 最佳中小企資訊科技（應用）金獎得主，參賽的人工智能流動廣告平台管理系統，就利用大數據來協助維護巴士媒體系統。

巴士故障要回車廠維修，也需要定期回廠檢查，但巴士流動電視廣播系統並不影響巴士運行，而它的維修保養工作也是外判的。Optix 每晚必須把握只有三小時的時間，到全港 45 個巴士總站或停泊地點維修保養，因此必須善用大數據技術，預早找出可能快要故障的巴士來維護，以免拖延保養工作。

以前系統有故障，可能要找經驗豐富的師傅處理，先替系統做「全身檢查」，找出問題後再對症下藥。但這樣需要依賴老師傅坐陣做支援，當檢查後發現是大問題，當然是適才適任，立即解決問題，但如果只是小問題就很浪費人力。老師傅的薪酬高得多，如果感冒小病也找大國手來醫治，成本實在太貴。

經驗技術人員或失競爭優勢

Optix 就利用數據分析，估計出要檢查的巴士最可能出現問題的部分，再分配專擅該領域的維修人員處理，從而減少對老師傅的依賴。老師傅一晚的薪酬可能抵得上兩個普通技師，而且老師傅的數量一定比普通技師來得少，不可能每一個巴士站都有一個，人手分派錯誤的結果是可能派去的地點用不上，沒派去的卻拖延了維修。

而使用大數據分析後，Optix 事前已大概知道哪兒出問題，派出相應的技師便能解決，因此能減少對老師傅的依賴。另一方面，也能更準確知道哪一個點真的需要老師傅出手，能更有效率分配可用人員之餘，也不會拖延真正的急症，在降低成本的同時，也可減輕前線人員負擔。

這並非只是單一案例，甚至連飛機引擎維護也開始透過大數據做分析。航空航天製造商 Pratt & Whitney 現在就利用 IBM 提供的大數據技術，可以預測出飛機引擎何時需要進行維護，準確率高達 97%，提早維修或更換，從而減少真正故障出現的損失。

換言之，未來維修團隊可能不再需要大量的經驗老到的技師，反而專擅長於單一項目的技師會更受歡迎。結果是，每項技能皆擅長的專業人員，可能反而因為薪酬太高而不受歡迎，本來很有市場優勢的經驗技術人員，同樣可能受到大數據影響職業前景。

數據科學家有價有市

當然，上述的預測仍然有待驗證，而且人類懂得適應時代，若改變正在出現，相信不會有人選擇坐以待斃。但既然淘汰了馬伕自然產生了汽車司機的新職業，那會否有新的工種因為大數據而出現？當然有。大數據產業急速成長下，Gartner 預測到 2015 年全球將產生 4,400 萬個 IT 職位以應付大數據，各行各業都在搶奪大數據專家。

根據 EMC 報告，25% 企業已聘請了數據科學家，24% 企業正在使用大數據分析工具，57% 企業則在慎重考慮採用大數據分析工具。而據 McKinsey Global Institute 預測，到 2018 年美國將有 14 萬到 19 萬的大數據專業人才短缺，以及 150 萬個擁有洞察大數據的能力，可以做出更好的企業決策管理階層人才。

美國招聘網站 Glassdoor 報告顯示，一個數據科學家平均年薪是 118,709 美元，遠比程式員的 64,537 美元為多。美國另一專業獵頭公司 Robert Halt ，亦把數據工程師列為今年薪酬漲幅最多的六大行業之一，預計薪酬年成長率 9.3%，平均年薪 119,250 美元至 168,250 美元，由此可見這職位有多渴求專業人才。

結語

但撇開大數據會否影響就業不論，人類對機械、電腦的依賴愈來愈重，卻是事實。當然世界未必像《未來戰士》般，會有「天網」主宰人類，但科幻作品預言機械將完全取代人類工作，人類只需享樂的幻想未必不會成真。

據 Business Insider 報導，Google 工程總監 Ray Kurzweil 就預測， 2029 年前機械人可達到人類智慧的階段，Gartner 亦預期 2025 年世上會有三分一的工作，會被軟件、機械人、人工智慧所取代。

但這是否一件好事？實施機艙無紙化、完全仰賴 iPad 輔助機師的美國航空，早前就因為遇上應用程式故障、電子地圖出問題的意外，2 日內就有逾 50 班航機受影響而延誤。過份依賴電腦顯然有很大風險。

就像今天人人都只會在需要時到 Google 搜尋資料，不會再死記、強背、學習一樣，也許有一天人類已不需再思考分析，一切都交給大數據來決定。Amazon 推薦你買的裙子，會否反而局限你的選擇，錯失跟另一條可能更適合你的裙子的邂逅機會？也許這才是真正該留意的事。