[演講] 微軟, 雲端, 大數據

雲端特色：快速、節省、延展




不同層級，可能是
機器等級(硬體設備)
作業系統平台等級
或是軟體服務等級，如常見 gmail、dropbox

在微軟的雲端裡，現在已經比較開放，有很多其他軟體平台都有合作可以快速安裝

四大情境
對外服務，儲存備份，執行運作
機器學習，模擬消費市場，霜淇淋賣的時機
不是程式開發員也可以分析資料

大數據應用
以銀行公司為例，其實幾乎都是關聯式資料
思考時應該以自行出發點，比如是收益增加，服務加值？
沒有應用情境，只採買硬體或是架構平台，亦無發揮真正的效用

三個項目
1)視覺化，2)精準行銷通路，3)建構現代資料處理平台
第3為因應各種不同資料作為準備

做某個領域，需要對背景資料有一定的了解
第一步，先看自己有什麼資料，期望目的是？
才能進一步分析跟預測
看了許多大數據成功案例故事後，多想想自己，而不是急著套用公式

做一個資料練習的程序
數字: 金錢，溫度
資訊: 數字的意義與價值
知識: 轉成規則，協助決策

銀行搭配運動手環，健康利率優惠，運動鞋等
案例分享，超商 ATM ，發現補習街存款最多 (小吃賺很大 XD)，提款最多，酒店旁邊(可以理解)

關於刷卡跟提款的資料分析，設立點有沒有效益。
月份銷售車子漲跌，背後有消費習慣跟大環境的關聯
FB 粉絲留言分析，經驗述說大多不準
建議轉個方向，如何取得 user FB 的同意

好的簡報、視覺化報表，可以讓你抓住眾人眼光
善用 Excel 工具、 big Map、柱狀圖、熱點圖等，還可以轉影片
(泡泡圖工具)

行銷前三名通路
Email、社群媒體、網站

ps. 其實善用 email 可以讓他從垃圾郵件變成精準命中需求族群

網站如果進行感知顧客，個別客製化
根據 User屬性，會有更多應用
以大數據做官網設計，操作加分，流程機制
介面個人化、互動化
在行銷，媒體等運用

例如買相機，跳出相關廣告(攝影課或攝影書籍)

爬文程式，關鍵字探勘，事件分類，情感分析，
歸納好壞風向

電信真是一間有大數據資料的公司  @@+

Hadoop
便宜機器可以用來儲存巨量，不過這邊有技術門檻，
搭配map reduce 抓取資料方法

Hadoop 最好用來處理歷史資料，而非及時運算，考量效能
合併 R 語言應用。

微軟提出一個解法。
How old 範例

基金推薦案例，可以選擇演算法，組合模型
[範例] Azure+機器學習+腳踏車情境


學校情境
圖書分析，工讀分析，上課資源最佳化等

其他參考：

Power pivot 分析

Power map

Power BI


新創科技
Bizpark program


如是新創公司，提供免費資源，加速機會的概念( good!)
DreamSpark