越來越多的人使用Fitbit手環，小米手環或蘋果手錶記錄生活的點點滴滴，為每日生活做下記錄；就算沒有用這些裝置，智慧手機也悄悄的透過GoogleFIT或是AppleHealthKit，收集使用者的每日走路步數，爬梯階數，睡眠時間和生理資訊（透過配戴許多其他感測裝置）;當然這些數據的量並不大；不過透過長時間的收集，也能符合樣本數是可以趨近統計母體數的大數據特徵。再透過數據分析的相關技術，越來越多的APP都可以提供相關的建議。

這些行為數據的收集和分析，透過更多的感測裝置和連網能力，配合習知的演算法，已經有非常多的廠商提供解決方案;不過大數據的強項在於由不精確的數據中看出一些不為人知的相關性，也就是許多原本不以為重要的參數，反而展現出很強的相關性，例如之前我們用網路上減重日記的資料，搭配雲端有大師的大數據服務做交叉分析，可以清楚地顯示日記的填寫頻率，比起其他的條件更能顯示出一個會員的減重成功率。

拜資訊科技進步所賜，現今我們已經把社會中大部分的活動過程和記錄都已經數位化（digitalization）;然而數位化僅僅是把類比的訊號轉為零與壹的位元，現在我們才剛剛開始面對大量數位化之後堆積如山的資訊;這些大量的資料究竟是被放成堆棧還是倉儲，就在於最近開始的資料化（datafication）浪潮，透過數據分析的技術，在茫茫資訊瀚海中，找到有用的方向來發現持續收集這些資訊帶來的價值。

大數據分析產生的價值，就如同麥爾荀伯格所說的”是通知，而不是解釋”，透過已經成熟的技術，我們可以從數據觀察中預知一些可能性;根據穿戴裝置回傳的數據，分析你有可能變胖，有可能患上代謝症候群，但這並不代表這就是你被安排的結局;我們藉由這些先期的警告，透過和專家的對談，找到合理的解釋，做對應改變;激勵自我找出路徑，導向理想結果。

李世白

Dennis Lee
圖現科技 創辦人

更多文章