大數據藍海

大數據在娛樂方面的應用—溫布頓網球賽

溫布頓網球賽(Wimbledon Championship)是世界四大網球公開賽之一，每年吸引上千萬的球迷關注這場賽事。為了維持溫布頓球賽在網球界的重要地位，同時也為了擴增其影響力以及吸引更多的觀眾，主辦單位(All England Club)一直希望能尋求更佳的解決方案來提升其品牌知名度同時帶給球迷更精采且豐富的娛樂體驗，而這也是大數據技術有所發揮的地方。

溫布頓網球賽主辦單位與IBM合作開發了一套強力資訊分析解決方案名為IBM Slam Tracker。Slam Tracker採用了IBM的SPSS predictive analytics技術，利用過去八年來大滿貫賽事超過四千一百萬筆的資料，進行即時的賽事預測。IBM SPSS predictive engines總共分析了45項關鍵指標，其中包含19項進攻型指標，9項防禦型指標，9項耐力指標以及8項選手模式指標，從中找出對戰雙方克敵制勝的三項關鍵指標，例如2015年的男單決賽由塞爾維亞選手Djokovic對上瑞士選手Federer，系統分析出Djokovic致勝的第ㄧ項關鍵指標是他必須取得超過77%的第一個勝分(如圖十五所示)。除了Slam Tracker之外，IBM也開發了SoftLayer雲端技術，對社群媒體進行監控及分析，此技術可追蹤球員及球迷之間的對話，並收集球迷對於溫布頓賽事的意見及評論，藉由分析這些社群意見，溫布頓主辦單位可即時修正其數位策略，除了帶給球迷更好的賽事體驗之外，也可跟據不同國家球迷的喜好，客製化設計其使用介面，以迎合不同屬性球迷的需求。另外，IBM也開發了名為Watson的雲端彈性儲存技術，此技術可即時監控網頁流量，並在不同儲存媒體之間自動進行資料的搬移，藉此可使影音資料達到近乎無限的使用彈性(scalability)，以符合比賽期間廣大球迷對於即時賽事影音資料串流的需求。

圖十五：IBM Slam Tracker所提供的2015年男單決賽對戰致勝關鍵分析

IBM結合其社群（Social）、行動化（Mobility）、智慧分析（Analytics）及雲端運算（Cloud）等四大科技，成功為溫布頓網球賽帶來全新的風貌，因為這項成功，其他著名網球賽事如2015年的法國網球公開賽也開始採用IBM Slam Tracker技術。除了網球賽事之外，這些球員對戰分析技術也慢慢應用於其他領域，如藉由龐大的歷史資料可分析一個企業與其他競爭對手的致勝關鍵因素，讓企業領導者可據此決定企業未來的營運方針，相信未來這些大數據分析技術的應用，會慢慢改變我們未來的生活。

圖十六：2015年溫布頓網站所提供的球賽及評論影片

參考文獻

[1]http://www.wimbledon.com/index.html

[2]http://www.telegraph.co.uk/sponsored/sport/rugby-trytracker/10410268/ slamtracker-wimbledon-tennis.html

[3]http://www.avianaglobal.com/category/predictive-analytics/

(本文由本中心數位匯流新創服務團隊提供)

大數據視覺化之企業案例與願景

大數據分析已經成為近年來電腦科學領域之顯學，雖然我們可以藉由電腦自動化處理龐大資料，但最終分析結果經常必需交由人類來進一步解讀，此時「視覺化」（Visualization）工具便扮演著溝通橋樑之重要角色，能夠輔助人類更直覺、快速地觀看與解讀分析結果，使得視覺化成為大數據各項技術挑戰中所不可或缺之一環[7]。

為因應大數據時代到來，許多跨國企業皆致力於發展視覺化技術與工具。藍色巨人IBM近幾年推出免費線上視覺化工具Many Eyes [5]，提供多樣化表格與圖形工具，讓使用者能夠互動地產生與瀏覽視覺化結果（如圖十七）。此外，IBM更結合Many Eyes與Watson人工智慧技術，推出線上數據分析網站Watson Analytics [6]，以提升個人與企業用戶之數據洞察力與決策正確性。

搜尋引擎巨擘Google旗下的Big Picture團隊[1]，多年來投入大數據視覺化技術開發，研究如何讓複雜龐大之數據容易被理解、使用、甚至有趣。基於Google Play Music使用者之音樂資料庫，該團隊統計分析其中專輯、作者、發行日期、音樂類型、…等等資訊，從1950年代開始，將不同時間發行專輯之受歡迎程度，視覺化成一個音樂時間線圖形[2]。Big Picture團隊也利用YouTube之影片資料庫，統計分析美國受歡迎的影片趨勢，使用者可以將不同城市、地區、年齡、以及性別之影片喜好，互動地視覺化在美國地圖上。其他視覺化成功案例，讀者可以進一步參閱該團隊網站[1]。

圖十七、應用IBM Many Eyes產生之視覺化範例。資料來源為99~103學年度年度由作者開設之【機率與統計】課程，所使用之視覺化方式為「弦圖」（Chord Plot）。

除此之外，軟體服務指標企業Microsoft長時間鑽研多媒體與人機互動領域，更應用相關技術建立一套互動式系統HoloDesk [4]，讓使用者不需要透過任何穿戴或輸入裝置，便可以用手即時與虛擬物體或視覺化結果進行互動。2014年四月，Microsoft展示了立體視覺化平台Holograph [8]，使用者能夠透過此系統平台，運用各項直覺化互動工具，快速探索與處理複雜的多維度「時空資料」（Spatiotemporal Data），並藉此讓使用者更容易一併瞭解資料於空間當中的變化，以及於時間軸上的演進。

綜合而論，視覺化技術為大數據分析的重要環節之一。根據調查研究報告[9]指出，使用視覺化工具輔助大數據分析之企業，能夠有效提升各種層面之表現，包含：減少決策時間、增加決策準確率、降低營運成本、…等等。因此可以預見未來產業界將全方位地開發與應用視覺化技術，不僅僅為該企業增加短期獲利，更是為爭奪大數據時代霸主之位做好萬全準備。

參考資料

[1]Google. Big Picture Group, June 2015. http://research.google.com/bigpicture/.

[2]Google. Music Timeline, June 2015. http://research.google.com/bigpicture/music/.

[3]Google. YouTube Trends Map, June 2015. http://www.youtube.com/trendsmap/.

[4]Otmar Hilliges, David Kim, Shahram Izadi, Malte Weiss, and Andrew D. Wilson. HoloDesk: Direct 3D Interactions with a Situated See-Through Display. Proceedings of ACM CHI 2012, May 2012, pp. 2421-2430.

[5]IBM. Many Eyes, June 2015. http://www.ibm.com/software/analytics/many-eyes/.

[6]IBM. Watson Analytics, June 2015. http://www.ibm.com/analytics/watson-analytics/

[7]H. V. Jagadish, Johannes Gehrke, Alexandros Labrinidis, Yannis Papakonstantinou, Jignesh M. Patel, Raghu Ramakrishnan, and Cyrus Shahabi. Big Data and Its Technical Challenges. Communications of the ACM, Vol. 57, No. 7, July 2014, pp. 86-94.

[8]Microsoft Research. Holograph: 3-D Spatiotemporal Interactive Data Visualization, April 2014. http://research.microsoft.com/apps/video/default.aspx?id=211209&r=1.

[9]Nathaniel Rowe. Seeing the Big Picture: Visualization for Big Data. Research Report, Aberdeen Group, May 2013. http://www.aberdeen.com/research/8466/ai-big-data-visualization-analytics/content.aspx