蔡孟儒 資料，企業新資產

1. 蔡孟儒 (Raymond)
台灣微軟開發體驗暨平台推廣事業部
資深協理

2. 我們都被時代推著向前
58%
of new IT investments
will directly involve
business executives
in 2013
80%
of new IT investments
will directly involve
business executives
by 2016
70%of CIOs will
embrace a cloud
first strategy
in 2016
Businesses must employ a connected
strategy—across mobile, social, cloud,
and information—to remain competitivemobile
social cloud
information
#1 tech priority
for both IT execs and
BDMs: “Improve
the use of
and analytics
to improve business decisions
and outcomes”
Data
Internet of things
“Smart” assets will
make processes
more efficient, give
products new capabilities, and
spark novel business models
Mobile devices:
new primary design
point for end-user
access
Apps
85%of CxOs
view IT department as key
resource for achieving strategic
goals

3. 資料等同於企
業的現金
即時分析任何
形式的資料
連結跨公司的
資料, 連結全世
界的資料

4. Predicting future performance from historical data
Predictive analytics
should address the
likelihood of something
happening in the
future, even if it is just
an instant later…

6. Source: 台大資工林軒田教授

7. 為何「機器學習」最近愈來愈紅?
• 早期要實作「機器學習」進行實務應用相
當昂貴:
– 需要高階的硬體設備及複雜的軟體環境，
– 需要深諳統計學、人工智慧等的資料科學家團
隊，
– 隨之而來的管理及作業成本。
• 但隨著:
– 公有雲服務 (如 Azure) 讓計算機運算以及儲存
成本大幅降低、
– 科學家們持續發展出強固的各種演算法
– Azure ML 等易用工具的產生，將使用成本、
學習成本及管理成本一併大幅下降。
7

8. Machine Learning 與其他資料分析有什麼不同?
Analytics Spectrum 光譜: (愈往右，複雜性愈高!)
• Descriptive (描述的) “What happened?”: 增加對資料的了解程度。
• Diagnostic (診斷的) “Why did it happen?”: 通常用來找出事情發生或出錯的原因。
• Predictive (預測的)：“What will happen?”: 也就是預測未來可能發生什麼事。Machine Learning (包含迴
歸分析及類神經網路) 即是其中重要的分析方式。
• Prescriptive (規範的)：“What should I do?”: 也就是不但要預測未來，還要知道若作出某決策後的結果。
8

9. • 非資料科學家也能輕鬆使用
• 提供現成的資料操作以及學習演算法模組
• 仍可自行撰寫 Python/R script
• 透過瀏覽器即可操作，方便多人團隊合作
• 運用 Microsoft Azure 的基礎建設處理巨
量資料
• 已由 XBOX Live、Microsoft Research 及 Bing
驗證
• 結合 Azure HDInsight (Hadoop) 整合
• 直接發佈成 Web service
Azure Machine Learning
https://studio.azureml.net/

10. Demo
如果搭上了鐵達尼號，有機會生還嗎?
使用 Azure ML 訓練預測模型

12. 12
單純由人眼來判斷當然是不準確的，故
我們可以計算 ROC 曲線下方的面積，
並以 AUC 來表示 (此例中 AUC =
0.830)。

13. • 支援 R & Python語言
演算法 Microsoft Research
公有雲基礎建設

18. 微軟運用 Big Data + Machine Learning

19. Azure 機器學習– 用手中的資料賺錢
多源的
資料流
新一代的
分析工具
更多的使
用對象
速度 創造營收
• 結構化資料
• 非結構化資料
• 持續產生的資
料
• Machine
Learning
• BI
• 任何人 • 即時 • 4 年內預估 1.6
兆美金由資料
創造的新營收
資料價值公式: