會議記錄 文件 第97次會議紀錄
作者: 何詩韻 (01-09 10:33, 第97次會議紀錄─精英集團.doc ,44 KB) 閱讀 發表討論 列印 詳細資料
註解:

頂尖大學數位資訊發展計畫X-mind第九十七次會議紀錄

 

時間:1001017 ()

地點:大勇樓210402

參與人員:李蔡彥、紀明德、徐國偉、林顯達、蔡銘峰、吳筱玫、陳百齡、劉吉軒、廖憶蒼、蔡子傑、廖文宏、陳聖智、嚴曉翠、尤元靖、梁世均、高偉齊、薛立琦以及助理們。

 

報告人報告簡介:

 

1.      精承永續業務總監梁世均

 

l   隨著社群媒體的崛起,精承思考著由以下管道來蒐集消費者的相關資訊以提供給顧客。

l   目前的操作模式:藉由議題發動找出意見領袖。

l   透過這個流程來提供相關的顧問服務給顧客:蒐集─溝通─管理

l   在資料蒐集的佈,主要由online data: news website/ social media/ specific organization; offline: forum/internet contact information/ social network 等方向來做蒐集。透過這些平台,找到相關的意見領袖言論/新聞議題走向/網友言論走向「人工作業」)。之後,將資料作分析,進入「資訊分析」階段 (data mining : IT lexical analysis Acess 資料庫分析「人工作業」)。資訊產出(stakeholders attitude change)後可望協助客戶管理議題(digout new business opportunities/crisis factor analysis)

l   目前,精誠採Acess做資料庫分析。透過瞭解A意見領袖的發言管道、資料分析可望協助瞭解利益關係人的影響力

 

a結語:主要的工作是以策略預防為主要服務項目。

 

2.         精英集團大陸事業群執行長薛立琦

 

在危機管理的部分,過去主要透過DMS: daily media scan 來做資料蒐集與預防;隨著數位匯流,現在更加入了DIS: daily internet scan以提升資訊覆蓋的全面性。

 

龐大的訊息收集後,採用以下流程提升顧問服務:偵測─數據採集─綜合解讀─市場區隔─效果評估模型

 資料蒐集與分析的流程:INTERNET抓訊息─關鍵字篩選─人工做FILTERTAG─進入數據庫(平台模組示意圖)

a 未來可望讓客戶進去資料庫裡面去抓想要的資料。

 

未來服務需求

 

l   資料分析系統化

未來可透過網路來做有效的CRMcustomers relationship management

用資料庫來做更多的利益關係人(stakeholders)的資料分析

 

建議與討論

 

:將相關資料庫給廠商,是否有考量相關智慧產權的問題?

:用合約的方式將智慧財產權保留下來。至於廠商是否會使用別的方式來轉移相關資料。至少,目前為至該系統仍舊無法隨意被複製。

 

:廠商做出來的價值如何評估?

:投資了之後發現其實公司本身還是需要加入一些資料來增加顧客的易讀性。目前需要加入資科相關的專業知識投注近來。政府和企業均有購買基礎資料庫。但,客戶最需要的就是簡單易懂的資料,這些是客戶最需要的東西。

 

:語意分析要做到精準有一定難度。目前可使用的層面如何?

:目前有意識到台灣和大陸之間的模型不能共用,因為語意的部分不一樣。

 

:模型驗證的問題是否有嘗試跑過去的資料來跑預測?是否會隨著議題不同而使用標準模型?

:面對長期誹謗危機,需要馬上瞭解危機根源。進入模型之後,會使用stakeholder mapping。對於利益關係人以及議題的判斷方式,會在後面使用報告。該風險係數表是透過利益關係人的報告做出來的。未來若類似風險係數計算的科技,可以透過多次使用來建立循環,賦予參數表更明確的資料。      危機模型雖然在那,但是參數會隨著環境因素而改變。

 

:若是數據已經出來,未來可以考慮做進一步的接觸。

 

:機器能夠取代人的力量有限~目前在台灣的MODEL主要是資料蒐集,在TAGGING的部分主要還是人工。在使用機器處理的部分有哪些?

:在TAGGING的部分,建立人工資料庫。資料量大的時候,會可以比較精準。然而,若資料量超過2G,系統未必可以負荷。

a劉吉軒老師建議:語意的詞彙。計算語言學有一些複雜的定義。目前看起來是意見傾向的部分,也許在意見、評價這一部份,可以用語意分析。TAG的部分,用人工來做標籤。目前的問題就是TAG未來會沒有組織。就了之後內部沒有權威的控制版本。人員流失的結果就是人工TAG會混亂。這主要是因為人為因素所造成的分析角度。此部分的解決,可以進一步來研究看看。或許可考慮:人和事件可以透過結構的方式來看事件的權重。看一個字的時候可以構連到其他相關的字,可以一起看。

 

文字共線(即符號學中的聚合軸概念):在分布上有顯著的現象。如:Flicker上的標籤,可以用共線的概念來處理。簡單而言,什麼文字可以共構「快樂」這一主題?透過關鍵詞在時間軸的變化,可以看到相關關鍵字的選詞改變。,可以建立一個標準。

 

:想瞭解精英集團目前既存的工具有哪些?

:渴望開發可大量套用在不同CASE的普世工具。

 

:針對不同來源的資料如何做整合(資料庫)?在TAGGING的部分,是否會忽略了相關資料?用非結構化的資料來儲存,所有資料都留下來。未來可以完整地找到相關資料。目前處理的方式是將非結構化的資料存成結構化資料。應該要將所有非結構化資料都加進來,未來比較不會漏資料。

:目前我們並不希望把資料全部都存起來。我們所蒐集的資料是完成分析報告過程中的線索,所以目前沒有做相關的存取。

 

:結構化和非結構化有何影響?

:機器能處理的僅是結構化資料,非結構化資料仍舊需要結構化。目前的疑慮就是原先的資料會因為篩選、標籤化的過程當中被忽略了。非結構化可以應付未來的趨勢。保留大量的資料量,渴望提升資料的擴充性,具更高的淺力能夠提高更多更優質的資料。

 

:即便擁有最完整的資訊,也很難可以做出百分百的資料。目前主要還是希望能夠協助更好地管理相關資料。針對非結構化的部分,希望未來可以使用結構化的標準來處理非結構化的資料。

 

:搜尋引擎,有很多的資料。精英和他們有什麼不一樣?

:建議案才是精英的VALUE。此部分會再做討論。我們也不需要花錢在不擅長的是情上面。非常感謝老師們?的建議,我們會去會好好研究。

 

 

:如何處理重複資料?重複的資料剔除的考量因素是什麼?

:主要就是抓出網路上活躍的使用者。

 

:轉載並不一定是沈默的。可能就是判准上的問題?資料如何在過程中被處理?

:滿意度的部分,只要有銷量給業主,對方就滿意了。對於公關公司提供專業的資料分析報告是蠻前端的。

 

:目前收的學生主要以訓練資料分析、資料蒐集的方式為主,對公司認為學校訓練出來的人有何建議?

:供需之間的人才需求,政大不用擔心。因為專業領域不同,精英招收的資科學生名額比較侷限。若要回答過去和現在的學生有何不同….舉例而言,學生參賽的積極度和5年前不同。態度決定用人的標準。他願意去學習別人的優勢最重要。對於未來懵懂是最不能原諒的。學生願意嘗試、虛心學習是主要關鍵。

 

結語

l   工具、技術的部分,可以彼此配合。

l   精英公關表示,他們先開內部會議縮小相關需求,再來和老師們談。

l   必要解決問題、工具需求等都可以談。

l   找到適當的定位,對學校和企業都能創造雙贏局面。

 

 

未來可望合作的項目:

 

l   架構:哪些過程可以透過機器來處理可以多做進一步討論。

l   技術支援:相關技術介紹/評估

l   工具的開發:相關工具既存,未來可以從工具開發的角度獨立出來,來協助處理龐大的資料庫。