第一套CATI
謝邦昌：我原先是念生物統(tǒng)計的，其實在臺灣最早的統(tǒng)計是生物統(tǒng)計，統(tǒng)計相關(guān)研究及應(yīng)用最早也是在農(nóng)業(yè)生物統(tǒng)計起來的。后來我到臺灣的行政院主計處工作兩年，這里就類似中國大陸的國家統(tǒng)計局，所以我有政府統(tǒng)計的經(jīng)驗。兩年以后我就應(yīng)聘到臺灣輔仁大學(xué)，在輔仁大學(xué)當(dāng)系主任，然后開始推動統(tǒng)計，開始做市場調(diào)查、民意調(diào)查，然后跟企業(yè)界及政府部門做一些統(tǒng)計在各個領(lǐng)域的應(yīng)用。同時我們在1996年發(fā)展了的第一套CATI-(FJSCATI) 系統(tǒng)，也幫忙華通人高余先總經(jīng)理將此用于寶潔的第一個項目。
第一個CATI實驗室
謝邦昌：98年中國大陸還沒有使用CATI，最早我們發(fā)展出來的 CATI用在高校與企業(yè) (華通人)，同時我在中國人民大學(xué)成立的第一個CATI實驗室。
我其實在中國人民大學(xué)96年就開始了交流，那時候做學(xué)術(shù)交流，常來常往，幫他們建立CATI實驗室，他們就用CATI實驗室接了很多課題，后來很多學(xué)生都從事市場調(diào)查這方面的工作。華通人也用了很多人民大學(xué)的學(xué)生，后來因為華通人有了CATI就迅速成長，到現(xiàn)在已經(jīng)好像有五、六百條線(聽說已經(jīng)有接近1000條線了)。后來我個人就跟中國大陸的各高校及企業(yè)交流合作,一切合作大概就是這樣動起來的。CATI越來越成熟越來越普及后，我開始完善及改進CATI，所以現(xiàn)在才有了阿西娜CATI(ATHENA-CATI)。我那時候也幫南開大學(xué)建立過幾條線，但是后來他們并沒有發(fā)展。我本身并沒有經(jīng)營企業(yè)，像高余先總經(jīng)理與我是老友，我只是幫華通人ACMR做顧問。我專心的一塊兒就是跟學(xué)術(shù)界在Survey及Data Mining 這方面的研究，所以這十多年來我培養(yǎng)了很多學(xué)生都在企業(yè)界做Survey與Data Mining,現(xiàn)在當(dāng)了總經(jīng)理及總監(jiān)的人還真不少。
第一個高校的Data Mining
謝邦昌：我從96年開始就推動著兩岸統(tǒng)計方面的交流，常請學(xué)生過去臺灣參加學(xué)術(shù)研討會也會請統(tǒng)計局及業(yè)界同仁去臺灣交流，他們戲稱我是臺灣的海協(xié)會代表;我也會帶臺灣的學(xué)生來中國大陸參訪。尤其這五年我們開始做Data Mining。我在中國人民大學(xué)及廈門大學(xué)成立了全中國第一個高校的Data Mining Center。在北部是中國人民大學(xué)，南部就是廈大，我們之所以成立Data Mining Center是因為Data Mining在各個領(lǐng)域的應(yīng)用越來越廣了。
專心學(xué)術(shù)界，注重培養(yǎng)學(xué)生
謝邦昌：因為我在臺灣行政院主計處待過，所以我認識臺灣統(tǒng)計局的一些人，接下來我也邀請了很多中國大陸的國家統(tǒng)計局同仁到臺灣互相交流。CMRA第一屆的柯惠新老師也是我后來請到臺灣作學(xué)術(shù)交流及參訪的名師，柯老師也參觀了我建立的CATI中心及軟件，在這面我也跟柯老師合作過一些事情(例如奧運的兩岸學(xué)術(shù)調(diào)查)。我跟中國大陸學(xué)術(shù)界的合作比較多，我將許多精力放在學(xué)術(shù)界這方面，我很注重培養(yǎng)學(xué)生，比較不注重在商業(yè)的發(fā)展。我想企業(yè)會有自己的領(lǐng)域但比較不適合我，培養(yǎng)專業(yè)人才是我認為最重要的，專業(yè)人才越多，則其未來的市場未來發(fā)展會越大，所以這可以說是我十幾年，接近快二十年的期間，我在兩岸所做的一些貢獻或者做的一點點事情。
中國大陸是最好的延伸之地
謝邦昌：那時我看到大陸改革開放才剛剛開始，我看到未來大陸的發(fā)展，但是就缺乏廣泛交流。其實我有機會到美國發(fā)展及研究，但到美國這些地方，還要經(jīng)過一個文化融合的過程與經(jīng)歷，倒不如把我的精力很快地應(yīng)用過來，所以中國大陸是我認為最好的延伸的地方，兩岸又是一家親，96年我就開始建立這個交流管道，那時候還不是很暢通的時候，我就建立這樣的學(xué)術(shù)及專業(yè)交流管道。我希望從這個方向能夠建立兩岸之間各種合作及交流的可能性和開發(fā)其未來的合作及發(fā)展，這就是我那時候的想法。我本身不是一個關(guān)起門來做學(xué)問的學(xué)者，我是希望我做出來的一些研究成果,這些東西是可以應(yīng)用的。
不善于經(jīng)營企業(yè)
謝邦昌：在公司這方面，比如說工作方面都是扮演顧問的角色，臺灣也有像全國意向顧問公司，或者臺灣以前有些電視公司的Survey Center 都是我?guī)兔?，像TVBS、東森電視臺的民意調(diào)查中心及市調(diào)中心都是我?guī)兔⒌?。而我并沒有進去business，因為那并不是我自己的專長，我可能不善于經(jīng)營企業(yè)。
學(xué)界與企業(yè)界斷裂
謝邦昌：現(xiàn)在中國大陸比較大的問題就在于學(xué)界跟產(chǎn)業(yè)界結(jié)合不夠緊密，在臺灣就比較密切。所以我很希望你們到臺灣去看一看，然后去了解這之間的欠缺，這之間的合作。在大陸，我發(fā)覺好像學(xué)術(shù)界就是做學(xué)術(shù)界的東西，企業(yè)界就做企業(yè)界的東西兩者沒有交集，結(jié)果學(xué)術(shù)界培養(yǎng)出來的人才及所做的研究不是企業(yè)界所要的，這是一個比較大的問題?，F(xiàn)在在臺灣及中國大陸許多企業(yè)界會比較喜歡我培養(yǎng)出來的人才，跟企業(yè)界的需求人才很接近，我希望培養(yǎng)出來的人才能為企業(yè)界所重用，就像我現(xiàn)在有很多培養(yǎng)的學(xué)生畢業(yè)馬上就可以工作，馬上就可以執(zhí)行一些課題及寫一些研究報告，這個是與其他學(xué)校比較大的差異，就是學(xué)以致用。
這些都是觀念上的問題，企業(yè)希望培養(yǎng)的人才及項目，但是學(xué)校又覺得這好像層次太低，學(xué)?？偸钦J為自己研究比較重要比較實務(wù)，但實際上理論與實務(wù)的結(jié)合實在不容易，就像有些人認為市場調(diào)查很容易，調(diào)查調(diào)查幾個問卷，隨便寫一寫報告就好啊。實際上不是那么容易，知易行難，知道很容易，但是做起來這個東西就很難了。學(xué)校很多東西是知難行易，正好反過來，這方面還要去突破。在臺灣我們就會有產(chǎn)學(xué)合作的理論與實務(wù)結(jié)合的項目與課題，學(xué)生在畢業(yè)前會有一個研究專題制作，他們可以跟企業(yè)界合作，幫助解決企業(yè)的某些問題，同時也讓同學(xué)知道自己所學(xué)的東西有實用價值,讓企業(yè)知道我們培養(yǎng)出來的學(xué)生是理論與實務(wù)兼?zhèn)涞摹?br />
用Data Mining整合不同的資源及信息
謝邦昌：因為市場調(diào)查很重要的就是搜集資料，根據(jù)整理資料做判斷。那這些數(shù)據(jù)搜集完以后要變成數(shù)據(jù)庫，數(shù)據(jù)庫很多的時候就放在那里沒有應(yīng)用起來，我們把這些數(shù)據(jù)庫的數(shù)據(jù)再做Data Mining，然后產(chǎn)生商業(yè)智能(BI)的一些東西，把DATA變成越來越有用及重要性加強，再將資源共享，也是也是企業(yè)、政府、學(xué)術(shù)界三方面的資源共享，讓數(shù)據(jù)不只是數(shù)據(jù)而是產(chǎn)生信息及知識的利器
Data Mining運用的領(lǐng)域
謝邦昌：Data Mining運用的領(lǐng)域很廣，只要該產(chǎn)業(yè)擁有具分析價值與需求的數(shù)據(jù)倉儲或數(shù)據(jù)庫，皆可利用Mining工具進行有目的的挖掘分析。一般較常見的應(yīng)用案例多發(fā)生在零售業(yè)、直效營銷界、制造業(yè)、財務(wù)金融保險、通信業(yè)以及醫(yī)療服務(wù)等。
于銷售資料中發(fā)掘顧客的消費習(xí)性，并可藉由交易紀(jì)錄找出顧客偏好的產(chǎn)品組合，其他包括找出流失顧客的特征與推出新產(chǎn)品的時機點等等都是零售業(yè)常見的實例；直效營銷強調(diào)的分眾概念與數(shù)據(jù)庫營銷方式在導(dǎo)入Data Mining的技術(shù)后，使直效營銷的發(fā)展性更為強大，例如利用Data Mining分析顧客群之消費行為與交易紀(jì)錄，結(jié)合基本數(shù)據(jù)，并依其對品牌價值等級的高低來區(qū)隔顧客，進而達到差異化營銷的目的；制造業(yè)對Data Mining的需求多運用在質(zhì)量控管方面，由制造過程中找出影響產(chǎn)品質(zhì)量最重要的因素，以期提高作業(yè)流程的效率。
近來電話公司、信用卡公司、保險公司以及股票交易商對于詐欺行為的偵測（Fraud Detection）都很有興趣，這些行業(yè)每年因為詐欺行為而造成的損失都非?？捎^，Data Mining可以從一些信用不良的客戶數(shù)據(jù)中找出相似特征并預(yù)測可能的詐欺交易，達到減少損失的目的。財務(wù)金融業(yè)可以利用 Data Mining來分析市場動向，并預(yù)測個別公司的營運以及股價走向。Data Mining的另一個獨特的用法是在醫(yī)療業(yè)，用來預(yù)測手術(shù)、用藥、診斷、或是流程控制的效率。
Data Mining專業(yè)與技術(shù)的融合
謝邦昌：Data Mining技術(shù)很重要，其實你在專業(yè)領(lǐng)域中間，你的專業(yè)知識，你的專業(yè)背景變成一個很重要的支撐，運用好專業(yè)知識，專業(yè)背景結(jié)合你的技術(shù)，Data Mining實際應(yīng)用功能可分為三大類六分項來說明：Classification和Clustering屬于分類區(qū)隔類；Regression和Time-series屬于推算預(yù)測類；Association和Sequence則屬于序列規(guī)則類。Classification是根據(jù)一些變量的數(shù)值做計算，再依照結(jié)果作分類。（計算的結(jié)果最后會被分類為幾個少數(shù)的離散數(shù)值，例如將一組數(shù)據(jù)分為 "可能會響應(yīng)" 或是 "可能不會響應(yīng)" 兩類）。Classification常被用來處理如前所述之郵寄對象篩選的問題。我們會用一些根據(jù)歷史經(jīng)驗已經(jīng)分類好的數(shù)據(jù)來研究它們的特征，然后再根據(jù)這些特征對其他未經(jīng)分類或是新的數(shù)據(jù)做預(yù)測。這些我們用來尋找特征的已分類數(shù)據(jù)可能是來自我們的現(xiàn)有的客戶數(shù)據(jù)，或是將一個完整數(shù)據(jù)庫做部份取樣，再經(jīng)由實際的運作來測試；譬如利用一個大型郵寄對象數(shù)據(jù)庫的部份取樣來建立一個Classification Model，再利用這個Model來對數(shù)據(jù)庫的其他數(shù)據(jù)或是新的數(shù)據(jù)作分類預(yù)測。
Clustering用在將數(shù)據(jù)分群，其目的在于將群間的差異找出來，同時也將群內(nèi)成員的相似性找出來。Clustering與Classification不同的是，在分析前并不知道會以何種方式或根據(jù)來分類。所以必須要配合專業(yè)領(lǐng)域知識來解讀這些分群的意義。
Regression是使用一系列的現(xiàn)有數(shù)值來預(yù)測一個連續(xù)數(shù)值的可能值。若將范圍擴大亦可利用Logistic Regression來預(yù)測類別變量，特別在廣泛運用現(xiàn)代分析技術(shù)如類神經(jīng)網(wǎng)絡(luò)或判定樹理論等分析工具，推估預(yù)測的模式已不在止于傳統(tǒng)線性的局限，在預(yù)測的功能上大大增加了選擇工具的彈性與應(yīng)用范圍的廣度。
Time-Series Forecasting與Regression功能類似，只是它是用現(xiàn)有的數(shù)值來預(yù)測未來的數(shù)值。兩者最大差異在于Time-Series所分析的數(shù)值都與時間有關(guān)。Time-Series Forecasting的工具可以處理有關(guān)時間的一些特性，譬如時間的周期性、階層性、季節(jié)性以及其他的一些特別因素（如過去與未來的關(guān)聯(lián)性）。
Association是要找出在某一事件或是數(shù)據(jù)中會同時出現(xiàn)的東西。舉例而言，如果A是某一事件的一種選擇，則B也出現(xiàn)在該事件中的機率有多少。（例如：如果顧客買了火腿和柳橙汁，那么這個顧客同時也會買牛奶的機率是85%。）
Sequence Discovery與Association關(guān)系很密切，所不同的是Sequence Discovery中事件的相關(guān)是以時間因素來做區(qū)隔（例如：如果A股票在某一天上漲12%，而且當(dāng)天股市加權(quán)指數(shù)下降，則B股票在兩天之內(nèi)上漲的機率是 68%）。
寫書就是水到渠成
謝邦昌：教書是一個神圣的使命，傳承知識,一定得好好教，我五、六年前做了一件事情，教書之后我?guī)е鴮W(xué)生作課題做研究，我經(jīng)常把我教的東西錄音、錄影起來讓學(xué)生復(fù)習(xí)及讓其他人可以繼續(xù)學(xué)習(xí)。教了一些新的東西及心的同學(xué)來學(xué)習(xí)，他們可以先看我已經(jīng)有的視頻(Webcasting)看完后可以跟我討論。寫書其實也很簡單，寫書是一個智慧的累計的過程，我不論寫數(shù)據(jù)挖掘，或者CATI及統(tǒng)計的書，都是累計十年或者好幾年的經(jīng)驗所集合而成的內(nèi)容，我的講義及相關(guān)課程及演講內(nèi)容，整理完以后，慢慢就可以匯編成書。水到渠成，你有經(jīng)驗就水到渠成，所以我的書就是我的一個一個經(jīng)驗的累積，并不是死的教科書而是活的經(jīng)驗傳承。我最近出了一本統(tǒng)計學(xué)，看起來好像就跟一般統(tǒng)計學(xué)沒有兩樣，但那本書是我十幾年來教統(tǒng)計的一些經(jīng)驗。把我歷年來教統(tǒng)計的經(jīng)驗匯總寫出來將理論與實務(wù)充分結(jié)合，順利將此書完成,所以寫書就是水到渠成。
金融危機導(dǎo)致市調(diào)轉(zhuǎn)型？
謝邦昌：金融危機對市場的影響，肯定是有的，就明顯就是客戶量漸少及市場萎縮，但是長遠來講反而是好現(xiàn)象，所謂好現(xiàn)象是市場調(diào)查因此變得越來越重要，假設(shè)你不知道市場調(diào)查，則市場風(fēng)險，金融危機導(dǎo)致風(fēng)險的機率就越來越大，所以企業(yè)越來越注重市場調(diào)查由市場調(diào)查了解市場的風(fēng)險及變化，而且要準(zhǔn)確的市場調(diào)查才能反映出市場的現(xiàn)況，所以對市場調(diào)查而言此時反而是一個轉(zhuǎn)型的好機會。市場調(diào)查以往只是幫人家搜集資料，做出那些百分比分析，你接下來肯定要加入一些商業(yè)智能，Data Mining的模型也就是數(shù)據(jù)一定要加值并做出深入的分析才會有其價值，要告訴企業(yè)委托者他的風(fēng)險在哪里，他的利潤在哪里以及他的整體結(jié)構(gòu)問題在哪里，這樣子企業(yè)主就會更精確的預(yù)測他的市場，他的獲利率會更高，風(fēng)險降低，這才是我們要做的。
另外一個很重要層次是數(shù)據(jù)庫的數(shù)據(jù)累積，我們不一定任何分析都要調(diào)查，結(jié)合以往的累積數(shù)據(jù)庫，說不定就可以做出一些有價值的分析，提供給企業(yè)參考，我甚至可以從企業(yè)的數(shù)據(jù)庫之間做有效且精確的分析給企業(yè)參考，跟以往的市場調(diào)查層次又不一樣。所以我才講Data Mining才是我們的重心，以往例如在傳統(tǒng)產(chǎn)業(yè)上，我們在幫企業(yè)搜集資料整理及分析資料，搜集資料給企業(yè)，給企業(yè)的可能只是簡單的百分比，現(xiàn)在可以是轉(zhuǎn)型成加值型的數(shù)據(jù)加值服務(wù)，從企業(yè)本身的數(shù)據(jù)庫做起，從外部的數(shù)據(jù)庫結(jié)合內(nèi)部數(shù)據(jù)庫，做出數(shù)據(jù)分析及Data Mining告訴企業(yè)的問題在哪里為企業(yè)營運把脈，這方面的價值性及發(fā)展前景就越來越高，這才是市場調(diào)查的轉(zhuǎn)型方向。
傳統(tǒng)的產(chǎn)業(yè)變成現(xiàn)代化的產(chǎn)業(yè)
謝邦昌：真正的企業(yè)絕不會因為危機殺雞取卵或者為了訂單走低價等等。因為這些東西是要有一定的價值才能搜集到。我在臺灣有一個幫助過的公司：全國意向市場調(diào)查公司，他現(xiàn)在每一年都是以20％的增長業(yè)績在做調(diào)查研究，在金融海嘯過程當(dāng)中全國意向市場調(diào)查公司知道他的藍海策略在哪里，我后來就建議他們，現(xiàn)在無線網(wǎng)絡(luò)越來越發(fā)達，我們就研發(fā)了一臺調(diào)查車(Lifelab)，
Web3.0市調(diào)車是世界首創(chuàng)移動式調(diào)查車，受訪者在哪、車就開到哪，讓資料取得無死角。每車規(guī)劃3席訪問包廂，配合車廂外加機動訪談席位，讓多位受訪者可在舒適、隱密的環(huán)境中同時接受調(diào)查，徹底突破定點訪問的低效率、低人流量，快速且完整取得大量數(shù)據(jù)。Lifelab獲得「行動臺灣應(yīng)用推廣計劃 (M Taiwan)」研發(fā)獎助此服務(wù)模式已申請專利; Lifelab又可以做面訪，也可以做電訪，民意調(diào)查及市場調(diào)查。因為這樣子散布在全臺灣，目前有很多部調(diào)查車(Lifelab)，一下子就可以搜集到很多DATA。因為他定點的位置擺的好，抽樣好的話就可以搜集到很多資料，很多企業(yè)一看到，搜集的品質(zhì)又好所以就大量的委托他們調(diào)查搜集市場信息，這就是調(diào)查市場的藍海策略。簡單來講就是結(jié)合現(xiàn)在的3G科技，把傳統(tǒng)的變成現(xiàn)代的，這就是在金融危機中你怎么把傳統(tǒng)的產(chǎn)業(yè)變成現(xiàn)代化的產(chǎn)業(yè)。
所以金融危機很重要的是淘汰差的，保留好的，可以分出哪個是好，哪個是壞，反而是一個機會及轉(zhuǎn)機。
大陸市場調(diào)查業(yè)的信任危機
謝邦昌：市場調(diào)查很重要的一點是數(shù)據(jù)的正確性，我覺得與臺灣相比，世界對臺灣的市調(diào)數(shù)據(jù)懷疑性可能比較低一點，信任性比較高一點,主要原因可能是臺灣的國際化比較早也比較深。統(tǒng)計調(diào)查這種行業(yè)最重要的是信任感，所以中國要在這方面更要努力加強，市場調(diào)查業(yè)的專業(yè)道德，專業(yè)的素養(yǎng)要好好的加強。比如客戶資料的機密性，資料的正確性，資料的穩(wěn)定性，資料的運用性這些，都是可以探討及研究的。我也希望在教育領(lǐng)域多做出貢獻,多培育出有專業(yè)道德及專業(yè)的素養(yǎng)的學(xué)生投入市場調(diào)查的領(lǐng)域。
華人的世紀(jì)來臨--推進兩岸互訪、交流
謝邦昌：大陸同仁可以到臺灣去看看，全世界很多很多的制度都可以在臺灣看得到。臺灣同仁到中國大陸來可以看到整個大陸的市場及大陸的未來可以怎么進行合作。臺灣是華人人文薈萃的地方也是市場調(diào)查研究很好的試點。而中國大陸太大了，一個研究及課題可能山西、山東，河北就不太一樣。比如到上海做調(diào)查，可能訪員就要會上海話，類似的情形很多也很不一樣，臺灣同仁可以過來看看大陸的市場，兩岸這樣的互補就變成全世界很大的華人市場，所以這方面的互補各取所需，以后的培訓(xùn)可以互相培訓(xùn)，到臺灣培訓(xùn)，雙方都可以辦這樣的培訓(xùn)。
我們甚至可以設(shè)計出一系列市場研究與市場調(diào)查的培訓(xùn)教程，所謂的一系列的培訓(xùn)教材是說我們兩岸的系列市場研究與市場調(diào)查培訓(xùn)教材，這個系列培訓(xùn)教材不論是誰都可以來講，就是我們要有一定的品質(zhì)跟水準(zhǔn)。PPT、講義，然后視頻弄好了以后，講師講完后再實際操作。實際操作可以跟一、兩家公司結(jié)合，實習(xí)就直接到他們那里，我們在臺灣就都是這樣做。如此兩岸市場研究與市場調(diào)查就可以密切結(jié)合分工合作達到雙贏(WIN-WIN)的境界。
后記：
采訪結(jié)束的時候，謝教授告訴我：他的特長就是很能抓住趨勢與方向，所以在各個領(lǐng)域間的應(yīng)用及結(jié)合都會比較廣，很多事情做起來也會更加游刃有余。謝教授的教齡和他投身調(diào)查業(yè)的時間可算元老級，在他身上你看不到絲毫懈怠，有的卻是旺盛的精力和超?；盍?。謝教授說他很喜歡健身，特別喜歡打棒球，壘球，籃球，有時候還會跟學(xué)生唱KTV。謝教授由衷地希望借助CMRA這個平臺推動兩岸同仁更廣、更深入地交流、互訪，從而發(fā)展中國市場調(diào)查業(yè)，創(chuàng)造更加輝煌的未來！
采訪/撰文：劉向清
原話錄音整理：摩瑞市場研究公司
|
當(dāng)前位置：
友情鏈接
