非要全壘打球星不可？推翻經驗法則的大數據

《紙牌屋》（House of Cards）這部得獎無數的影集，連歐巴馬也瘋狂，相信很多人都聽過或看過，它其實就是大數據的產物。

當時，網飛（Netflix）從收視用戶的大數據中發現，喜歡1990年代BBC版《紙牌屋》的觀眾，也是《異形3》、《社群網站》導演大衛‧芬奇（Dave Fincher）與演員凱文‧史貝西（Kevin Spacey）的粉絲。於是，網飛一口氣投入1億美元籌拍《紙牌屋》。播出後果然創造風潮。

《紙牌屋》打破許多人對影集的成見，像是要有俊男美女、愛情戲等等；它靠著大數據，找來20多年沒演電視影集的史貝西當男主角，看起來像是場豪賭，結果中了大獎。

第二個例子，是電影《魔球》（Moneyball）的真實案例，一個關於美國職棒球隊奧克蘭運動家隊的故事。

2001年，運動家隊預算緊縮，球星又被挖角，經理比利‧比恩（Billy Beane）情急之下找來耶魯大學經濟系畢業、擅長統計分析的助理商討策略。

傳統挖掘球星，靠得是球探的經驗與直覺，有的球探看全壘打數，有人則重視盜壘能力。明星球員的薪資都是天價，但運動家隊真的很窮，全隊球員薪水只夠付給一個洋基隊的明星球員。

怎麼辦？運動家隊認為，贏球的關鍵不是有多少明星球員，而是「上壘率」。

於是，助理先用數學模型，算出要進入季後賽所需的上壘率，再利用大數據，找出並挖角最容易上壘，但價值卻被低估的球員。

最後，這支陽春球隊竟然創造了20連勝，追平了美國聯盟的歷史紀錄。

著名的美國目標百貨（Target），也有個著名的案例。一位父親發現他就讀高中的女兒，竟然收到目標百貨寄來的孕婦裝及嬰兒用品折價券，一時火冒三丈，氣得到店裡大罵店經理。

店經理為了消除顧客怒氣，幾天後再打電話致歉，電話中，這名父親反而羞愧地向店經理說對不起，還說女兒的預產期就在8月，請再多寄一些相關資訊給她！

原來，目標百貨應用大數據建立了一個孕婦預測模型，透過這個模型可以相當準確的預測顧客行為：當女性顧客開始購買鈣、鎂營養補充品時，很可能是懷孕了。沒想到，透過大數據，百貨賣場比父親還早發現家裡的變化。