“在没有大数据之前，其实我们每天都在处理数据。”台湾东吴大学数学系助理教授吴牧恩举例，例如羊肉炉店老板每天要备货多少量？鞋子工厂的生产线一个小时要生产多少双鞋？台北市长候选人的民调有几个百分点？
1.基本逻辑推演
羊肉炉店每天要进货多少白菜？
“你对于自己设定的目标，是要有一套逻辑推演的。有一定的了解，而不是从零开始，就像羊肉炉店老板或许无法精算9月与12月开店的备货量有何差别，但他心中会有一个数字：每天最少要准备多少材料。”吴牧恩说。
2.把数据变成可处理的
大数据上手的第二步，就是开始搜集数据。如果历史数据不齐全，就要从即刻开始搜集;如果历史数据种类繁多，就要把数据变成有结构性、可处理的数据。像是羊肉炉店一天要进货的白菜数量，单位是篮、公斤还是颗，都要统一成可处理的数据。
“搜集数据可能是多数人认为最大的进入门坎，但是数据却藏在我们处理的大小事上。”吴牧恩说，如果有10年的数据，当然比3年的好，但只要有数据，就可以开始做分析。像对金融交易者来说，不只有长期股价走势才是数据，就连上下五档的挂单信息，也可以是数据。
3.设定想知道的问题
20℃雨天与15℃晴天，哪个营收高？
有了数据之后，你必须设定想知道的问题，到底是想要提高生产效率、增加获利、提升客户满意度？还是要了解客户想要的商品，再进一步去结合可能没想过的数据？
“同样一家羊肉炉店，在气温20℃的雨天与气温15℃的晴天，哪个环境状况下的营收比较高？”天气风险管理公司董事长彭启明说，因为天气是最容易取得的资料，也成为零售业进入大数据最常被拿来交叉分析的因子。
又例如最经典的尿布与啤酒的案例：妻子嘱咐丈夫下班后到超市买尿布，卖场于是把啤酒摆在尿布旁，没想到意外提高了啤酒的销量。“如果羊肉炉店不只卖啤酒，同时也卖尿布呢？会不会有一样的效果？这就是我们要用数据去验证。”
用各式各样的数据做了验证后，我们才能得到数据的变化轨迹，进一步去得到有效的信息。“曾经有人将‘酸雨指标’与台股走势做交叉分析，结果还真的呈现部分相关，但到底是不是酸雨越酸、股民就不出门，干脆在家买股票，所以台股才跟着大涨吗？两者的关联是什么？至今仍不得而知。”吴牧恩说，大数据分析有一个特质，要得到的是结果（What），而不是要知道原因（Why）。
“如果你认同‘酸雨指标’跟台股走势有关，就可以跟着‘酸雨指标’来操盘，而不一定要从中知道两者的关联性。”吴牧恩说。
4.分析数据，得到有效信息
气温低、湿度越高，羊肉炉店的生意越好
获得数据变化的轨迹后，最重要的自然是分析这个数据变化，从中得出有效的信息，再结合过去的历史经验，变成你的智慧。
羊肉炉店老板原本就知道气温越低生意自然越好，但在这个案例中，他会发现气温低、湿度越高，生意自然跟着好，吴牧恩解释：“因为下雨会让体感温度更低，所以消费者就更想吃热呼呼的食物。”
但不是湿度达到100%，羊肉炉店的生意也就跟着翻涨100%。彭启明用雨伞公司的故事说明，连续下雨的第三天到七天的雨伞销量最好，到了第八天，销量就开始往下掉，因为该买雨伞的人都买了。回到羊肉炉的案例，当湿度达到100%，也可能会因为雨太大，客人就不愿意上门。
5.用数据来辅助决策
湿度60%、气温17℃，要多进货三成！
“其实你每天在做的每个决定，都是一种预测，只要这个决定中含有不确定性，只要成功几率不是100%，就是一种赌注。”吴牧恩说。
正因每个决策里都有不确定性，所以数据分析才会变得很重要。如何靠着数据分析，结合过去的管理经验，让营运效率更高、创造更多利润，才能提升竞争力。
回到羊肉炉店的大数据冒险，这天台北市的湿度60%、平均温度17℃，要进货多少白菜呢？吴牧恩用这个例子说明：“老板能用数据来辅助他的决策，而不只是凭经验，就会得出今天要多进货三成的白菜。”
相同的，不管是用在金融操作上，制造业的良率改善，或是零售业的供需备货，都可以用类似的步骤来做决策。
