玩轉社群：文字大數據實作

　　解讀風向、順勢而為！
　　洞察關鍵、贏得先機！

　　◎全圖解：從工具安裝、程式架構與社群資訊解讀，藉由圖型呈現快速理解。

　　◎快速上手：全書採開放原始碼工具，程式碼分享，輕鬆複製執行，快速打造屬於自己的探勘工具。

　　◎多範例：列舉不同議題的社群分析案例，教導讀者寫出有價值觀點的深入報告。完整解析有效利用社群大數據的技術，拯救千萬小編於水火之中！

　　◎免費實作：本書最大特色為隨書附贈30天免費使用eyeSocial社群輿情觀測平台，可實際演練，了解如何將社群媒體大數據，從數據蒐集到商業應用一次搞定。

　　本書適合
　　‧聽過網路輿情分析或社群聆聽新名詞，對實際用途一知半解的你
　　‧得無時無刻關心網路爆點，或者監測負面消息的你
　　‧對文字大數據與資料分析科學有濃厚興趣的你
　　‧嘗試運用機器學習從大量文本中找出潛在規則的你
　　‧有專業領域感知力卻缺乏社群數據支持研究的你

作者簡介

謝邦昌

　　現職
　　臺北醫學大學管理學院院長
　　臺北醫學大學大數據研究中心主任
　　臺北醫學大學生物科技高階管理碩士在職專班教授
　　臺北市政府市政顧問

　　學歷
　　國立臺灣大學農藝所生物統計組博士

　　主要經歷
　　輔仁大學統計資訊學系暨研究所教授
　　輔仁大學進修成長學院院長
　　輔仁大學總務長
　　輔仁大學創新育成中心主任
　　輔仁大學管理學院商學研究所博士班所長
　　臺北醫學大學醫務管理學系暨研究所教授
　　臺北醫學大學大數據研究中心主任
　　臺北醫學大學管理學院副院長

謝邦彥

　　學歷
　　北京市首都經濟貿易大學統計博士

　　現任
　　美商IEG創新學院深圳總經理
　　中華資料採礦協會秘書長
　　中華粹智(TRIZ)創新學會理事
　　目前為ETtoday東森新聞雲及中國時報專欄作家，發表過應用大數據結合各產業的文章，如:市調業的革新，驅動未來的產品研發，社群經營的戰略等。

　　經歷
　　曾任英華達股份有限公司、鴻海精密工業股份有限公司、昇陽光電科技股份有限公司等公司品質主管及六標準差大黑帶。
　　曾輔導兩岸各領域企業，創造上億元的財務績效。客戶領域包括：電子及資訊產品相關產業、太陽光電相關產業、面板產業、化工產業及汽車產業等。服務業領域包含量販店及連鎖酒店、通路商、FMCG等。專業領域為產品創新及技術創新、大數據在各產業的應用。。

鄭宇庭

　　學歷
　　美國明尼蘇達大學統計學博士

　　現職
　　國立政治大學統計學系副教授 

　　專長
　　抽樣方法、多變量分析、資料採礦、商業智慧、大數據商業化策略

　　任教科目
　　商業智慧、巨量資料分析、多變輛分析、統計諮詢、抽樣方法

　　經歷
　　司法院資料採礦研討會委員
　　中華資料採礦協會常務理事
　　中華市場研究協會副理事長
　　政治大學選舉研究中心兼任委員
　　政治大學資料採礦中心主任
　　政治大學商學院民意與市場調查中心主任
　　政治大學商學院大數據實驗室執行長

硬是愛數據

　　本公司專注於數據應用的解決方案，團隊組成涵蓋資料工程、數據演算、前後端架設等領域，致力於處理龐大數據及轉化複雜邏輯、打造易讀、好上手的一站式數據視覺平台，讓您輕鬆使用是我們的成就。公司網址：insighteye.com.tw

1.1 　社群媒體大數據
　　
大數據在今天已經無處不在，數據成為大量、高速度和高價值的資產，需要有效益的形式來處理數據，提升資料洞察力和決策力。感測器、網路文章、電子郵件、網路點擊、供應鏈訊息，數據正淹沒到每一個業務中，擁有最具效率流程來分流洪水般數據的企業，才有機會爆發性成長。數據不僅僅是大型企業的問題，中小型企業也越來越多透過數位管道與客戶互動，同樣擁有網站、數據庫等複雜資料內容。
　　
許多學者對「大數據」的定義有「數據集的大小超出了傳統數據庫儲存，管理和分析的能力」、「必須使用機器學習演算」等等都有著不同的詮釋，但可以確定的是「數據」不斷在進化，而4V以大量性（volume）、多樣性（variety）、高速性（velocity）、價值性（value）等面向，成為描述大數據的共同框架。在資料多樣性中，普遍易於使用的結構化數據僅占15～20%，這意味著80% 的數據都是非結構化，如果企業僅分析其數據的20%，那麼可以期待分析非結構化數據，有巨大的商業價值等著被挖掘。
　　
網路時代的社群興起，加上行動上網便利性，幾乎上網查資料、閱讀別人的心得評論、聊天互動已經是生活的日常習慣，現在想買個3C商品、看電影、選餐廳都離不開先到社群中逛逛看別人的分享經驗，我們在社群中的對話都成為非結構化資料的主要來源，而且數據相當驚人：
　　
•Google 每月要處理超過1萬億次搜尋。
•Twitter 每天有超過5億個推文。
•Facebook 每月活躍使用者直逼20億用戶的狀態更新。
　　
包含臉書、論壇、部落格、電子郵件和產品評論網站等非結構化內容，不僅數量龐大、來源眾多，而且格式複雜，無時無刻都有網路住民在生產數據，這些蘊含各種寶貴聲音的資料，都可以稱為社群媒體大數據。對於這些內容，我們通常想知道得更多，例如：從客戶服務交易的語音記錄中反應哪些資訊？網路新聞或推文該如何解讀？產品評論、開箱文中可以得到消費者的觀感？或者撥出視頻時引起的討論話題？