文／林左裕
以往的經濟分析多藉總體經濟指標(如經濟成長率、貨幣供給額或所得等)或個體獲利能力(如收益)進行分析， 應用各類的統計模型， 探討各變數對市場上標的價格或交易量的影響是否具顯著性。此類研究因具統計上嚴格的檢定， 因此廣為各界接受， 但因常用的相關經濟因素多為經官方或專業機構蒐集整理後再發布的數據， 指標的時效性常有落後現象， 因此類似的研究模型即使具顯著性， 在市場預測的應用時效上常常望塵莫及， 也因此最近幾年國際間的財金領域針對國內生產毛額(GDP)的「消費」及「投資」兩項目分別對消費者及採購經理人進行問卷調查，探討未來的國內消費及投資變動對經濟可能產生的影響，也因此消費者信心指數(Consumers’ Confidence Index，CCI)及採購經理人指數(Purchasing Managers’ Index，PMI)在最近幾年成為常被引用的領先指標。
拜網路及搜尋引擎使用之普遍，許多消費者消費前多會上網搜尋資訊進行價格(好房資料中心)
除了對市場參與者進行問卷、了解其未來可能的行為外，藉由各種資料庫觀察及預測他們未來如何將行為轉化為經濟上的交易決策，則是最近興起的顯學。由於此類資料庫非典型的國家或經濟機構所統計發布，而是持續發生、可累積且未經整理的資料，具有3V的特性---巨量(Volume)、多樣(Variety)及速度或即時(Velocity)，因此以「大數據」(Big Data)稱之。
由於價格由供給及需求所決定， 因此在其他條件相同下， 掌握了消費者的行為， 甚或能根據其以往的消費習慣或其對購買標的的搜尋行為， 即可能藉此預測價格的變動，這種預測模式雖未採用經濟學界常用的總經指標，但因其即時、直接且有效的特性，在各領域已廣為採用。
舉例來說，醫學上預測心臟病常用心跳次數、血壓、血脂或抽菸與否等指數探討發病的機率，這些因子在臨床上也被證實其顯著性。美國賓州大學研究人員艾胥達德等人依據社群媒體推特(Twitter)平台上使用者的用語進行統計分析，常使用「憤怒」(anger)、「壓力」(stress)及「疲憊」(fatigue)等的用戶，其心臟疾病之比率比起常人顯著為高；相對的，常使用「樂觀」(optimism)或「興奮」(excitement)等正面字眼者之發病率則顯著為低。顯示藉由大數據分析可就非生理且較難衡量的情緒指標達到預測病症的目的。
有拜網路及搜尋引擎普及之賜， 多數消費者在消費行動前多會上網搜尋資訊進行價格、形式或品質之比較，最常見的例子是旅客到陌生的旅遊景點尋找餐廳時， 常會以網路進行搜尋而直接選擇。根據媒體報導， 我國民眾在購屋前， 超過8成會上網瀏覽房仲網站或線上看屋， 選定交易熱區及參考實價登錄價格， 這些搜尋行為轉化為購買行為後將影響不動產的市場價格及交易量， 筆者最近的研究結果也呈現民眾上網搜尋「房仲」及「買房」等字串， 與傳統的貨幣供給額、利率及消費額等對房價及交易量均具有顯著的影響， 顯示藉消費者搜尋購屋資訊行為的大數據分析可有效地解讀市場需求並預測市場的價量走勢， 擁有資料庫的業者及政府， 宜掌握此優勢， 進而因應瞬息萬變的市場及消費者心理、以及適時地調整政策。
