1. 電商B2C併購、結盟舉動頻頻

東南亞B2C市場多屬中小企業，隨2014年大量資金注入當地市場後，企業為了加速成長，早期進入市場者將持續併購其他新進競爭者。另一模式則是結盟關係，例如泰國電商企業Wear You Want、MOXY和其他業者合組Whatsnew聯盟，藉由團結力量大的規模經濟來提升競爭力。

2. 傳統市調業者面臨轉型或被淘汰

由於目前電商產業發展腳步又急又快，過去市調方法往往無法符合企業當下需求。業界的調查公司不是轉型，例如英國廣告公關集團WPP在中國，只專做淘寶、天貓平台上的品牌數據服務，要不就被等著被市場淘汰。

3. 各產業轉型電商需結合加值服務

阿里巴巴模式成功，各產業皆希望透過電商拓展新商機，尤其電信、媒體、銀行及零售業都將積極跨入。有東南亞亞馬遜之稱的電商公司Lazada執行長Max Bittner提到，其他產業欲結合電商，必須從原有商業模式外，做出更吸引人的價值服務。

4. 東協合力敞開市場，跨境電商時代來臨

東協經濟政策讓物流有相同管理標準，東南亞跨境電商將更普及。阿里巴巴、京東正瞄準東南亞市場，當作後續成長力道來源，而亞馬遜、ASOS也已在新加坡、泰國、印尼完成布局。

5. 專業人才湧入東南亞

除了大陸、印度，東南亞是目前被視為最有潛力的新興市場，2014年到東南亞電商應徵外國工作者的數量有增加趨勢，預估到2015年，其他亞洲、歐洲甚至美國有專業技能、知識人才，到東南亞做電商領域工作比例將持續提升。

6. 創新物流模式，電商結合Uber

叫車App未來不只是載人還將協助運貨，Uber及東南亞叫車通訊業者GrabTaxi將在2015年實際導入送貨方案。目前亞馬遜就與Uber合作，在菲律賓、泰國分別為當地電商業者做運送服務。

7. 行動商務成功關鍵：優化使用者經驗

2014年證明行動裝置成為消費管道之一，但aCommerce預測在東南亞地區，透過行動裝置消費要再幾年才能完全取代桌上型電腦。根據aCommerce 研究，目前89%的LINE使用者只瀏覽資訊，在泰國僅56%的LINE用戶使用過線上交易，優化使用者經驗是培養行動商務生態系的關鍵。

8. B2B電商將成下一波主宰

目前多數中小型電商企業、投資人僅關注在B2C市場，2015年前進東南亞絕對不能忽視B2B潛力。以中國作為觀察對象，目前電商成交總額，B2B市場佔三分之二比例，在新興地區因B2B尚未被大型電商企業主宰，及早布局處女市場才能成為第一波搶進者。

9.貨到付款是必要選擇之一

東南亞因詐騙事情頻傳，消費者對個資外洩、詐騙態度更為謹慎，加上不是所有人都有信用卡，目前東南亞交易模式仍有70%採取貨到付款。而ATM、線上支付的貨品取消率約50~70%，而貨到付款的取消率僅8%。

10. 無人飛機運送將成真？

由於東南亞例如印尼、菲律賓屬群島地形，無人飛機將是下一波物流革命？亞馬遜目前正快速發展無人飛機技術，是否在東南亞市場作試驗場地，全球可拭目以待。

「混」出數據

現在很多數據分析師，在面對專業範圍「怎麼算回歸」、「怎麼畫函數」的問題遊刃有餘，在實際工作中卻缺乏商業意識。如果數據分析師缺乏商業意識，公司就成了「盲人」，分析師不知道該使用什麼邏輯分析數據，而公司的決策層也得不到任何有價值的參考意見。現在絕大多數 CEO 都在抱怨，每天要看一大堆零零散散的數據。造成這種局面的原因是，數據分析師只是單純的把數據傳遞給管理者，卻沒有向管理者解釋，這些呈現使用者行為的數據和能夠在商業上產生價值的數據，兩者間的內在關係。

CEO 沒有多餘精力解讀頁面瀏覽量（PV）和獨立訪客（UV）等數據。他們只需要知道數據是否有問題、反映了什麼問題、最近有什麼新的發現以及需要我們做出什麼樣的改變。簡單來說，具有商業意識的數據分析師，在監測到網站上嬰兒車銷量增加的情況時，就可以預測到奶粉的銷量也會隨之上升。而且，也只有具備商業敏感的數據分析師，才懂得用什麼數據驅動公司實現經營目標。

數據分析師如何才能擁有商業敏感？要靠「混」。例如：我要求數據分析師在給我的週報裡，一定要講到業務方的動態。而且，我給他們的考評標準是，千萬不要讓我看見業務方發過來的週報裡有的內容，你的週報裡沒有。我認為，要實現這一要求最基礎的出發點是，數據分析師一定要跟業務方溝通，才有可能服務於他們。

打「通」混的數據

當你與業務人員混得夠熟時，在看到某些數據後，你自然就會明白，「喔，這個數據跟商業決策絕對有莫大的關係。」當前，各電商公司在評估公司經營狀況時，愈來愈依賴數據。但是，在今天，很少有電商敢完全肯定的說，自己掌握了呈現公司狀況較完整的數據。對於公司主管而言，一是因為很多電商在開始收集數據時，會發現數據非常散亂，分布在不同的數據收集管道和營運人員——公司的核心員工手裡，這就使得數據流程非常「堵」；另一個問題是，絕大多數電商缺乏大數據營運的經驗，只是收集了很「散」的數據，卻不知道如何利用，也不知道該讓哪些數據關聯起來。

從客觀角度來看，數據營運的各方面都可能存在影響數據精準度的「噪音」。數據本身是客觀的，但它很容易受到產品和營運人員的影響——產品目的會影響營運人員的想法，營運人員的想法則會影響樣本獲取的精準度，造成數據在不同人眼中出現不同結果的情形。以轉換率為例，市場部門和營運部門對轉換率的想法並不相同，如果公司內部的數據標準沒有打通、一致，公司決策時被數據迷惑和誤導的可能性就會被放大。

因此你會發現，問題最後還是要歸結到人和公司。如果不能「通」到商業環境裡，即使數據很多也沒有任何價值。堅持帶著業務問題觀察數據或者帶著數據觀察業務，兼備二者的敏感，就是做到了「通」。有些人在很短的時間裡就能判斷出數據是否有價值，就是因為「混通」了。

想做到數據的積累和沉澱，想要打通數據，建立合理的系統是不二之選。首先，做好數據安全工作，以保證公司內部不同職位的員工可以察看不同的數據；再者，統一不同部門的數據標準，使公司內部數據有統一的介面，避免混亂；最後，關聯不同部門的數據，創造機會讓數據的營運可以擴散至數據部門之外。「通」是「混、通、曬」裡最關鍵的連接點。以前，數據量沒這麼大的時候，公司「混」完就「曬」了，完全憑藉商業敏感營運數據。而現在海量數據成為主流，「通」也就成為了營運數據不可或缺的一部分。

「曬」出混和通的數據

「曬」（呈現）是一種在「混」和「通」基礎上，產生出來的最終數據表現，是基於人、商業和數據結合後的一種看數據和用數據的方法論。在「曬」數據層面上，通常是透過數據回答這幾個問題：業務好或不好，數據如何改變可以讓業務更好，如何利用數據說明業務發現機會，甚至產生出新的商業價值。這些問題看起來是遞進關係，其實不然，因為具體應該用數據解決什麼問題，要根據業務的情境做決定。