儘管在全球業務擴張風波不斷，但Airbnb的「價格媒合」功能，實為大數據的活用案例。在Airbnb團隊中，每十五位員工就有一位是資料科學家，他們如何把大數據變成企業基因？
「太有趣了！Airbnb就像個糖果店一樣，有源源不絕的驚喜等待發現！」 曾為哈佛大學商學院助理教授、現任Airbnb首席經濟學家暨資料科學團隊主管的彼得．柯爾斯（Peter Coles），在接受本刊專訪時笑著指出。
被《富比世》雜誌譽為「住房界的eBay」，二○○八年八月成立的Airbnb，與Uber並列為近年全球「共享經濟」的兩大典型代表。成立九年來，房源總數已超過四百萬，遍及全球一百九十一個國家、逾六萬五千個城市，數量之驚人，甚至超越全球前三大連鎖飯店業者房間總數。
累計至今，Airbnb已為全球帶來超過二．五億的旅遊人次。而在台灣，僅過去一年，其帶進的國際旅客即逾百萬，占整體入境旅客比率近十％，Airbnb為其股東、知名創投紅杉資本賺得的報酬，更是創下投資以來的新高紀錄，一舉超越Google和聊天服務WhatsApp。
然而，Airbnb驚人的成長動力，除了來自創辦人對房屋共用市場需求的獨到眼光外，另一個較鮮為人知的關鍵，則是來自其大數據團隊所扮演的角色。
分析數百萬房源 擷取三大「關鍵特徵」
Airbnb網站上逾四百萬的房源，每間各具特色，除了房間大小、地址、內部裝潢皆有相當的差異外，房客在接待、飲食或旅遊導覽方面亦有各自的需求，若再考慮季節性因素或各地特有的大型活動，其間排列組合將產生幾近「無窮」的數據。
要從這些巨量的數據洪流中提取有用資訊，在許多傳統企業眼中，光用想的就令人頭皮發麻。然而，Airbnb卻透過一套精緻的「數據工程」，將這一切化為可能。這也是吸引柯爾斯加入Airbnb的一大因素。
「在學術機構，想獲得能夠驗證假說的大量資料，往往需要十足的運氣；但在Airbnb，我卻可以輕易地獲取這些，而伴隨這些巨量資料的，是許多超酷、值得挖掘的有趣問題！」柯爾斯指出。
