Step 1 ?決定目標(biāo)，再運(yùn)用資料

獲紅杉資本投資、以大數(shù)據(jù)和人工智慧替客戶精準(zhǔn)投放廣告的Appier執(zhí)行長游直翰表示，時(shí)常見到客戶因?yàn)槭稚嫌幸欢褦?shù)據(jù)，就毫無目的的丟出來，想“做些什么”，但其實(shí)應(yīng)反向思考：“先決定目標(biāo)-再來運(yùn)用資料。”

“大數(shù)據(jù)不是萬靈丹，不是做了就能百分之百解決所有問題。”尹相志也呼吁，企業(yè)對(duì)大數(shù)據(jù)不要有過度遐想，應(yīng)在導(dǎo)入專案前，先清楚想好產(chǎn)出，才有意義。

Step 2 ?設(shè)立專案，跨部門整合

蔣居裕認(rèn)為，大數(shù)據(jù)其實(shí)不只是科技，更是企業(yè)管理議題。執(zhí)行大數(shù)據(jù)專案時(shí)，企業(yè)內(nèi)的高階主管確立目標(biāo)后，應(yīng)設(shè)立專職的單位負(fù)責(zé)，且層級(jí)越高，才能方便跨部門的整合。

尹相志也認(rèn)為，即使大數(shù)據(jù)專案只是一次性的導(dǎo)入，結(jié)束后也需要有專職人員持續(xù)搜集、整理資料，有助下一次專案啟動(dòng)。

Step 3 ?條件評(píng)估，需多少成本？

確立目標(biāo)后，則要評(píng)估自己的企業(yè)，究竟得選擇什么方式、耗費(fèi)多少成本來執(zhí)行大數(shù)據(jù)專案。顏均泰解釋，如果企業(yè)的數(shù)位化程度高，一切的商業(yè)行為都有數(shù)位紀(jì)錄，執(zhí)行專案將容易許多。若多數(shù)紀(jì)錄還是紙本，得先依靠人工或軟體建檔、重新搜集資料’將大幅墊高成本。

Step 4 ?搜集數(shù)據(jù)，提早數(shù)位化

在搜集資料的過程中，中歐國際工商學(xué)院策略學(xué)副教授陳威如認(rèn)為，用數(shù)位、自動(dòng)化的方式采集數(shù)據(jù)，在數(shù)據(jù)時(shí)代格外重要。

他舉例，過去，多數(shù)的餐館因?yàn)闆]有數(shù)位化，無法掌握客人的面貌與消費(fèi)習(xí)慣。“未來，如果大家都數(shù)位化搜集(顧客資訊)，可以互相分享、交換數(shù)據(jù)，只有你還在用紙跟筆，人家都知道顧客吃喝玩樂的形態(tài)，你自己盲目的打仗，最后就會(huì)被排擠在外。”也就是馬云說的，小商家如果沒加入數(shù)據(jù)時(shí)代，便會(huì)被淘汰的原因。

Step 5 ?資料分析，須產(chǎn)業(yè)內(nèi)知識(shí)

資料分析是大數(shù)據(jù)執(zhí)行時(shí)最難的1個(gè)步驟。負(fù)責(zé)分析的資料科學(xué)家，除了要有程式運(yùn)算、建置分析模型等能力，還要具備充足的產(chǎn)業(yè)內(nèi)知識(shí)，才能讓分析不失真。

胡育銘表示，一名好的資料科學(xué)家至少要花五到十年養(yǎng)成，臺(tái)灣通常只有百大企業(yè)等級(jí)，才有能力自行培訓(xùn)。即便是在大數(shù)據(jù)產(chǎn)業(yè)內(nèi)，這樣的人才也相當(dāng)稀少，年薪至少三百萬元起跳。

Step 6 ?執(zhí)行與改善，讓數(shù)字說話

大數(shù)據(jù)的分析結(jié)果，通常只能告訴你問題所在，最后仍需要人來執(zhí)行。顏均泰舉例，曾經(jīng)替一間企業(yè)用大數(shù)據(jù)診斷后，發(fā)現(xiàn)生產(chǎn)時(shí)許多無效時(shí)間，是每個(gè)生產(chǎn)站之間搬送的過程。最后，是跨產(chǎn)業(yè)、輾轉(zhuǎn)向汽車業(yè)取經(jīng)，才解決問題。

游直翰并建議，臺(tái)灣中小企業(yè)主要從靠直覺、手感來做決策，轉(zhuǎn)為根據(jù)數(shù)據(jù)做決策，相信數(shù)字所說的故事，才能讓大數(shù)據(jù)發(fā)揮功效。

文章來自網(wǎng)絡(luò)，版權(quán)歸作者所有，如有侵權(quán)請(qǐng)聯(lián)系刪除