AI (Artificial Intelligence) First是在今年Google I/O上由CEO - Sundar Pichai 提出的全球方向(註一)，而AI的話題在近期也不斷地發酵，姑且不論歐美各巨頭的論戰，即使在台灣的各產業也興起了一波波的AI熱潮，一堆沒人說得清楚但又好像很厲害的名詞不斷的出現，連科技部也跳下來準備投入5年50億的經費發展AI產業(註二)，AI霎那間成為神級如鋼鐵人從天而降般的角色，親眼看到的人不斷的闡述這個意象，更厲害的是從沒看到的人口中所聽到的描述，你會發現他們不但跟鋼鐵人是從小到大的朋友，而且比他的爸媽還了解他。 

但其實鋼鐵人的的AI是Jarvis....(小聲) 

不過今天要討論的並不是AI，而是Data。Data可以說是AI的養分，沒有Data的滋養，AI是無法以任何方式產生的。藉由現在Cloud Services (AWS, GCP, Azure)的成熟，讓我們就算沒辦法像Google投入數百億美金在AI的發展上，不過從Data First出發是絕對可行的！ 

事實上Data一直以來都存在企業中，有的被系統化紀錄像是ERP / CRM / EIP / CMS / DMP / BPM / HR..等等，而偏向知識，know-how類型的Data則記錄在每一個員工的大腦裡，又有部分完全沒被記錄或記錄在他人的系統裡，例如網站上的行為存放在GA，社群的資料存放在Facebook或LINE，所以請放心，要打造屬於自己的Jarvis是絕對有機會的。 

這是一個go big or die的問題，你如果同意Data是重要的，你的企業該如何在未來三到五年內，成為一個以Data為核心的企業，並讓Data成為你在商場上邁向下一步的競爭關鍵呢？ 

1. 讓Data成為企業文化的一部份

不論公司的大小，如果你仔細的把工作流程或決策流程撥開來看，一定會發現有所謂“憑感覺”或是“從以前就這樣”或是“這是老闆說的”這類不盡合理但又相安無事的處理方式，而許多管理階層會把這樣的方式視為合理甚至是個人的能力表現，製造自己無法替代的假象，但其實反而讓公司無法正規的成長。如果公司有上述的狀況，那代表在這些狀態下，公司沒有收集足夠的資訊進行決策上的歸納與策略制定，要打造Data First為核心的企業從管理階層在mind set上的改變是必要的，首先就要拋棄經驗法則，用Data挑戰或證實自己的想法，問自己：真的是這樣嗎？在這過程中，你會驚訝的發現人在0.01秒之內可以處理的事情需要多少的Data，而這些Data通常不存在任何的系統裡。 

對我來說，Data First並不是要產生新的生意、換掉哪個職位或是多增加多少的淨利，而是讓每個部門，每個職位都有垂手可得的資料用於分析、討論、規劃等等。換句話說，你不需要去”要”Data，而是Data自動送到你的面前，進而讓所有的人產生對Data的想法和好奇心。這必須是一種文化，一種思維，一種呼吸的時候都感覺得到的氣味才能辦得到。 

2. 聚集以Behavior為主體的Data，並且讓它產生關聯

剛剛提過了，企業本來就存在各種的Data。依照不同的部門和目標，就會使用一個或多個系統或服務，而這些系統或服務所產生的資料大都是分散的，舉例行銷部門可能有媒體或廣告資料，業務或客服部門可能有CRM資料，技術部門有主機網路或服務的Log資料，管理部門也有帳務與員工的資料，這些分散的資料就如同分散的資源，連全貌都看不清楚，更別說綜效了。

看到這裡，如果你的想法是：啊！這不可能啦！那請自行登出，因為以下內容太過驚悚，不適合小朋友繼續觀賞。 

但如果你的想法是：這就是我要做的！那恭喜你已經跨出第一步了。 

首先，在資料收集上，你可以利用資料倉儲 (Data Warehouse) 來整合所有的資料，方法和工具大同小異，重點在能夠自動的收集(collect)、監控(monitor)、管理(manage)不同的資料來源和流程，不需要為了技術而技術，找尋適合你的方法即可。 

而行為資料(Behavior Data)，常常在企業中被忽略，例如想知道三個月前某一天的銷售大增的原因，大概有8成的行銷人員是用猜的，他們會說：應該是某一個活動或是某個產品大賣，但實際上的關聯和記錄往往沒有被規律的收集下來，所以你又會常聽到：上次這個活動蠻有效果的，但這次好像沒那麼好？當然很多事情是很難用單一變數來重複驗證，不過將Data收集下來做長期觀察是有必要的。 

接下來先記住一件事：GIGO (Garbage in, Garbage out)，意思是說如果你收集的是垃圾，那最後產生的除了垃圾之外還會有其他的嗎？Data的匯集當然不會是把所有資料丟到一個地方就沒事了，包括資料的採集、清理、對應、標籤...等等，有許多的事情必須要做，這需要企業整體的共識，降低企業的投資風險，所以絕非單純屬於技術部門的責任。 

假設你已經建立了一個資料倉儲，接下來就是把資料之間的關聯性建立起來，資料之間存在可能是強關聯也可能是弱關聯，而決定關聯的方式應由各部門提出，你要做的就是把所有的資料來源攤開讓他們做選擇，再由技術部門處理當中的邏輯即可。為什麼是各部門提出呢？原因很簡單，使用資料的部門絕對比技術部門更了解資料所代表的意義，你若作為部門主管，也應該會比員工更具有資料的敏感度，所提出的需求才能貼近實際的狀況。 

3. 讓員工升級，每個人都可以是資料科學家

許多台灣的企業，把員工作為生產線的一部分，用各類型的系統來對流程進行管理或是對產品進行良率提升，長期下來，你還沒把機器人訓練成人，到是先把人訓練成機器人了。另外近期有許多的企業開始注意Big Data的發展，紛紛的開啟資料科學家(註四)的職缺，希望藉由資料分析找出Data的價值，但是整個流程耗時費工，成本又高，效益極難評估，很多公司只是拿來當作說嘴或對外包裝的題材，而不是認真想做，這在大企業中最容易發生。 

你該了解的是，跟資料靠近的第一線人員其實才是對資料最有Sense (註五) 的人，例如行銷人對行銷或媒體資料、業務對客戶或業績資料、產線對生產相關資料...等，資料科學家再厲害，也要花很長的時間去了解資料的特質，也常發生分析出的報表被給予“這不用你分析我也知道”的評語。所以不如讓第一線人員可以使用一些工具，像是Google Data Studio、或是M$ Excel，做適當的教育訓練，讓他們對資料產生想法或好奇心，鼓勵員工提出數據的觀察，說不定效果更好呢！

另外，通常員工在日常工作中的判斷是來自經驗的累積，但人的記憶是選擇性的，如果能將判斷標準的來源數據化，作為判斷的參考，好處是公司可以降低錯誤決策的發生機率，員工也可以更客觀的態度來處理相關庶務，甚至提供建議，讓資料的收集可以更完整，一魚多吃啊！

呵呵...好像越說越難了！沒錯，搞定人絕對比搞定系統困難多多多多多了！想將企業打造成Data First的環境，就要讓員工也知道你是玩真的，懂嗎！ 

4. 用數據做管理，拋棄數字管理

數字管理在台灣各產業都已經運行多年，在數字至上的企業裡，有著數不清的假KPI和無意義的數字作為管理績效的方式，以下舉兩個例子：

「例一」

目標：會員數增加

作法：舉辦加入會員抽iPhone的活動，會員三個月增加130%

這類的活動一定會吸引到大量的會員，但大部分的會員可能根本不是你的潛在顧客，他們過三個月之後甚至不記得自己在哪些地方加入會員，而你說不定還辦了慶功宴慶祝會員破xx萬呢！ 

「例二」

目標：銀行衝信用卡申請數

作法：辦卡禮 + 強迫員工每月要有x張申辦數，信用卡申請增加xx萬張

你可以簡單算一下你有幾張人情信用卡完全沒用過甚至沒開卡，但銀行端在辦卡禮、製卡、申辦流程、帳單和管理，這些都是成本。銀行說不定還會辦激勵大會，發獎金犒賞優秀員工，銀行界的朋友啊！我相信你們懂，只是不想改變吧！ 

而數據管理的方式會如何進行呢？ 

第一：做長期的數據觀察－企業同時會執行有許多的活動(Activities)，以上面兩個例子來說，持續追蹤經由這些活動對企業的影響是什麼，從客戶期間價值(Life Time Value)、產品或服務的銷售、活動相關成本應做適當的攤提到每個細項做長期的評估。 

第二：依數據設立目標並徹底執行－許多的企業分析是一回事，執行又是一回事，原因很簡單，都是因為管理階層還是做數字管理，員工在多做多錯的企業氛圍下，不敢挑戰新的方式，讓企業呈現殭化的狀態。再以上面兩個例子來說，如果目標改成：增加30%的會員年度貢獻度和提升20%的持卡人滿意度，整體的思維和進行方式就會完全不同，而有數據作為依據，企業的成長動能來源也可以更透明。 

5. 重心放在創新，而不是管控

企業創新是所有的經理人都在追求的，過去製造業的思維主要是管控，標準作業流程(SOP)幾乎每天都掛在管理階層的嘴⋯⋯對，你沒看錯，是嘴裡，在只有數字沒有數據的企業中，充其量只是把現有工作流程化或自動化，這和創新的定義有很大的不同，簡單來說舊思維是無法創造新方法的。 

我們不希望變成一個僵化的企業，但在現在變化如此快速的環境中，如果一個SOP執行了2年都沒人能提出改善方式，在某種程度上可能存在很大的問題，又如果改善都是由管理階層提出，代表企業存在更大的問題，代表企業內部存在者被動改變而非主動創新的文化認同問題。 

要成為一個Data First的企業，你就要學習管理數據，這裡說的並不是data warehouse、database、dataflow之類的相關技能，而是依照不同部門和職級分層進行長期且定期的Data觀察、定義、收集、監控與分析。個人很建議可以利用Scrum的管理方式來追蹤與數據相關人員的回饋，作為整體的溝通橋樑。 

企業內部如果能透明且中性的看待數據，創新就有機會在很多地方發生，小數據也有機會有大發現，也許從服務流程、作業流程甚至是內部溝通流程都有機會產生創新，相同的是小創新也有機會有大表現。

 6. 讓Open Data成為企業目標

無庸置疑的這是最難的，但我強烈建議企業要朝這個方向進行，原因很簡單，當你把去識別化的數據開放出來，就有機會讓全世界的人幫你創新，看看Google、Facebook和各國際大廠過去10年的發展趨勢就可以明白，這裡就不多做說明了。 

而最重要的，當你有能力將數據透過API開放出來，代表內部的數據的流程有相對高的完整度，當有了規格化的數據後，更有機會與合作夥伴進行合作；也可以像KKBOX或Pixnet一樣，舉辦Hackathon的活動來吸引人才，加速服務優化與創新；當然，你的數據如果有價值，一樣可以收費，甚至是新的商業模式都有機會藉由開放數據而誕生。 

以上........你既然都有耐心看到這裡了，就讓我總結一下吧！ 

企業的發展能否永續誰也說不準，不停的向前是必要的，我想不只台灣，許多企業無法應對市場變化往往是無法掌握變化，在過去的工作經驗中，即使是高階經理人，其實也常常沒有頭緒，不確定下一步該往哪走，如果你能讓數據變成企業中的血液，攜帶養分隨著流動到每一個部門甚至員工中，當你用腦過度的時候，心臟就自然會打更多的氧氣上來或是呼吸的更用力來得到氧氣，一切是自然反應而不是命令得來的，你的體質自然會比其他人更好，更有機會抓住機會，應對挑戰。 

以上幾點其實是寫給自己看的，看官如果覺得哪裡有問題，按關閉視窗就好！ 

而AI的境界，等我完成以上6點再告訴你喔～ 

(註一) 完整Keynote請看

(註二) 真心要發展AI的話，建議至少要佔國家年度總預算的1%（約200億)，並拉升到國家戰略等級，而不是政策等級，方向應朝產業AI化，而非發展AI產業。 

(註三) 小祕技：人才招募也要趕流行，你把資料分析師改成資料科學家，應徵人數多30%不是問題。 

(註四) Sense這個字太難用中文來描述，大概就是感覺、理解力、聯想力的綜合吧！

【以上消息由優愛德提供】