Step 1 ?决定目标，再运用资料

获红杉资本投资、以大数据和人工智慧替客户精准投放广告的Appier执行长游直翰表示，时常见到客户因为手上有一堆数据，就毫无目的的丢出来，想“做些什么”，但其实应反向思考：“先决定目标-再来运用资料。”

“大数据不是万灵丹，不是做了就能百分之百解决所有问题。”尹相志也呼吁，企业对大数据不要有过度遐想，应在导入专案前，先清楚想好产出，才有意义。

Step 2 ?设立专案，跨部门整合

蒋居裕认为，大数据其实不只是科技，更是企业十大污的软件议题。执行大数据专案时，企业内的高阶主管确立目标后，应设立专职的单位负责，且层级越高，才能方便跨部门的整合。

尹相志也认为，即使大数据专案只是一次性的导入，结束后也需要有专职人员持续搜集、整理资料，有助下一次专案启动。

Step 3 ?条件评估，需多少成本？

确立目标后，则要评估自己的企业，究竟得选择什么方式、耗费多少成本来执行大数据专案。颜均泰解释，如果企业的数位化程度高，一切的商业行为都有数位纪录，执行专案将容易许多。若多数纪录还是纸本，得先依靠人工或软体建档、重新搜集资料’将大幅垫高成本。

Step 4 ?搜集数据，提早数位化

在搜集资料的过程中，中欧国际工商学院策略学副教授陈威如认为，用数位、自动化的方式采集数据，在数据时代格外重要。

他举例，过去，多数的餐馆因为没有数位化，无法掌握客人的面貌与消费习惯。“未来，如果大家都数位化搜集(顾客资讯)，可以互相分享、交换数据，只有你还在用纸跟笔，人家都知道顾客吃喝玩乐的形态，你自己盲目的打仗，最后就会被排挤在外。”也就是马云说的，小商家如果没加入数据时代，便会被淘汰的原因。

Step 5 ?资料分析，须产业内知识

资料分析是大数据执行时最难的1个步骤。负责分析的资料科学家，除了要有程式运算、建置分析模型等能力，还要具备充足的产业内知识，才能让分析不失真。

胡育铭表示，一名好的资料科学家至少要花五到十年养成，台湾通常只有百大企业等级，才有能力自行培训。即便是在大数据产业内，这样的人才也相当稀少，年薪至少三百万元起跳。

Step 6 ?执行与改善，让数字说话

大数据的分析结果，通常只能告诉你问题所在，最后仍需要人来执行。颜均泰举例，曾经替一间企业用大数据诊断后，发现生产时许多无效时间，是每个生产站之间搬送的过程。最后，是跨产业、辗转向汽车业取经，才解决问题。

游直翰并建议，台湾中小企业主要从靠直觉、手感来做决策，转为根据数据做决策，相信数字所说的故事，才能让大数据发挥功效。

文章来自网络，版权归作者所有，如有侵权请联系删除