AI 时代必备的数据思维

数字转型已从企业的“选配”成为决定生存的“标配”。随着AI技术由实验室走向产业化应用，生成式AI的崛起更为企业带来“赋能生产力”与“创新商模”的双重助力。然而，转型的关键不在于技术堆叠，而在于核心思维的翻转。

随着第四波人工智能热潮的兴起，越来越多的产业将资金投入到人工智能的研究。观察2020、2021年的AI 100企业名单，从AI运算时需要的AI处理器、AI模型的开发、自然语言处理及电脑视觉、语音辨识、深度学习加速器、特征与AI营运平台、IT营运自动化，以及到最末端的开发营运监控，整条AI应用的产业链都有相关企业入选，可以看出产业与AI间紧密的双向互动。

AI产业链兴起

科技专家着重于AI技术研发，产业企业通过应用这些AI技术，解决企业问题，两者的互动让AI产业化的趋势更加明显，这也代表着产业已从“产业AI化”发展到“AI产业化”。

Gartner在2020、2021年十大科技趋势指出，通过增进人类赋能（Human Augmentation），让人们更易使用智能应用来提升解决问题能力，企业需要具备随时随地接受顾客决定的通路进行互动，这就是随处营运（Anywhere Operation）的能力。在管理角度上提出AI工程概念，在数据、模型、应用的营运管理能在企业内更有效地被运用、管理与发展，而AI安全（AI Security）议题，将是未来AI技术发展与应用过程需要注意的，尤其是要能透明化与可追溯性（Transparency and Traceability），这些科技趋势提出产业发展与智能应用指引，让产业在应用AI科技有更多角度来思索更好的发展。

AI技术不但促使许多产业AI化，也能实际被各项产业应用，产业需求变大。为加速服务产业，AI公司也渐渐形成专门提供AI技术服务，然后由有能力整合产业需求的公司，来提供完整产业智能应用，而逐渐形成具有上下游的AI产业链，此称之为AI产业化。

2022、2023年CB Insights更进一步将AI 100入选的企业分成三大类，分别是跨行业应用，行业特定应用及AI开发工具。这表示有越来越多智能应用具备支援跨产业能力，如销售与客服、回馈分析、工程设计、AI助理与人机介面、味觉科技等。从这样的变化可以发现，智能应用也将具有在各个行业提供服务的能力，加速产业的智能应用发展，造就AI跨行业应用的趋势。

2023年，生成式AI快速崛起，AIGC（AI Generated Content）人工智能应用所产制的内容也成为企业的发展助力，且与以往AI不同的是， 生成式AI能自行创造出全新且未曾有过的内容。

“赋能”与“创新商模”两大新助力

生成式AI带来两大助力，其一是“赋能”，也就是能快速增强生产力，就好比一位不擅长写作的求职者，只要将想要表达的主旨和目的告诉ChatGPT的生成式AI工具，就能完成一篇完美的履历。生成式AI已可以协助生成营销文稿、推广文宣、顾客回函等，大幅提升工作效率，减轻工作负担。

其二是“创新商模”，在生成式AI的帮助下，催生出前所未有的全新商业模式。例如，有餐厅业者希望在官网上建立智能机器人，用以回答客户对于营业时间等相关问题、协助订位或预定餐点，除了有效减少服务顾客的人力，也能因提早获知顾客欲订餐点，事先准备适当食材。而若预估当日食材可能有剩，就可以通过智能机器人发送优惠讯息给其他潜在顾客，提高他们前来消费的意愿，降低餐厅食材的浪费。

从上述情境可以发现，通过智能机器人与顾客互动，可以进行营销、推广、服务顾客，提升消费意愿，在必要时才由人力介入处理。此种新样态的企业经营方式，将整合更多科技应用，让企业发展得以迅速成长。

从2018年的AI智能应用发展，2019年的产业AI化、2020年开始AI产业化、2021年AI产业形成、2022年AI跨产业应用、2023年生成式AI崛起、2024年顾客价值提升的发展。可以说，这几年AI与产业间的发展相辅相成，AI技术更成为各产业发展的关键，并同时带来产业变革。

从“数据价值”出发，需要具备的数据思维

随着第四波人工智能热潮的兴起，越来越多的产业将资金投入到人工智能的研究当中，自第三波热潮开始，人工智能走出实验室，并在各个不同的产业领域，如生医、金融、农业、制造业等大放异彩。然而，人工智能并非万灵丹，仍有其限制，除了需仰赖大量数据之外，如何对数据做正确且有效的解读，也是各个企业正面临的问题。

对于希望将人工智能导入自身企业的管理者而言，若对人工智能及数据分析相关知识没有基本的认知，很可能会对AI技术有所误解，进而造成误判，无法实现期待的成果。

当我们认识到数据如何运用分析技术来应用，而数据应用的背后必须要建构正确的思维，从解决问题出发来收集数据、处理数据、运用数据，就是“数据思维”，先累积营运数据，探求数据的应用，再完善数据收集。

2001年Meta集团（META Group）的分析员道格．莱尼（Doug Laney）指出大数据有三个特性：数据量（Volume）、数据输入输出的速度（Velocity）与多样性（Variety），合称“3V”。而之后出现第四个“V”，不同机构有着不同的定义，像是真实性（Veracity）或价值（Value）等。而我们更建议读者，从数据价值（Value）来看待数据，因为我们认为，数据价值的重要性高于其他3V，且是3V价值的综合展现，将数据价值发挥，才能为企业创造价值。

要知道如何使用数据，首先必须要了解数据来源为何、数据形态是什么，才能够从中找到对应的技术以及方法，去做数据分析和数据视觉化的呈现，并将这些数据的价值找出来。

但千万不要以为有了数据就开始迫不及待的进行分析。更重要的是，我们必须知道想要解决什么问题？从解决问题的目标去找寻能用的数据，再从数据中找寻答案，这才是正确使用数据的第一步，也是数据思维很重要的一步。

当我们拥有数据，就应该思考如何去运用，让这些数据除了对营运有所帮助外，更要进一步思考企业的未来发展，或是为目前的主业之外创造可能的机会与价值，这些可说是非主业的黄金，而这些黄金甚至可能比主业还值钱。

数据运用除了思考与主业相关的营运外，更重要的是思考能否创造出“非主业的黄金”，我们可以从“数据效用”、“数据驱动新商模”两个角度来思考。

“数据效用”是让企业对于数据有更多运用的思维；“数据驱动新商模”，则是借由累积大量的数据或服务平台，转换为数字资产，成为可使用的数据或提供新服务，提供给有需求的用户。以这两个角度来建构与思考数据运用，就是数据思维的最佳应用。

数据的真正力量，不在于规模的大小，而在于其转化为决策价值的深度。唯有建立正确的数据思维，将冷冰冰的信息炼金为具备预测力与创造力的营运智能，才能在变幻莫测的数字时代，掌握跨界创新的主动权，实现企业长青。

本文出自：《AI 2.0时代的新商业思维》／天下杂志出版社