建構數據思維,企業經營的新驅動力
建構數據思維,企業經營的新驅動力

我們都有這樣的經驗,當我們在網路上搜尋想購買的物品如電腦螢幕,搜尋幾次後,您只要在網路上瀏覽,旁邊就會出現電腦螢幕的廣告,而且還都蠻符合您需求;您在購物平台購買物品,可能也經常會收到讓您心動的推薦商品......等,這些就在我們生活周遭,這些都是數據的力量。

近幾年人工智慧技術正引領產業的發展與變革,中華軟協2017年成立AI大數據智慧應用促進會,推動產業AI智慧應用,推廣AI思維教育,讓產業對於AI技術有正確認識。而在這推廣過程中,我更感受到:AI是技術,技術要怎樣用,要解決什麼問題,這才是核心問題。

解決問題的第一步是數據,數據怎樣收集與運用,成為企業很重要的工作。

shutterstock_693112105_data.jpg
現在是處處充滿數據的時代,但若收集了許多數據,卻不知如何運用或如何為公司帶來效益,再多的數據也是徒勞。
圖/ REDPIXEL.PL via shutterstock

建立數據思維,企業對數據有更深認識,透過數據來驅動成長動力

企業怎樣有計畫地收集數據呢?數據之於企業應怎樣看待呢?這問題我們應該建立「數據思維」,先累積營運數據,探求數據的應用,再完善數據收集。企業經營一定會產生營運所需要資料,而這些資料除正常營運所需,還可以為企業帶來甚麼效用、為企業發展又帶來什麼幫助、企業要怎樣治理這些資料,這是需要探討的命題。

企業的營運資料很多,且日復一日地產生,如交易資料、客戶資訊、服務資料、作業資料......等,這些資料對於企業的營運與發展要怎樣運用呢?

我們先來看看我們身邊的例子,Google做的是搜尋引擎,但是如今獲利最多的卻是廣告收益,占營收超過八成。原因在於民眾大量使用Google的搜尋引擎,而藉由使用者的搜尋紀錄,去推薦各個使用者比較有興趣的資訊,提高廣告的點閱率,賺進更多的廣告收益。

Facebook做的是社群網路,其獲利最多的也是廣告收益,營收九成多。其也是藉由使用者按讚以及打卡等行為的互動紀錄,去進行分析,進而提供相關廣告給使用者。

google-and-facebook.jpg
Google主要經營搜尋引擎,Facebook經營社群平台,看似與數據無關,但其實用戶在上面的每一個瀏覽資料,都是他們能用來變現的數據。
圖/ 截圖自Twitter

數據運用除了思考業務相關外,重要是要思考能否創造「非主業的黃金」,我們可以從「數據效用」、「數據驅動新商模」兩個角度來思考。

1.數據效用:重視數據效用,才能創造價值

我們常會談到大數據,而也認為數據大就是好,夠大才有用,我個人覺得這是數據迷思,數據我認為價值才是重點,唯有能創造價值,才對企業有幫助,所以數據效用是我們要思索的。一個企業營運自然會留下資料,而這些資料是企業的負擔,還是黃金呢?若沒有運用,就是負擔,若能發揮其效用那就是黃金。

運用數據來改善內部作業流程、調整產品策略、調整市場方向、提高客戶黏著。例如從顧客服務資料可以看出顧客經常用甚麼管道來互動,就可以強化這些接觸管道的服務內容與體驗方式;從客戶抱怨或回饋需求,就可以成為改善產品的重要資訊......等。

2.數據驅動新商模:透過數據價值,改變商業模式

創造新價值,運用數據來提供新服務,產生新附加價值,或創造新的商業模式。例如一個餐飲外送平台,可能是最能掌握地區口味喜好及生活習慣,這些資訊可以提供給店家建議,也有可以成為給開店需求企業的顧問服務。

一個共享機車平台,有大量機車在城市執行載運服務,而其車上的感應器,知道城市那些地方路不平、那些地方有坑洞、成為智慧城市最佳合作夥伴;共享機車的上下車熱點,成為商家導流的最佳協助者,這些可以創造新的營運商模,創造新的收入。

我們換個角度看共享機車公司,其實是數據科技公司,其營運平台及營運數據就是數位資產,營運數據也可以加以整理,銷售這些數位資產。

共享機車_wemo_irent_goshare.JPG
看似簡單的租借機車服務,其中也包含許多數據資料,若企業擁有數據思維,便能為公司創造「非主業的黃金」。
圖/ Wemo、iRent、GoShare提供

解決數據應用「兩大困境」,驅動企業成長

對於數據應用,應先建立數據應用的服務目標,然後以達成這服務,來修正完善數據收集。話雖如此,在大企業較有資源,就可以採用專案發展方式,跟資訊服務業者一起客製發展。而若是中小企業,在實務上可能會遇到這兩種典型困境。

1.數據擁有問題

一般業界會遇到是有數據沒技術,有技術沒數據的困境。企業擁有經營數據,但不容易擁有AI技術,尤其以中小企業最為明顯,但擁有技術的資訊服業者,不擁有數據,造成這雙方磨合期長,不易成功。或若產生合作的智慧應用,也不易拓廣到其他企業應用。

2.數據收集問題

企業在沒有完整數據思維下,可能收集的資料不完整,無法有效建立解決方案,若要補足資料,也是工程浩大,這令企業躊躇不前。

就資訊服務業者而言,期待能夠建立一個可以服務眾多企業的智慧應用,這對產業而言也有助於發展。針對這些困境,我提出兩個策略來給大家參考。

1.選對問題策略

怎樣選擇一個對的智慧應用問題,是一個重要的起點,運用行業經驗,定義共同問題,逐漸建構一個智慧應用解決方案,成為一個產品或融入現有產品系統中。

在製造業經常提起的就是瑕疵檢測、預修保養這類問題;在商業上經常有推薦系統、服務機器人(Chatbot)運用於各種解決方案中。我們可以透過數思維與產業經驗知識,發展更多智慧應用,來協助產業發展。

2.時間換取空間策略

可以依照要解決的問題,規劃保留資料項目,在系統中留下必要紀錄,並做初步整理。隨著營運時間,逐步累積必要資料,系統也逐步歸納提出建議,隨著時間與資料量增長,其模型運作結果,可以逐步達到供參考或可採用的成果。

data_數據分析_ai
並非所有資料都重要,也不是所有數據都值得收集。用「以終為始」的角度思考,才能真正從大數據中獲益。
圖/ Shutterstock

數據思維是從數據價值出發,決定我們要運用數據來提供的服務,然後收集資料發展智慧應用,以終為始的概念驅動企業發展。而資訊服務業者可以依據熟悉領域,以選對問題,時間換取空間的策略發展智慧應用,融入既有產品。

這也可以引入AI技術廠商合作發展,工業局推動「資服業產品加值AI落地應用」計畫,就是要協助業者插上AI的翅膀,提升產品價值,支持產業發展所需。數位轉型成是企業必須面對的命題,而數據思維建構新的數據驅動力,將成為企業成長的主引擎。

《數位時代》長期徵稿,針對時事科技議題,需要您的獨特觀點,歡迎各類專業人士來稿一起交流。投稿請寄edit@bnext.com.tw,文長至少800字,請附上個人100字內簡介,文章若採用將經編輯潤飾,如需改標會與您討論。

(觀點文章呈現多元意見,不代表《數位時代》的立場)

責任編輯:吳佩臻、侯品如

往下滑看下一篇文章
AI 成為企業新基礎設施,勤英科技從雲端代理走向 AI Infra 整合
AI 成為企業新基礎設施,勤英科技從雲端代理走向 AI Infra 整合

因應生成式 AI、代理式 AI 與實體 AI 的崛起,模型成為企業資訊基礎設施的一環,企業不僅需要算力、還必須具備同時管理多個 AI 模型、優化營運成本,以及確保 AI 基礎設施的安全與穩定;有鑑於此,服務超過 2,000 家企業客戶上雲的勤英科技(ELITE CLOUD)將業務範疇從雲端代理延伸到 AI 基礎設施整合商,協助企業整合多元模型資源、因應不同應用場景彈性調度算力資源,在 AI 新世代建立可規模化的 AI Infra 能力。

「隨著 AI 從單一聊天機器人進化到多模型、多代理協作,企業的核心競爭力不再僅是擁有 AI,而是建立一套可管理、多模型共存、穩定、安全且可持續擴充的 AI Infra 環境。」勤英科技區域總經理黃士培表示,為協助更多企業推進 AI 創新實務,勤英科技從原本的 AWS、Google Cloud、Azure 雲端代理角色,進一步轉型為 AI 基礎設施整合服務商,透過多語言模型平台 MixRoute、代理式 AI 導入與企業資料治理服務,協助企業建立真正可落地、可管理、可擴展的 AI 應用架構。

從 IT Infra 到 AI Infra,企業最大挑戰不是模型、算力而是管理

過去幾年,許多企業透過生成式 AI 實現「問問題」、「摘要文件」、「生成簡報」,提升員工工作績效,而代理式 AI 的崛起與普及,則讓「內嵌 AI 的企業應用」快速成為新常態,從企業資源規劃(ERP)、顧客關係管理(CRM)、人力資源(HR),到客服、研發甚至製造系統,AI 開始深度嵌入各類企業應用,AI 扮演的角色也從單純的輔助工具,逐漸進化為企業營運與決策流程的重要核心。

也因此,企業保持未來競爭力的關鍵,不再是「有沒有導入 AI」,而是「是否具備管理 AI 的能力」,包括如何讓多模型共存、如何控管 Token 成本、如何確保資料品質與一致性、如何依不同部門需求配置 Agent,以及如何避免 AI 成為新的資訊孤島,都是企業導入 AI 後的新挑戰。

「Gemini、Claude、OpenAI、Mistral 等模型快速迭代,意味著企業若只押注單一模型,未來很可能在成本、效能與彈性上失去優勢。」勤英科技區域總經理黃士培表示,企業接下來更需要以「Models as Infrastructure(模型即基礎建設)」的思維,將大型語言模型視為與運算、儲存、網路同等重要的基礎資源來規劃、治理以及進行成本管理,將資訊系統架構重塑為 AI 基礎建設。

勤英科技_內文1.JPG
圖/ 數位時代

勤英科技服務的客戶數超過 2,000 家,不少客戶已導入 AI 應用服務,正積極建置 AI Infra 與管理環境,因此,勤英科技自 2025 年積極轉型,將 AI Infra 視為企業長期競爭力的基礎建設來經營,業務範疇從傳統雲端代理擴展至 AI Infra 整合服務商,例如與多模型平台 MixRoute 合作,並開發可支援單一登入(SSO)、彈性調度不同大型語言模型 Token 的管理平台,協助企業簡化模型管理與成本控管,將更多資源與心力聚焦於核心業務與創新應用。

從雲端代理走向 AI Infra 整合,勤英科技從三面向協助企業發揮 AI 綜效

有鑑於 AI 應用與雲端環境息息相關,勤英科技除因應企業客戶的多雲策略協助管理多雲環境、優化成本,以及落實資安治理,更因應不同使用情境推出三種 AI 方案助力企業:

第一:提供開箱即用的 AI 服務。

黃士培以 Google Cloud 的產品為例解釋,透過整合 Gemini 的 Google Workspace,企業可直接在 Gmail、Meet、Docs、Sheets、Slides 中使用 AI 功能,包括會議摘要、文件生成、簡報整理等,快速提升員工生產力,同時,增強企業對 AI 應用的信心,為之後的應用深化做準備。

第二:協助企業規劃、打造與導入代理式 AI 應用服務。

「對於擁有豐沛結構化數據資料、知識庫的企業來說,除以生成式 AI 打造企業大腦,還會透過代理式 AI 提升自動化執行能力,重塑工作效率。」黃士培表示,勤英科技可以基於 Google Gemini Enterprise,提供含括底層雲端架構、AI 模型調度、資料治理與 AI Agent 串接等服務,讓企業員工可以自然語言安全調用企業資料,讓 Agent 進一步執行任務與推動流程。

舉例來說,勤英科技協助在台灣成立超過 50 年的製造業品牌商將 Gemini Enterprise 介接 SAP 與 Salesforce 訓練模型、建立可供 AI 調用的企業知識中樞;另在影音內容生成領域,勤英科技亦協助客戶導入 AI 自動化技術,將內容產製成本縮減達 90%。

第三:提供多模型聚合管理平台,滿足企業以 API 串連各種模型的需求。

勤英科技與新加坡 MixRoute 合作,提供企業客戶多模型管理平台,讓企業可以視需求彈性敏捷的調度 Gemini、Claude、OpenAI 等不同模型,並透過單一帳號、單一帳單與 Budget Alert 機制,管理 token 使用量與 AI 成本。

勤英科技_內文2.JPG
圖/ 數位時代

「透過我們提供的多模型管理平台,企業客戶不會被單一模型綁定,可以在模型快速疊代的環境下,更靈活地管理成本與算力資源。」黃士培如是說道。

總的來說,隨著 AI 應用從單點工具走向大規模企業部署,下一波競爭核心將從模型能力延伸至 AI 基礎設施管理能力,而這也是勤英科技從雲端代理走向 AI Infra 整合服務商背後的核心原因:當 AI 開始成為企業營運的一部分,企業需要的,已不只是模型供應商,而是能協助串接雲端、資料、Agent 與應用場景的長期技術夥伴。

有關更多勤英科技相關資訊,請查詢網站:https://www.elite.cloud/zh/

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
代理式商務連動百兆商機
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓