【觀點】重複工作一直做,怎麼進步20%?「RACAE」策略,讓你5步驟實現年度目標
【觀點】重複工作一直做,怎麼進步20%?「RACAE」策略,讓你5步驟實現年度目標

在當今日益競爭激烈的商業環境中,有效地設定和實現年度目標對企業來說至關重要;特別是從各種數據與市場反應來看,2024的市場景氣仍看不到樂觀的跡象,代表競爭依然激烈,要如何脫穎而出就是每個企業的重要課題。

筆者從多年輔導不同行業的企業團隊經驗中,萃取了以「陪跑」方式,協助企業團隊成長的關鍵概念── 「RACAECycle-優化循環理論」 ,並探討其如何幫助企業在不斷變化的市場中規劃年度目標,保持競爭力。

優化循環理論是什麼?不是年末才會總盤點?

行為需要時間養成,習慣也需要時間累積,所以運用陪跑方式,協助企業團隊培養業績成長的必要技能。

當中的核心概念就是:「 同樣的事情重複執行,可以如何進步20%? 」這就像是同樣的考卷再考一次,如何能讓自己再進步20分是一樣的道理。

「進步20%」的意義有多種層面,除了業績成長20%之外,效率如何提升20%、成本如何節省20%、時間安排更有餘裕20%。

shutterstock_390162118_target.jpg
「進步20%」的意義有多種層面,除了業績成長20%之外,效率如何提升20%、成本如何節省20%、時間安排更有餘裕20%。
圖/ GaudiLab via shutterstock

RACAECycle:5步驟定位問題與方向

R-Record(記錄):

  • 運用「切蛋糕」的方式針對年度業績 進行新舊客分析 ,並針對各自的關鍵數據如:回購率、成交率,平均客單價……進行記錄,並回顧創造關鍵數據的關鍵事件,藉以掌握創造業績的關鍵。
  • 記錄的目的,不在於對上的報告,而是成為下次執行時可以優化的基準,所以不只是當下的記錄,重點是在下次執行前要再次檢視。

A-Analysis(分析):

  • 深入探討如何分析記錄的數據,並討論這些分析如何影響目標的設定和調整。
  • 分析一個數據的背後成因,往往有兩個面向,一是客觀的外在因素如市場變化,另一個則是主觀的內在因素,屬於企業自身可以掌握的操作,像是:產品組合的設定,廣告預算的配比等。
  • 分析時著重在企業可以掌握的內在因素,可以提高目標達成的可行性;分析外在的因素則是了解企業在市場的相對位置,藉以判斷目標的方向。

C-Conclusion(結論):

  • 描述從分析中得出的結論如何指導具體目標的設定,以及如何 利用這些結論來制定有效的策略和行動計劃
  • 根據經驗,許多的報告都停留在此一階段;但唯有明確的下一步才能讓企業繼續往前,所以需要針對結論擬定新的行動方案。

A-Assumption(假設):

  • 解釋在設定目標時,如何建立合理的假設,以及這些假設如何幫助預測和形塑未來的行動方向。
  • 使用結論二分法來進行假設推論 可以提升對於目標達成的掌握度,即如果驗證結果符合預期,與驗證結果不符合預期。
  • 如果驗證結果符合預期,代表了什麼?如果驗證結果不符合預期,那團隊又會如何應對?
  • 透過這樣的假設可以降低對於未來目標的不確定性,提高對於達成目標的掌握度。

E-Experiment(驗證):

  • 討論如何透過實驗和實際行動來驗證假設和目標,並強調實踐驗證在持續優化過程中的重要性。
  • 企業的時間與資源都不是無限,要如何快速有效地進行驗證就成為在高度競爭環境中勝出的關鍵。
  • 筆者最常使用的驗證方式就是AB測試,而數位廣告的好處就是可以快速的驗證各種推論。
goal.jpg
唯有明確的下一步才能讓企業繼續往前,所以需要針對結論擬定新的行動方案。

業績不如預期?用實例告訴你

筆者過去曾經陪跑一間女性飾品電商,針對母親節檔期的不同等級客戶進行分析。

當時發現某個等級的客戶業績貢獻不如預期,業績達成率不到五成,而在檢視後推論是溝通的方式(簡訊或電子報)或提供的優惠形式(折扣碼或購物金)不適切導致。

針對這個問題,筆者規劃在接下來的活動檔期針對該等級客戶進行驗證,最終得出該客層最佳的溝通形式與優惠方案。

「RACAE」不只是策略工具,更是一種思維模式

在傳統的目標設定過程中,企業可能只在年底進行一次性的評估。相反地, 「RACAE」著重在即時反應 ,提倡透過持續的分析和得出結論來不斷調整策略。

透過「RACAE」優化循環理論的應用,企業能夠 更有效地應對市場變化,實現其年度目標 。這個過程不僅增強了決策的數據驅動性,也提高了策略的靈活性和應變能力。筆者過去能夠協助企業業績倍數成長,也是徹底實踐此一理論。

從記錄到驗證,每一步都是對企業策略的深入洞察和精細調整,確保目標的達成既符合市場現實又具前瞻性。

在瞬息萬變的商業世界中, 「RACAE」理論不僅是一種策略工具,更是一種思維方式 ,鼓勵企業持續學習、適應並成長。採用這一系統化的方法,企業不僅能夠實現當前目標,還能為未來的成功奠定堅實基礎。

延伸閱讀:AI、半導體都是必讀書!企業CIO、高階主管都愛看什麼書?推薦書單一次看

《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:溫偉軒、林美欣

關鍵字: #企業經營管理
往下滑看下一篇文章
為何台灣製造業在「智慧製造」卡關?AWS白皮書點出問題,提供實踐最佳解
為何台灣製造業在「智慧製造」卡關?AWS白皮書點出問題,提供實踐最佳解
2025.08.13 |

全球製造業正處於前所未有的挑戰中,從勞動力短缺、供應鏈脆弱,到淨零碳排與數位轉型需求的成長,每一項趨勢都正重新定義產業格局。對此,AWS 發布《全球地緣新局時代下的製造戰略:台灣產業韌性與轉型關鍵策略》白皮書,深入剖析製造業在全球地緣政治與市場變化下的挑戰與機會,提供台灣製造業適合的落地策略與最佳實踐方法。

《全球地緣新局時代下的製造戰略》白皮書限時下載

擔心無法回本、缺乏知識技術,台灣升級「智慧製造」卡關中

台灣製造業在全球供應鏈中扮演重要角色,但同時面臨地緣政治風險、技術門檻高、人才缺口大等多重挑戰。其中在供應鏈韌性方面,壓力更為顯著。根據英國營運持續協會統計,全球近 8 成企業在過去 12 個月曾遭遇供應鏈中斷事件,凸顯全球供應鏈的脆弱,台灣製造業也難以倖免,特別在國際局勢不確定性與在地原料依賴度高的情況下,會進一步放大成本與交期風險。

生成式 AI 應用快速擴展,預計 2025 年台灣企業導入將進入早期大眾階段,並以半導體產業為先導,逐步擴散至其他領域。DIGITIMES 調查顯示,已有 18.1% 的企業採用生成式 AI,並積極用於改善營運效率與產品良率,然而仍有 31.5% 的企業尚未規劃導入,主因包括成本考量、缺乏知識與技術、產業需求不明確,使企業在大規模部署時保持謹慎態度;資誠聯合會計師事務所發布的《2023 臺灣企業轉型現況及需求調查》也顯示,37% 的企業擔心智慧製造投資報酬率過低,30% 缺乏導入知識與技術,27% 不清楚如何實踐,導致智慧製造推動困難。在電子製造業迫切需要專業人才之際,許多產業面臨預算與數據分析能力不足的窘境。

AWS
圖/ AWS

此外,勞動力老化也是台灣製造業的問題。以國發會數據估算,2030 年台灣 50 歲以上就業人口將達 23.8%,導致技術傳承與產線穩定性受衝擊;同時 2050 年淨零碳排目標,迫使製造業必須進行碳盤查與能源優化;加上雖然 9 成企業已啟動數位化,但多數仍停留在營運系統,生產端 IoT 與 AI 應用不足,數據價值未被充分釋放。上述都恐將成台灣製造業升級的阻礙。

全球製造業大變局,智慧製造成關鍵突破口

根據媒體《DIGITIMES》研究,全球智慧製造市場規模將從 2024 年的 3,212 億美元,快速成長至 2033 年的 1 兆 1,583 億美元,年複合成長率高達 13.7%。在社會和全球趨勢的推動下,不只對台灣的製造業帶來新的壓力和挑戰,同時也催生了產業升級需求。

所幸,隨著智慧製造的 4 大技術日益成熟,替台灣製造業帶來更多可能。目前,IoT 透過連接感測器與生產設備,已實現即時監控與資料收集,並支援預測性維護與生產最佳化。世界製造業基金會報告顯示,IoT 已成企業智慧製造的首要投資項目;此外,智慧製造上,AI 現已被廣泛應用於品質檢測、生產流程優化與預測性維護,企業若結合機器學習、深度學習與生成式 AI,即能以數據驅動決策,提升生產靈活性並降低成本。

同時,隨著「數位雙生」的發展,企業可藉其進行「虛擬試錯」與「情境模擬」,在導入新技術前,先模擬其對現有產線的影響,或預測潛在風險與資源耗損,避免浪費;另外,在 AI 大規模應用下,數據隱私、安全風險成為顧慮。「主權 AI」確保企業在可信的基礎架構中進行數據分析與模型訓練,降低數據外流風險,並支援在地資料中心部署,以滿足低延遲、高安全需求。企業若在產業升級中,將智慧製造的 4 大技術整合,即能在自家領域有效推進。

《全球地緣新局時代下的製造戰略》白皮書限時下載

加速轉型關鍵夥伴登場!AWS 台北區域重磅上線

AWS 作為全球雲端運算領導者,深耕台灣市場多年,成為製造業升級「智慧製造」的鑰匙之一,提供全方位資料策略、生成式 AI 創新、敏捷性等多種解決方案,協助製造業突破瓶頸。

過往製造業資料分散在 IoT 裝置、舊設備、資料湖、雲端資料庫與內部系統中,缺乏統一結構與命名規則,也受到組織文化與部門隔閡影響,導致難以擴展或有效利用。藉由「AWS 工業資料經緯」框架,能支援多來源數據關聯與脈絡化,可用於分析、AI 模型訓練與數位應用程式開發,讓資料運用最大化。藉由 AWS 的高性價比基礎設施與豐富合作夥伴網路,企業可大規模部署生成式 AI 應用。

製造業期待透過生成式 AI 來加速產品開發、提升營運效率、優化供應鏈並強化客戶體驗。AWS 提供完整 AI / ML 服務,支援模型建置、訓練、推論與部署全流程,助企業快速、安全落實 AI 應用。企業可將專有資料導入基礎模型,進行微調與最佳化應用。

同時,為協助製造業在全球市場中維持高度韌性與營運敏捷性,AWS 已於 2025 年初在台灣設立全新 AWS 台北區域,涵蓋三個可用區,將使企業能就地處理與儲存必須留存於台灣的資料,確保資料主權與合規性,同時降低延遲、提升應變速度。AWS 預期將在台北投入數十億美元於營運、基礎設施與客戶支持,幫助製造業數位轉型。

立即下載 ➤《全球地緣新局時代下的製造戰略:台灣產業韌性與轉型關鍵策略》
掌握產業趨勢、實戰案例與資安關鍵策略,打造下一階段的製造業競爭優勢!

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
蘋果能再次偉大?
© 2025 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