分析與數據科學

近年來，企業的供應鏈不斷遭受各種因素干擾，但企業採取傳統的規畫方法，降低了供應鏈的敏捷性與韌性。本文提出一套「最佳機器學習」規畫方法，運用歷史與當前的數據，為企業提供更好的決策建議。

2021年，美國殖民管線公司（Colonial Pipeline）被勒索軟體攻擊，造成美國東部燃油供應鏈中斷，民眾恐慌搶購汽油。由此可見，網路威脅的破壞，不會止於數位世界。本文提出六項建議，幫助執行長們加強組織安全、應對網路攻擊，順利尋求政府與專家的協助。

沒有身分驗證技術，商家與顧客無從分辨交易對象是誰，數位經濟就無法運轉。身分驗證最重要的目的，是證明你的資訊──姓名、年齡、住址、電話號碼──有效且能連結到你。萬事達卡（Mastercard）執行長麥可．米巴赫（Michael Miebach），在本文探討這些技術的原理、使用情境以及數位身分證的隱憂。

隨著許多產業日益需要數據分析的能力，下一代的數據科學家將成為影響深遠的角色。本文指出下一代的數據科學家必須培養的4項技能，從發現問題、界定問題範圍，到引導問題、轉化解決方案，發揮他們對於企業的影響力。

雖然人工智慧有望改變工作的方式，為組織帶來競爭優勢，但如果缺乏適當的企業文化，就不可能實現這些優勢。身為領導人，現今可以採取3個步驟，讓公司文化為AI驅動的未來做好準備：選擇好奇而非恐懼、接受失敗、成為無所不學的人。

為了因應不斷變化的顧客需求，銷售領導人往往要求銷售人員使用許多科技，令銷售人員無法招架。領導人應該讓他們做得更少，但做得更好。為了達成這個目標，應該將AI科技視為隊友，並搭配人類獨有的能力：心智化。

在當今瞬息多變的環境中，如何善用公司的專有知識，對競爭和創新能力至關重要。而生成式AI正好為知識管理燃起希望。本文介紹企業目前主要採取哪些方法，以及在內容編選、確保品質與法律治理方面，可能面臨什麼挑戰。

儘管AI如此迷人與強大，但大部分的AI專案還是失敗了。但這種失敗其實是可以避免的，那該怎麼做才能提高成功的機會？