分析與數據科學

隨著大數據對各行各業帶來的巨大利益，每家公司都需要有人妥善管理各種數據資料，因此「數據長」一職應運而生。然而根據分析，數據長的平均任職期間是2年。為什麼這個理應備受需要的職位，卻很難做得長久？最關鍵的問題，在於數據長這個職位沒有好好界定清楚，與分析長、資安長、隱私長等職位混淆不清。那麼該如何改善這個問題，讓數據長真正發揮價值？

有一項調查，針對五百多名內部的銷售專業人士，發現他們必須同時打開多達八個螢幕或視窗，才能有效進行工作。此外，使用不方便的軟體工作，甚至被認為比夫妻吵架、排隊、打掃浴室還煩人。每個人都知道何謂「工欲善其事，必先利其器」，但公司投入大筆心血進行數位轉型的時候，卻常常選錯執行的軟體，導致數位競爭中遙遙落後。領導人該如何解決這個問題呢？

人工智慧已廣泛應用在各個類型的產業，但大多數領導人只是把人工智慧安插進某個獨立的使用案例中，導致想要擴大運作規模時，會增加許多成本。領導人該怎麼做，才能更有效地運用人工智慧，讓這方面的投資產生更多報酬？

在無數的資安漏洞、資料造假等商業醜聞爆發後，我們明白，資料完整性是先進製造、網路安全與營運敏捷度的基礎，但根據調查，三分之二的領導人對自己組織運用資料的方式，缺乏高度信任；僅3％的公司達到基本的資料品質標準。本文提出三大方針，敦促董事會成立資料完整性委員會，以確保營運資料準確、完整且安全。

一般人直覺認為，企業在資料隱私對策上做得更多會更好，但事實並非如此。在資料隱私方面的績效愈高，就愈有可能失去將資料轉化為收入的機會；在資料隱私方面的績效愈低，就愈容易受到多重損害的風險，例如聲譽醜聞、訴訟刑罰。調查也顯示，資料隱私績效與企業市場價值之間的關係是倒U形，如何達到這個倒U的最高點，是領導人需要關注的問題。

如果機器可以把工作做得更好，為什麼還需要人類？為了緩解這種恐懼，人工智慧建置必須成功。本文為人工智慧的實施，提出四個階段的方法。這套方法能讓組織培養人對人工智慧的信任，並朝向分散式認知系統邁進，讓人類與人工智慧都能不斷進步。

若要成功推動數位轉型，必須花費精力匯集與協調很多行動，而這些行動範圍之廣，遠超過大多數領導人的想像。

衡量組織文化時，目前仍在使用的員工意見調查和問卷等傳統工具，得不出可靠結果。於是，一種新的文化研究方法出現了：分析員工的電子郵件、團隊通訊平台Slack的訊息、雇主評價網站Glassdoor的貼文，觀察這些電子溝通內容透露了哪些關於組織的訊息。