數據管理

台灣AI相關硬體的製造技術，驅動全球產業鏈的發展，也吸引許多大廠來台建立研發中心。然而，台灣的資源有限，若想抓住這巨大的商機，產業必須做好全面資源管理，從各方面提升資源的使用效益。

想讓生成式AI模型成效卓著，企業必須在數據上做好準備，必須好好整理那些相對非結構化的數據，讓數據更精準、更新、更獨特。

對渴望保持領先的私人投資人來說，從找出潛在投資機會和進行盡職調查，到提高投資後的價值，使用外部數據與人工智慧能在市場中獲得關鍵性的優勢。

許多業務銷售或行銷人員，仍只是把生成式AI當成一種新鮮的科技工具而已，而忽略它能帶來革新工作型態的能力。若要在銷售環境下運用生成式AI，就必須要有創意和互動，以提升商業敏銳度，以及對顧客的了解，最終提升銷售人員的績效。

數據已成為現代企業不可或缺的重要資產，轉型為數據驅動的企業，是領導人迫在眉睫的任務。本文分析兩家大型國際公司：漢威聯合與Chr. Hansen的成功轉型案例，討論如何將數據、數位與商業策略進行有效融合，加強競爭力。

流程探勘（process mining）原是在流程效能出問題時用於調查的工具，但現在已經演變發展為一個平台，用於大規模監測和改善營運流程的執行，以提高流程效率，協助實現企業價值。企業領導人如何充分發揮數位探勘的影響力？關鍵在於從取得流程績效的洞見（流程探勘的初衷），發展到採取能持續改善的行動。

餐飲業不只提供美食，還有顧客從「前往就餐」到「用餐結束後」的美好體驗，尤其顧客在這段消費歷程中不斷留下數據，餐飲業者可以發揮這些數據的潛在力量。本文提供六大數據策略，包括：如何挑選餐廳店址；管理訂位顧客；管理排隊情況；管理服務就餐的流程；打造個人化菜單；管理不同的點餐管道。

即使疫情結束，全球供應鏈收到的影響仍未完全恢復，尤其是企業從「及時庫存管理」（just-in-time inventory management）轉向「以防萬一庫存管理」（just-in-case inventory management），導致市場波動。領導者在進行供應鏈管理時，可考慮利用科技來建立更靈活、動態的連結和現代化平台，以應對不確定性和提高效率。