數據資料

「破壞與重建」，可說是萊恩．史密斯（Ryan Smith）創業二十年來的寫照。Qualtrics從聚焦在為教授學者提供市場研究資料的小型家族企業，逐次蛻變成被SAP以八十億美元收購的上市公司。在不斷進化的過程中，他如何做出每一個重塑公司的決策？

人類的認知偏誤難以導正，人工智慧的偏誤較容易排除。本文作者提出「盲測」的做法，讓演算法完全無法取得有可能讓結果帶有偏誤的資訊，以確保做預測時，不會考慮那項變數，進而做出更公平的預測。作者進行觀察實驗，以探究科學性論文是否夠客觀，結果證實為人工智慧系統進行盲測驗證的必要性。作者並認為，人類與人工智慧系統的整合，是成效最佳的方法。

當前的人工智慧物聯網（AIoT）科技，讓電腦看得見／聽得懂這個實體世界。以電動自駕車為例，除了智慧晶片（硬體）與演算法（軟體）之外，最重要的是藉由電腦攝影機與感測系統，蒐集車輛行駛時的周遭環境資料（大數據），並串聯到雲端資料庫後，形成網宇實體系統（CPS）的精確回饋。

我們正在面對前所未見的不確定情況，似乎所有事情都難以掌握，可取得的數據資料也極為有限，讓我們難以做出決策。一個簡單的四步驟流程，可用來處理並解決不明確的問題：先確認手上的數據是顯著數據、背景數據或模式化數據；排除認知偏誤；翻轉問題，尋找你真正需要知道的關鍵核心；提出正確的問題來尋求答案，讓我們能更自信地在不確定中做出決定。

新冠疫情迫使許多企業進行數位轉型，使客戶益發重視個人資料的隱私權，政府在相關法規的制定上也沒有放緩腳步，行銷人員可善用分析和自動化技術，跟上這波變動的趨勢。自動化工具可讓相關流程更迅速正確，分析工具能減少人為錯誤，並建立查詢系統。投資於分析和自動化技術，企業才能在重視消費者資料保護的新時代蓬勃發展。

數位化已是許多企業的現在進行式。但僅推動數位化並不足夠，公司必須能夠長遠營運。這個時候，企業必須思考數位轉型這個議題，同時不能忽略人工智慧這項工具，應考慮是否導入人工智慧，並將人工智慧系統的產出應用在更進一步的數位轉型中。本導讀助你了解以下四項要點： 1. 企業數位轉型與科技技術的定義 2. 成功的數位轉型關鍵是領導人與文化 3. 主導者的參與度極為重要 4. 善用技術複利的漸進式改善達成數位轉型

整理達人近藤麻理惠，居家或個人清理的專長家喻戶曉。但你知道嗎，處理企業內部日積月累的數據資料，也可以沿用近藤麻理惠的整理心法。你可以將近藤麻理惠的六項整理規則，逐一應用在企業上，讓領導人從分配預算開始，到留下「令人喜悅」的有用資料，實現有效率的資訊管理。

新冠肺炎不僅導致經濟急遽萎縮，疫情後的新生活將是宅經濟與網路所趨動的「低接觸經濟」。企業面對不確定性以及低接觸消費新常態，應該如何積極思索因應之道？本導讀精選六篇《哈佛商業評論》文章，提供一個整體的思維架構。首先，企業應計算消費者債務風險，評估公司營運面對消費者信貸下降時的脆弱性。風險高的企業除了節省成本，亦可透過降低商業模式的風險，來管理危機。面對低接觸消費的新常態，企業應投資數位能力，進行商業模式的轉軸，快速轉型掌握新商機。