大數據時代，數據的應用價值遠超想像，但數據怎麼用？如何用才不會「Garbage In, Garbage Out」？《數位轉型 台灣最行》第十六集，DIGITIMES持續邀請智炬科技產業顧問吳梅芬，延續上集數據應用如何建立建置第一步，接下來在數位轉型過程中，從IT部門到現場管理，都在其中扮演相當重要的角色。
數位轉型不僅是導入資訊系統如此簡單，更牽涉包括企業內部作業流程、營運流程的更新，甚至帶來商業模式的改變等，與過去單純數位化所形成的構面有很大的不同。因此當數位轉型的時代來臨，IT部門在企業營運裡的角色越來越吃重，不僅是作為IT系統的維護者，更是數位轉型與產業數位化的關鍵，在背後扮演相當重要的輔助者。
IT只是輔助工具 Key User才是關鍵
由於企業內部的資料環環相扣，因此當營運策略不斷變化時，也代表著資料蒐集與分析的維度也會跟著擴大，這不僅僅是IT人員的份內之事，事實上整個數據驅動與企業營運擴張息息相關。
延續此概念，因此吳梅芬也強調，在數位轉型過程中，雖然IT部門角色越來越吃重，但更像是輔助型的工具，而真正可讓數據資料發揮有價值的規劃跟分析主導者，應是最後「誰」來使用數位工具來優化管理的User，也就是各個專案中，負責營運決策的主管們。為此，在數位轉型過程中，不僅是IT人員的重責大任，相關部門的主管們也必須有這樣的認知、參與其中，才能發揮1+1>2的效果。
可以試想，如果將資料分析的維度全權交給IT部門，IT部門是否可以自行定義出「標準」？答案顯然是否定的。吳梅芬以提升整體設備效率(OEE；Overall Equipment Effectiveness)舉例，OEE解構之下包括產能的運作、不良率的控管，以及機器的有效運作等不同層面，因此涉及單位也包括生產管理單位、產能的排程管理單位，以及品質管理等各單位的融合，並在收集數據時定義何謂異常、何謂可靠的範疇。
因此吳梅芬也指出，在進行數位轉型，營運主管們的Know How會是相當重要的關鍵。很多企業誤以為導入分析工具或一套系統，只寄望於IT部門的對內部系統進行升級，就可以立刻產出效益，但事實上挖掘具有意義與價值的資料，仍必須透過與營運主管的共同討論與定義，否則最終蒐集了大量資料，也僅是「Garbage In, Garbage Out」。
小量資料也可以建模？數據可靠性才是重點
當資料得以被界定後，資料的梳理便完成第一步，這時收集的資料便不再是「Garbage」了。但換言之，這段過程中將有大量資料將被清洗、淘汰，不過，眾所皆知，導入AI的三要素之一便是需要有充足的數據量，經過清洗的數據，會不會構不成AI導入的條件？
「以數理概念來說，只要樣本數超過30，即可稱之為母數。」雖然對於大數據而言，30個樣本似乎相當少，但吳梅芬指出，事實上在製程管理分析應用上，甚至只要蒐集30個可靠的不良數據，也能往下進行分析，而其中的關鍵就在於數據可靠性。
吳梅芬指出，當作業流程愈標準化，就可減少人為因素的誤差，因此當收集數據時，就可降低異常值的產生，讓數據的產出建立在標準且一致的原則下，使數據具有絕對的可靠性。像是當前工業局積極在產業推動SMB計畫，透過機聯網，將現場數據蒐集排除人為干擾，就是將數據蒐集的流程建立標準化的例子之一。
而這也是為何在談數據應用時，首先必須建立標準化的原因。吳梅芬指出，當企業缺少標準化的制定來確保資料來源的可靠性，那麼即使擁有大量數據，也不一定具有真實價值。相反地，如果企業所蒐集的數據品質皆是可靠且穩定的，即便僅有30筆相當少量的數據，仍然可以小兵立大功，發揮數據應用的價值。
(更多精彩內容請鎖定《數位轉型 台灣最行》)
