智慧應用 影音
科技產業報訂閱
event

【數位轉型 台灣最行】專家:凡事丟給IT部門是錯誤的觀念

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。

 點擊圖片放大觀看

《數位轉型 台灣最行》第16集探討數位轉型的技術力。DIGITIMES

數位轉型過程中,雖然IT部門角色吃重,但更像是輔助型工具,真正可讓數據資料發揮有價值的,應是「誰」來使用數位工具來優化管理的User。 pixabay

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》)

  •     按讚加入DIGITIMES智慧應用粉絲團
更多關鍵字報導: 數位轉型