企業要搭上數據驅動營運浪潮,為何「數據治理」成關鍵棋?

生成式 AI 的快速竄起,不只為企業 AI 應用帶來新的想像,其背後對龐大訓練資料的需求,也再次突顯數據治理議題的重要性。

「數據治理,是企業轉型數據驅動型組織的第一步。」CloudMile 營運長高斌桓認為,越來越多企業希望建立數據驅動文化,以數據作為決策和行動的基礎,在這過程中,如果沒有落實數據治理、建立數據存取原則的話,很可能會遇到以下各種問題,像是因為資料存取不易而延宕數據應用的發展速度、數據品質不佳而無法有效導入 AI 應用以及治理架構不符合資料保護相關規範等

企業為什麼要做數據治理?

高斌桓進一步說明,數據治理就像是數據資產的保護傘,確保人員或系統在合法合規的情況下存取資料。

過去企業因為數據量較少、應用可能性相對較小,數據所能創造出來的商機和價值有限,因此企業不容易認知到數據治理的重要性。但是現今的數據量非常龐大,根據 IDC 預測, 2026 年全球每秒將產生 7 PB 的數據,再加上硬體運算日益加速,連帶推升數據應用的商機和價值,企業如果沒有做好數據治理,不僅無法有效驅動數據應用,還可能為組織帶來風險和損失

這就好比腳踏車和機車因為車速不一樣、風險程度不同,「企業若要搭上現今最夯的數據特快車,一定要先戴好數據治理安全帽,才能降低數據應用風險,」高斌桓強調。

推動數據治理的四大關鍵

同時,高斌桓亦指出企業推動數據治理的 4 個關鍵,第一是明確的定義。包括數據本身要有一致的定義,資料擁有者(Data Owner)與資料使用者(Data User)的角色與權責也要界定清楚,讓員工清楚自己可以或不可以存取哪些資料,需要資料時又可以去何處取用。

第二是考量未來 5-10 年的業務發展需求。假設企業未來有發展新市場、新產品或新通路的計劃,就應該事先納入規劃,避免日後進行大規模修改工程,亦能降低時間和成本。

第三是由具有決策權的高階管理者做為專案主導者。「很多人以為資料治理是資訊安全或稽核部門的全權責任,其實這是錯誤的觀念,」高斌桓說,企業數據通常橫跨多個部門,如果由單一部門來主導,在推動上難免會遇到許多阻力,但若由企業高層如董事長或總經理主導,由上而下的導入過程相對會比較順利。

第四則是與經驗豐富的顧問業者合作。顧問不只能協助企業掌握上述三大關鍵、評估適合的工具,還能根據企業所屬產業的管理規範、ISO 標準或其他相關法規,建立最適合企業的資料存取政策。

從數據治理到數據中台,金融、製造與零售各有不同 AI 應用

當企業完善數據治理後,接下來就可以建立數據中台,把散落在各地或各個系統的資料統一集中,進行數據的清理、處理與運算,並結合 AI 演算法創造數據最大價值。

舉例來說,製造業可以蒐集產線數據,進行機台設備的預警性維護,或是根據終端市場的需求預估,優化供應鏈管理效率。而金融業則是可以運用 AI 進行反洗錢防制和詐騙交易偵測,或是透過客戶購買記錄、偏好與交易模式等行為數據來訓練 AI 模型,高效、精準推薦最符合客戶需求的理財商品。至於零售業則多應用 AI 進行客戶分群,找出客戶的終身價值(LTV),以便制定相應的行銷及產品策略

高斌桓指出,CloudMile 身為全台第一家 Google Cloud 託管服務供應商,已經成功協助不同產業客戶,從數據治理、數據中台到數據應用,逐步建立數據驅動能力,非常清楚數據轉型的過程中可能會遇到的問題及相應解決方式,加上內部高達 70% 同仁為技術職,可以提供企業完整的顧問輔導和技術協助,加速企業走向數據驅動創新。

以 CloudMile 與 55688 台灣大車隊合作打造的 AI 預測叫車熱點服務為例,除了善用過往龐大的叫車資訊外,還加入了天氣、節慶、地理位置……等因素,打造更精準的預測叫車熱點 AI 模型,成功降低司機空轉時間、縮短乘客等候時間。「正是因為 CloudMile 曾經協助零售業者發展生鮮產品需求預測模型,清楚有哪些變數可能會影響市場需求,故能將合作經驗複製到交通產業,以多元化變數來提高 AI 模型的預測準確度,」高斌桓說。

迎向未來 AI 普及化的年代,CloudMile 將持續協助企業縮小從數據蒐集走向價值變現的距離,讓不同產業與態樣的組織都能發展 AI 應用,打造出數據驅動決策力的營運方針。

立即報名 AI Cloud 雲端超進化線上特展,在家就能聽掌握資安趨勢,還有 CloudMile 等重磅講者帶領企業搭上數據驅動營運浪潮!