關於本文藝術作品／海科．海爾維格（Heiko Hellwig）在他的「X光汽車」攝影系列中，疊加了幾張玩具汽車的照片，以營造一種多層次現實的印象。

你是否會認為顧客都是按照你設計的方法在使用你賣的產品？發掘市場待解的需求，找到正確的方法，讓每個顧客都成為你的回頭客！行銷人或許會直覺地認為，一項服務或一款產品，一定要讓顧客在使用的時候感到不費吹灰之力，而且可以預見使用後的結果。這樣的想法太過武斷。根據不同的情況，顧客也會願意經歷需要大量努力的使用過程，或因為無法預知結果而感到興奮。打破武斷的誤解，讓每個顧客都成為回頭客。

大部分的行銷專家都同意，讓顧客對產品擁有令人滿意的最初體驗，是不夠的。相反地，產品經理必須為顧客提供一系列引人入勝的體驗，也就是「顧客歷程」（customer Journey），以便讓他們回來購買更多產品。如何設計顧客歷程，是行銷的新戰場。

然而，行銷專家還沒有開發出一個架構，可協助經理人處理這個設計上的挑戰。他們經常要求公司把顧客歷程例行公事化，也就是讓顧客歷程盡可能不費力，而且可以預測。我們的研究顯示，這個建議過度簡化這件事了。其實，這麼做有時會對公司產生反效果。

雖然有些顧客歷程可能不需要太費力（例如在Netflix上看電影，或在美食搜尋平台Seamless上再度訂餐），但另有一些歷程需要顧客耗費大量心力或體力（比如在學習網站Duolingo學一門新語言，或是騎Peloton的腳踏車運動）。這兩種體驗顧客都很重視。

同樣地，有些歷程往往有令人自在的熟悉感〔像是使用Old Spice的鬚後水，或去潘娜拉麵包店（Panera Bread）吃午餐〕，而另一些歷程是無法預測、令人驚訝、讓人興奮的（例如，與交友應用程式Bumble的其他用戶見面和聊天，或與朋友玩電玩遊戲「魔獸世界」）。在許多情況下，顧客實際上很享受意料之外的事。

本文觀念精粹

背景 行銷專家同意，讓顧客不斷回來消費的最好方式，是提供一系列引人入勝的體驗，我們稱之為顧客歷程。

問題 大部分專家把不費力與可以預測的顧客歷程（或稱例行公事歷程）奉為金科玉律。但在許多情況下，這麼做是錯的。

解決之道 公司不僅能用例行公事歷程讓顧客保持對產品的興趣，還能採用駕車兜風、長途跋涉與冒險之旅等三種模式。這四種歷程都可以幫助公司在市場取得長期成功。

我們根據對廣泛產品類別的顧客體驗所進行五年研究的結果，以及行銷學者與高階主管參與的研討會當中得到的回饋意見，制定了一個架構，以協助經理人設計出吸引人的顧客歷程，讓顧客一再回來消費。我們稱之為「顧客歷程矩陣」。

這個架構包括四個模式：

• 例行公事（routine）是不費力且可以預測的。
• 駕車兜風（joyride）是不費力且無法預測的。
• 長途跋涉（trek）是費力且可以預測的。
• 冒險之旅（odyssey）是費力且無法預測的。

沒有一種模式能在所有層面都優於其他模式，這四個模式都能讓顧客頻繁回來光顧。這些模式可以應用於許多不同的實體與數位商品和服務（下文我們全都稱為「產品」）。每種歷程都能以任何速度展開，包括每天、每週或每月，而且可以持續任何時間長度，從數週到數年都有可能。

在本文中，我們首先描述這四個顧客歷程的模式，以及各模式相應的設計原則，並提供經理人一份指引，說明如何為自家產品打造理想的顧客歷程。

例行公事

例行公事，是一個完成重複任務的簡單程序，通常包含一個觸發因素，這個因素會引發一項能帶來獎勵的活動（例如，天亮是刷牙的觸發因素，獎勵是口氣清新）。所有的歷程都有一些重複出現的模式，但例行公事歷程的重複性特別高。這種歷程有時也被稱為「顧客習慣」或「儀式」。

「例行公事」歷程非常適合實用的產品，能讓任務逐漸變得更容易進行，也更容易預測。例如，超音波牙刷可以提高顧客護理口腔方式的效率與效果。行動銀行應用程式，讓忙碌的人們省去不必要的到銀行辦事行程。快餐連鎖店，為通勤人士提供一種能夠取得食物與飲料的簡單方法。在任何例行公事歷程裡，顧客遇到的摩擦和麻煩愈少，就會愈滿意。

產品經理可以採用以下兩個設計原則，來協助顧客建立長久的例行公事歷程：（1）簡化用戶體驗，以及（2）每次互動都「確保一致性」。簡化體驗的目標，是消除所有無法增加價值的接觸點；然而確保一致性的目標，是協助顧客學習例行公事，無需多加思考就能使用產品。

在快餐連鎖店領域，星巴克（Starbucks）非常努力不懈地精簡手機的訂餐流程，尤其針對客流量大的地區「拿了就走」（grab-and-go）的顧客。星巴克的行動應用程式，可以記住顧客偏好的門市與支付方式，讓顧客能夠快速再訂購喜歡的品項、找出最近的門市所在地點並估計等待的時間，以及顯示在店內的何處取餐。這家連鎖咖啡店甚至開設了星巴克快取店（Starbucks Pickup ），只接受來自行動裝置的外帶訂單。星巴克還為製作餐點品項設定了標準程序，因而得以在一致性上表現卓越。製作焦糖瑪奇朵的方式，在洛杉磯和在奧馬哈都是一樣的。

亞馬遜（Amazon）則在例行公事型購物歷程方面，是線上零售商的領導業者。像是一鍵下單與隔日送達等便利服務，簡化了顧客歷程。該網站的訂購流程很少改變，即使改變也很細微，因而把顧客重新學習這套流程的需求降到最低。

駕車兜風

車兜風是有趣的歷程，讓人們能夠逃離日常生活裡的沉悶單調。輕鬆、無法預期且充滿樂趣的「駕車兜風」模歷程，很適合那些按需提供刺激的產品，像是音樂串流平台、體育媒體與電玩遊戲。駕車兜風模式也可以用於實體店，像是產品汰換迅速的快時尚店、每週有新片上映的在地電影院、輪換菜單的餐廳，以及有歡樂時光特價的酒吧。

如同例行公事模式，「簡化」對駕車兜風模式是不可或缺的，儘管這麼做還不夠。簡化只是減輕顧客的痛點，並不會帶來樂趣。若要促進實施駕車兜風模式，公司必須在整個顧客歷程中，應用「無窮變化」這個設計原則，以產生頻繁出現的歡樂時刻。例如，在遊戲「糖果傳奇」（Candy Crush Saga）中，玩家將相鄰的糖果互換位置，來產生一行或一列三個相同的糖果。為了讓這個活動變得有趣，遊戲在近一萬個等級中，在糖果、配色方案、音效、挑戰與通關限制條件等各方面，都做了大量變化。

許多電影院促進駕車兜風式歷程的做法，是每週首映一部新電影，但是，提供美食服務的連鎖電影院Alamo Drafthouse做法更進一步，那就是頻繁更新菜單。該公司的主廚也會偶爾根據上映的電影，來規畫主題菜單〔像是在《黑豹》（Black Panther）上映時提供非洲料理）〕。

消費者生成內容（consumer-generated content，簡稱CGC），是提供無盡變化的另一種方式。在TikTok（抖音國際版）上，新用戶能立即沉浸在「為你推薦」（For You）的動態訊息中，他們滑動螢幕就能看到時下熱門的影片。一支影片可能是一隻貓在播放悲傷音樂時噘起嘴巴，下一個播放的可能是搭配流行音樂的烹飪示範。數量龐大的多樣性內容，是樂趣的一部分。久而久之，用戶可能會對影片按讚或評論，並發現他們想要關注的創作者。TikTok的演算法不斷處理顧客互動數據，並用這些資訊來客製化動態訊息。

長途跋涉

長途跋涉是可以預測的歷程，顧客在這段歷程中努力達成具挑戰性的長期目標，像是學習一種語言、手術後復原，以及為退休儲蓄。長途跋涉模式通常與個人服務供應者有關（像是家教、教練與財務顧問等），而現在長途跋涉歷程愈來愈常由手機應用程式與智慧型產品來推動，包括教育應用程式（例如Babble）、監測健康指標的可穿戴裝置（例如蘋果手錶），以及理財工具（例如Mint）。顧客頻繁回去使用可進行長途跋涉歷程的產品，因為他們需要大量的支持，才能朝自己的目標前進。

公司通常會採用「設置目標」（goal posting）這個設計原則，讓長途跋涉歷程中的工作變得更容易進行。基本上，這包括將企圖遠大的目標，拆解為愈來愈小的目標，直到下個目標小到足以刺激顧客開始採取行動。為了鼓勵顧客採取行動，長途跋涉模式通常會增加一些獎勵，顧客完成每項目標就能得到；這類獎勵可以很簡單，像是幾句祝賀（「做得好！」），或是在追蹤進展的儀表板上的顏色由紅變綠。

一個擅長設置目標的產品是MyFitnessPal。這個應用程式的核心功能之一是飲食日誌，這個日誌把顧客的長期目標（像是減重20磅） ，拆分為每週、每天與每餐的目標。每餐的目標被進一步分解為巨量營養素（蛋白質、脂肪與碳水化合物）、淨卡路里，以及顧客可能想要追蹤的其他項目，像是鈉。這個應用程式使用一些工具（例如可搜尋的食物數據庫），以及與他人聚餐時複製朋友所輸入餐點的功能，簡化在日誌中輸入一餐膳食內容的工作。

預算編製程式You Need a Budget，用「省錢」這個相對龐大且抽象的目標，協助顧客進行長途跋涉的歷程。該程式鼓勵顧客為主要的支出設定具體目標，像是購屋、大學學費和退休金等支出項目，並將這些大目標拆解為較小的目標。這項計畫還邀請顧客設定支出上限，以及償還債務的目標。所有這些目標，都可以用不同的方式來安排達成時間，比如每週、每月，或特定的日期。來自直覺式介面的即時正面回饋意見，能鼓勵顧客不斷往目標前進。

一些行銷專家主張，需要投入大量精力的顧客歷程，必須加入令人興奮的類遊戲功能，以便讓顧客保持動力。換句話說，他們建議產品經理把長途跋涉模式轉變成冒險之旅模式。這個建議值得考慮，但並非所有顧客都喜歡花俏的遊戲化服務。如果長途跋涉模式有一系列明確界定的可實現目標，以及給予肯定的獎勵，就能像冒險之旅一樣產生激勵的效果。

冒險之旅

如果說例行公事是最平凡的顧客歷程，那麼冒險之旅就是最不尋常的歷程。冒險之旅充滿挑戰性、驚險刺激、無法預測的冒險，是由顧客的熱情、決心與使命感所推動。冒險之旅往往需要顧客投入大量的努力，而且會產生豐富的興奮感受。顧客在生活中有許多例行公事要進行，但通常在任何特定時刻，只有少數幾次的冒險之旅。

冒險之旅模式特別適合那些助長熱情的專案，而顧客本來就有高度動機要去做這些事，例如經營社交媒體上的粉絲數、玩策略遊戲、學習表演藝術、拍攝紀錄片，以及為了健身比賽接受訓練。這類型的歷程會讓顧客一再回來使用某個產品，因為他們想要學習與成長。與長途跋涉歷程不同的是，冒險之旅歷程不需要設定終點，就如同戶外運動愛好者常說的：歷程本身就是目的地。

冒險之旅在娛樂產業特別常見。這方面的一個關鍵設計原則，是「實質變化」，包括基於功能性的因素，提供顧客多樣化的刺激與挑戰。以健身房品牌CrossFit為例。在典型的訓練課程中，教練帶領運動的人進行熱身、技能發展，以及高強度的健身訓練，其中包括有氧運動、健身操與舉重運動。每一種健身運動都不一樣。冒險之旅模式的另一個關鍵設計原則，是「歷程追蹤」。在CrossFit運動的人會密切關注自己的進步情形，但沒有明確的最終目標。這種歷程費力、不可預測，而且似乎永無止境；這是真正的冒險之旅。

冒險之旅模式在創意領域也很常見。例如，Adobe創意雲（Creative Cloud）中關於設計、攝影、影片、網路編輯應用程式作品集所促成的密集顧客歷程，或是茱莉亞音樂學院（Juilliard School）的表演藝術課程所促成的密集歷程，這些課程能夠幫助演員、舞者與音樂家發揮潛力。Adobe創意雲與茱莉亞音樂學院的共通之處，在於都是促進個人發展與專業發展（更多關於個人轉型的行銷策略，請參見本刊2022年2月號文章〈成就「全新的你」是門好生意！〉（The ‘New You’ Business）。諸如熱情與目的等元素，讓冒險之旅歷程有種獨特的超越感，凌駕了例行公事、駕車兜風、長途跋涉這類相對尋常的體驗。

設計理想的顧客歷程

以下五個步驟，能幫助你為產品與顧客設計適當的歷程。

• 確認最適合你產品的模式

使用你的產品是相對輕鬆或費力的？這項體驗是可以預測或不可預測的？這些簡單問題的答案，揭露了最適合你的模式是例行公事、駕車兜風、長途跋涉，還是冒險之旅。

• 執行各模式的設計原則

如果你的產品的歷程是例行公事模式，就要致力於按照熟悉的順序來安排一致的接觸點，以提供可預測到的、令人滿意的體驗。例如，萬豪酒店（Marriott）的標準化入住與退房流程，讓旅客能夠輕鬆入住，即使在全新的環境（如造訪外國城市）也是如此。

如果你的歷程是駕車兜風模式，就應提供許多不同的歡樂時光，可能是由內部的內容製作團隊或機器學習演算法來提供，或是採用來自顧客的群眾外包內容（例如Instagram的動態訊息）。

為了執行長途跋涉模式所需的目標設置，你可以將顧客的長期目標劃分為一系列期限更短得多的目標，並鼓勵顧客達成每個小目標。例如，Fitbit智慧手環一整天都會提醒用戶要散步，並在他們真的去散步時給予勳章、打勾（表示有做到）或進度圖標，以獎勵他們。

至於冒險之旅模式所需的歷程追蹤與實質變化，你或許可以設置一個績效儀表板，並提供多樣化的個人活動與公共活動，共同推進顧客的目標。

• 在適當的時間提示購買決定

邀請顧客購買的最佳時機，主要取決於歷程的可預測性。對於可預知結果的例行公事模式與長途跋涉模式，顧客通常有動機要在一開始就仔細查看定價細節。然而，一旦顧客發展出一個例行公事模式，或開始長途跋涉模式，通常就不想再為這些細節煩惱。

至於結果難料的駕車兜風模式與冒險之旅模式，顧客通常在一開始沒有動機要做出重大決定。相反地，他們急切想要儘快體驗刺激的過程。要等到後來，當他們更深入參與這段歷程之後，才會願意花大錢購買或訂閱。你必須給他們足夠的時間去使用產品，然後再請他們做出需要用到很多認知能力與對財務有重大影響的決定。如果在顧客歷程開始時提供免費服務，會讓公司花費太大，可以考慮向顧客提供一個便宜的入門選項。

• 利用每個機會簡化歷程。這個設計原則適用於全部四種模式

為了保持品牌的競爭力，產品經理必須不斷尋找新的方法，來消除顧客體驗中無法增加價值的接觸點。

例如，為了促成進行例行公事歷程，PayPal在登陸頁面上列出顧客經常使用的聯絡人，以便在幾秒內就能將錢轉給這些人。顧客只需點擊聯絡人姓名、輸入付款金額、查看交易資料，並點擊「送出」即可。顧客的例行公事模式就應該如此清楚明瞭，幾乎不需要思考或花力氣。

提供其他類型歷程的公司，也能找到簡化流程的新方法。提供駕車兜風歷程的新加坡航空公司機上娛樂系統，可以記住乘客在先前搭過的航班上暫停收看的電影，如此他們就不用快轉到之前停止的地方。卡路里追蹤與精算應用程式MyFitnessPal，為了簡化長途跋涉歷程而提供條碼掃描功能，消費者可以掃描食品包裝上的條碼，來快速記錄他們的卡路里與巨量營養素。為了幫助顧客簡化他們的冒險之旅歷程，一部分Equinox健身房讓會員能在進健身房前，在前台先點一杯運動後的冰沙，健身完之後就不必等待。

• 為不同的顧客區隔考慮不同的歷程模式

我們經常被問到，單一產品是否能促成多種類型的顧客歷程。答案必然是肯定的。其實，許多領導品牌同時提供兩種或更多類型的歷程。

Tinder是世界上最受歡迎的交友應用程式之一，可以為輕度用戶與重度用戶提供不同類型的歷程。一些輕度用戶只有興趣去瀏覽其他用戶的個人資料，以及偶爾和配對成功的人聊天；他們的歷程就是駕車兜風模式。相比之下，重度用戶不僅瀏覽個人資料，還會給配對成功的人發訊息，同時應付多場對話，與潛在對象會面，然後在約會成功或失敗之後，繼續或結束這些聯繫。他們的歷程是冒險之旅模式。

我們也觀察到，手機擴增實境遊戲Pokémon Go的輕度用戶進行駕車兜風歷程，而重度用戶進行冒險之旅歷程。該遊戲的目標是捕捉虛擬生物寶可夢（Pokémon），而這些生物是在電子地圖的世界裡隨機生成的。對輕度玩家來說，這款遊戲是在散步或上下班通勤時，偶爾進行的駕車兜風歷程。對沉迷這款遊戲的玩家而言，這是能花費大量休閒時間的冒險之旅歷程。後者會聚集在一起進行遊戲內的戰鬥，並不遺餘力地尋找稀有的寶可夢。

與此同時，亞馬遜同時促進了長途跋涉模式與例行公事模式。在購買高價耐用的物品如微波爐、沙發床或電視等產品之前，顧客通常會仔細檢視價格資訊、評分與詳細的評論，以便根據豐富資訊做出決定。我們可以把這些費力的體驗解讀為長途跋涉歷程。然而，在消耗性的低價產品類別，例如食品雜貨與家居用品，亞馬遜就會鼓勵顧客快速回購，具體做法是使用再次購買功能，以及「訂購省」（subscribe-and-save）功能的自動化例行公事歷程。

公司若能讓顧客參與多種歷程，就更有可能留住顧客。若某些歷程失去吸引力，其他歷程可能開始獲得動能。淨效應是，顧客在某一個或另一個歷程中，持續採用公司的產品。

判斷你的最佳選擇

要在當今競爭激烈的市場取得成功，產品必須帶給顧客引人入勝的歷程。但沒有一體適用的方法來設計這些歷程。「顧客歷程矩陣」提供產品經理四個經過驗證的模式，包括例行公事、駕車兜風、長途跋涉與冒險之旅，讓他們從中選擇。每一種模式與其設計原則，都能協助公司吸引顧客一再回來消費。

文章來源：哈佛商業評論2022/7月號

第一屆智能醫療管理專業初階訓練認證課程 系列四 醫材醫療科技應用

第一屆智能醫療管理專業初階訓練認證課程熱烈展開中！

特邀 詹長霖博士 擔任 5G智能醫療應用趨勢 主講人

課程地點：IEAT國際會議中心11樓第二會議室（台北市松江路350號）

課程日期：2022年7月23日(六) 8:00-17:00

前往報名連結：https://bit.ly/3un4Ooe

總結自己在半導體業工作多年的經驗，來看台積電數位轉型成功之道，除了跨單位技術委員會的組織設計外，資通訊科技的支持和績效管理與發展(Performance Management and Development，PMD)制度的配合，結合卓有成效的知識管理，展現出組織效率優化的豐碩經營成果。

台積電數位轉型曾用擬人化、無人化、超人化來比喻三個階段，第一階段「擬人化」是讓電腦和設備學會人做的事情，並推動企業流程再造和組織效率提升；第二階段「無人化」是用自動化系統取代人做的事情，並發展電子化企業與供應鏈的整合，成為客戶的虛擬晶圓廠；第三階段「超人化」是建立數位大腦聚集眾人智慧以超越個人表現，並整合大數據、人工智慧等科技與領域專家的決策智慧和知識管理，以同步提升決策的品質、速度和效率，使累積的集體智慧化成公司的核心能耐。

台積電資訊科技和自動化系統已經成為智慧企業的公用事業(utilities)，盡其所能地滿足公司內外部顧客的需求。2017年台灣半導體產業協會(Taiwan Semiconductor Industry Association，TSIA)年會，適逢電晶體發明70週年，特別邀請浮閘記憶體效應(Floating-gat memory effect)發明人施敏院上發表專題演講，接著舉辦製造高峰論壇，由前行政院院長張善政主持，台積電左大川資深副總經理兼資訊長、工研院劉軍廷副院長和清華講座教授暨美光講座教授簡禎富擔任引言人和座談。

論壇中台積電資訊長說明推動智慧製造分為三個階段，第一階段是2000年進入全自動和電子企業，第二階段是2012年發展大數據分析和整合平台，第三階段是2016年透過人工智慧AI、高效能雲端運算和團隊協作創新，以展開全面數位轉型。《iThome電腦報周刊》針對台積電數位轉型有更完整報導。以生產力提升為例，導入全自動化的12吋晶圓廠，較8吋廠提升3倍；第二階段隨著大數據收集和大數據分析，生產力再提升62%；第三階段導入人工智慧AI，生產力預估將可以再提升19%以上。

台積電劉德音董事長應邀擔任科技部人工智慧製造系統研究中心(Artificial Intelligence for Intelligent Manufacturing Systems Research Center，AIMS)理事，並在2018年人工智慧製造系統研究中心啟動會議上發表專題演講，分享台積電推動智慧製造的發展經驗。他表示台積電預計每年要培養幾百位AI相關工程師，各大學理工科應提早將AI納入大學課程，推動跨領域AI人才培育。因此，AIMS也在清華大學設立「智慧製造跨院高階主管碩士在職學位學程」(AIMS Fellows)，整合跨領域專家學者提供大數據分析、資料科學、人工智慧、深度學習、決策分析、產業工程等課程，讓高階主管透過學以致用的實做，以掌握解決實際問題的技術和模型開發經驗，培養產業數位轉型所需的領導人才，達到協助產業AI化與AI產業化之目標。

參考資料：藍湖策略，作者：清華講座教授暨美光講座教授 簡禎富

在此刻全情疫情管控之下，拜讀我的母校台灣科技大學盧希鵬教授(台灣科技大學資管系專任特聘教授)這篇文章感受更深刻，一個經營管理者如何面對新世界、新科技的改變，調整經營模式因應未來，提高企業的韌性管理。從敏捷組織到敏捷創新，進而數位化轉型，讓企業脫胎換骨再創高峰，這是需要有堅決的態度，有方法有步驟進行，絕不是喊喊口號，天馬行空撞大運。分享底下盧教授的這篇文章對您應該有所幫助。

很多人不知道我做過七年的程式設計師。我在清華大學開發了兩年校務行政電腦化系統。之後在中鼎工程公司寫了兩年專案管理與成本控制的程式。在美國讀書，寫了三年的程式，參與開發了一套健康管理系統與一套醫院的品質管理系統。也在台大兼任教授過系統分析與設計課程。

不過這些系統都有固定的使用者，原則上都是先跟使用者多次訪談之後，寫出系統的規格，再開發寫程式。這套開發系統的方式，又稱為瀑布式軟體開發。

但是，使用者知道的，遠比說得出來的多很多。再怎麼訪談與需求分析，都很難說個明白。

所以在卅年前，就有了雛型法（rapid prototyping）與使用者自建系統（end user computing）的想法，加快開發速度，或讓使用者自己開發軟體。但以當時的軟體基礎建設，試錯的成本太高，所以到現在瀑布式的軟體開發，仍然是個主流。

隨著Ｃ２Ｂ逆商業時代的來臨，大量客製化與個人化應用愈來愈多。系統分析要訪談的對象，已經從組織內的使用者，擴充到組織外的使用者，甚至是廣大的市場消費者，在需求訪談上，變得非常困難，許多時候只能靠軟體開發者的認知想像。還好，在互聯網的基礎建設上，試錯成本降低了，產生了一個新的確認需求的方式，就叫做敏捷開發（Agile Development）。因為沒有人能夠確定消費者的需求是什麼，只有市場的實驗會快速告訴我們真相。因為實驗會有試錯成本，要降低試錯成本，實驗的計畫要縮小，才能有較短的開發循環，用不斷的交付與迭代才能減少試錯的影響，這樣組織才有彈性，也才能敏捷。

舉例來說，早期電腦的軟體與作業系統都是一年才更新一次，所以在軟體開發專案上，只許成功，不准失敗。但是現在手機軟體與作業系統，可能每個月都會改版一次，如果失敗，再即即時更新。他們的產品通常會分開發版與正式版兩種版本，開發版會針對一群願意參加實驗的族群試用，幾乎每幾天都有更新，這些族群會立即反饋軟體要改進的地方。然後再每個月提出正式版到所有的消費者手中。在過去我們會花一年的時間設計一套完美正確的軟體，但是在互聯網時代，我們可以每個月、每個星期、甚至每天都發展出一套更新的版本，再由消費者的反饋做修正。因為現在的軟體基礎建設，發行更新版容易很多。

讓使用者早期參與、與不斷的迭代更新是敏捷管理的精神之二。最近，這種敏捷思維不僅用在軟體開發，也用在所有企業組織開發中，叫全員敏捷，成為Ｃ２Ｂ逆商業時代組織轉型主要的趨勢。即時更新。他們的產品通常會分開發版與正式版兩種版本，開發版會針對一群願意參加實驗的族群試用，幾乎每幾天都有更新，這些族群會立即反饋軟體要改進的地方。然後再每個月提出正式版到所有的消費者手中。在過去我們會花一年的時間設計一套完美正確的軟體，但是在互聯網時代，我們可以每個月、每個星期、甚至每天都發展出一套更新的版本，再由消費者的反饋做修正。因為現在的軟體基礎建設，發行更新版容易很多。

讓使用者早期參與、與不斷的迭代更新是敏捷管理的精神之二。最近，這種敏捷思維不僅用在軟體開發，也用在所有企業組織開發中，叫全員敏捷，成為Ｃ２Ｂ逆商業時代組織轉型主要的趨勢。

歡迎來到Ｃ２Ｂ逆商業時代。過去，我們都是銷售我們製造好的產品，在Ｃ２Ｂ逆商業時代，讓客戶早期參與產品開發過程，可以減少試誤的成本。甚至是先銷售再製造，等產品賣出去後，再開始製造。這種敏捷的思維，不只是用在軟體開發上，而在整個組織運作上。成為企業數位轉型重要的基礎變革。

舉例來說，像是敏捷產品開發，過去的產品都是先製造再銷售，但是在眾籌的環境中，人們可以先提出自己的產品想法，甚至只是一段影片，當這個產品賣出去之後，再開始製造。海爾的人單合一也是如此，他們可以先由消費者提出家電產品的客製化需求，再由三位設計師針對這個需求設計出家電雛型，在社群中跟客戶討論與試用後，當某位設計師的設計勝出，並願意預購的消費者到達的一定的數量，這款家電就會進入到生產線中生產。

或像是時尚設計，過去時尚產業都要事先預估明年春天可能流行的走向，然後再依照預測來事先設計與製造成衣。但是ＺＡＲＡ的快時尚卻反其道而行，它可以從各地的門市的銷售狀況，反映出下個禮拜這個區域的流行趨勢，然後再經由快速設計並快速製造出來。

甚至連定價也進入全員敏捷時代。過去企業對商品定價方法包含了供給需求定價法、競爭者定價法、或是消費者認知價值定價法。但是現在可以很直接的在互聯網上做實驗。

舉例來說，在實驗期間，一款手機的手遊如果定價一百塊，可能只有十個人會購買，如果定價三十塊，可能就會有一百人購買。實驗的結果，顯然是定價三十塊會比定價一百塊賺到更多的錢。

Ｃ２Ｂ逆商業時代的全員敏捷的關鍵之一在於快速接觸消費市場，因為成功了就叫做商品，失敗了就叫做市場調查。因此試錯的成本要小，專案就不能夠太大。許多電商的創新模式，只有幾個商品就可以上架了，再買大量的廣告來試試新模式是否被大家接受，以邊做邊修的方式，發展出完整的創新經營模式。

敏捷思維是一種主動的工具， 就像螺絲起子一樣，人們可以決定使用它，或是不使用它。 但是生產線的流程，是一種被動的工具，也就是當被組裝產品到人們眼前時，你必須要使用螺絲起子。 敏捷思維方法論就是一種被動工具， 設計出工作的流程， 讓所有流程都能夠透明可視化，藉由工作設計來激發全員參與的熱情，以協助企業落實全員敏捷的思維。

文章來源：聯合報，作者盧希鵬／台灣科技大學資管系專任特聘教授

當你在網購平台瀏覽商品，在Google搜尋任何疑惑事項的解答，打開Netflix或Spotify想看支影片或聽點音樂來消磨時間時，是否想過：為何這些演算法可以這麼精準地知道我的喜好？甚至在我想到之前，就提供最合我心的推薦？因為這些演算法的背後，都有一個最新的「數位優勢」⋯⋯

插畫／亞騰．馬攸許金（Artem Matyushkin）

在亞馬遜（Amazon）每分鐘銷售的4,000種產品中，大約有50％是透過其個人化的推薦引擎展示給顧客。當你造訪亞馬遜網站時，網站的演算法會預測在那個當下你想要什麼，然後根據這項預測，從大約3.53億件商品中挑選出一些產品的組合，為你安排那些產品推薦。推動產生這些結果的，是亞馬遜不斷演變發展的「購買圖」（purchase graph）演算系統，也就是以數位方式呈現出現實世界中存在的「實體事物」（entity），其中儲存了有關這些實體的資訊（例如顧客、產品、購買情形、活動和地點等），以及它們之間的關係與相互影響的關係。亞馬遜的購買圖，會把消費者的購買歷程，和網站上的瀏覽數據、Prime Video上的觀賞數據、Amazon Music上的聆聽數據，和Alexa支援裝置的使用數據，全都連結起來。該公司的演算法使用「協同過濾」（collaborative filtering）技術，也就是整合多個因素，例如多樣性（推薦項目有多麼不同）、偶然性（有多麼出乎意料之外），和新奇度（有多麼新穎）等因素，以產生出全世界最複雜精細的某些建議。亞馬遜擁有豐富的數據和領先業界的個人化技術，因而能在目前占有美國電子商務市場的40％；最接近的競爭對手沃爾瑪（Walmart），市場占有率只有7％。

Google為了與亞馬遜競爭，於2021年4月公布自家的「購物圖」（Shopping Graph），這個由人工智慧（AI）強化的模型，可以在用戶搜尋時提供產品推薦。每天有超過10億人在Google上研究各項產品，購物圖將他們連結到整個網路上超過240億項商品，分別由數百萬個商家提供。「購物圖」建立在Google無與倫比的「知識圖譜」（Knowledge Graph）功能上；知識圖譜掌握了在其龐大網路中的各種實體，以及各個實體之間的關係，包括來自多個來源的結構性和非結構性數據，這些來源包括Android系統、語音和圖像搜尋、Chrome瀏覽器擴充程式、Google Assistant、Gmail、照片、地圖、YouTube、Google Cloud和Google Pay等。Google的購物圖系統，讓170萬個商家得以使用簡單但彼此關聯的工具，在整個Google上展示相關商品，有了這套系統，Google已經準備好迎接亞馬遜的挑戰。

像亞馬遜和Google的這種「數據圖」（datagraph），仰賴產品的使用數據（也就是顧客在使用平台或產品時的行為數據），來掌握公司與其顧客之間的連結、關係和相互關係。數據圖概念的靈感，來自「社會網絡」（social network）和「圖論」（graph theory；編按：數學的分支，使用由點與線構成的圖形，來呈現事物之間的關係，以供研究）；其中「社交圖」（social graph）的定義，是呈現出個體之間的相互連結，其中的節點代表個人，而這些個人之間的關係（也就是與朋友、同事、主管等個人之間的關係），則以連結線來呈現。這個概念源自社會心理學家史坦利．米爾格倫（Stanley Milgram）的研究，過去二十年來，這個概念提供一個有用的觀點，可用來分析組織、產業、市場和社會的結構和內部互動情況。臉書（Facebook）在2007年推出臉書平台時，普及了數位社交圖的應用，這項工具讓開發人員得以設計一些應用程式，以整合進入臉書網站的資訊流和各種關係之間的連結。

領先的科技公司正在使用數據圖，以提供個人化的顧客推薦、更新產品、優化廣告等等。最成功的例子，包括亞馬遜的購買圖、Google的搜尋圖、臉書的社交圖、Netflix的電影圖、Spotify的音樂圖、Airbnb的旅行圖、優步（Uber）的移動圖，以及LinkedIn的專業圖，這些都充分利用了持續收集到的顧客互動數據，搭配專屬的演算法，因而得以在創造產品和用戶體驗等各方面，都超越競爭對手。

本文討論企業如何向數據圖領導公司的最佳實務取經，以獲得新的競爭優勢。

數據網路效應

要了解數據圖，我們首先需要了解「數據網路效應」（data network effect）；用戶在使用產品或服務時產生的數據，會對其他用戶更有價值，在這種情況下就會發生數據網路效應。這種效應與直接網路效應不同，後者是指服務的價值會隨著更多用戶加入而成長，例如臉書或LinkedIn的情況；數據網路效應並不需要透過增加用戶數量，來提高這個網路的價值。相反地，既有用戶持續參與，會產生更廣泛和更深入的產品使用數據，這讓演算法能夠產生持續改善的結果。例如，Google每年2兆次搜尋當中的每一次，都有助於公司擴充其知識圖譜，改善其搜尋引擎，進而為用戶產出愈來愈好的搜尋結果。相較之下，如果用戶不再使用這個平台，平台就會變得陳舊，而且效用降低。

數據圖不是靜態的，並非反映某個時刻當下的情況資訊。數據圖是動態的，反映出數據科學家所謂的「動態數據」（data in motion）。這也是不可能以人工方式繪製數據圖的部分原因。在任何特定時刻，全球消費者與某家公司產品互動的數百萬個單位的數據，都需要由科技來即時收集和詮釋。

數據圖的三大成功要素

數據圖領導人會蒐集顧客行為數據，快速整合他們從中學到的事物，以改善本身產品和服務的每個層面。他們不斷改進自己分類和標記產品數據的方法，並發掘各實體之間的關係，好讓演算法能將商品更好地分類，以便提供個人化的推薦。他們持續更新自身的演算法，以便根據最新和最相關的數據來提供個人化的推薦，這有助於改善和延長顧客的互動交流。接下來，我們來檢視成功運用數據圖的公司有哪些關鍵行為。

1、他們大規模學習，且行動迅速。

數據圖掌握了個人如何生活、工作、娛樂、學習、聆聽、社交、觀看、交易、旅遊、消費，以及進行其他與商業相關的任何活動。進行數位化，讓公司有可能大規模、廣泛而迅速地觀察所有這些領域裡的顧客數據，並進行編碼。例如，臉書的社交圖會時時刻刻分析28億人及其社交活動的數據：他們在做什麼？他們加了哪些人當好友？哪些人不再是好友？他們要去哪裡旅遊？他們談論哪些品牌？他們正在看什麼電影？他們正在聽什麼音樂等等。

數據圖掌握了人們如何工作、娛樂、學習、社交、交易、旅遊，以及進行其他與商業相關的任何活動。

LinkedIn的專業圖，即時掌握了在五千多萬家公司工作、曾就讀於九萬多所學校的7.74億專業人士，對職缺資訊的回應，以及他們如何更新現況和實況短片。此外，LinkedIn的專業圖也能把成員連結到其他的實體，例如他們擁有的技能，以便為用戶提供針對他們的廣告、學習建議、新聞提要等等。LinkedIn目前是微軟（Microsoft）的子公司，也是微軟數據生態系統的一部分，這讓它得以創造更生動鮮活的數據圖。

在傳統公司裡，顧客數據是儲存在不同部門的資料庫中，成為各自獨立的紀錄。若要獲得數位優勢，公司必須將數據整理成為互動圖，可以由演算法來分析，以提供見解，並為每位顧客提供個人化的價值。

2、他們使用數據圖來豐富產品線。

數據圖領導人，會使用一套涵蓋各種類別的概念，例如購物、旅遊或搜尋等概念，以機器可讀的圖像格式，來組織整理他們的知識和專業技能。以Airbnb的旅遊圖為例。圖中描述了超過700萬間房屋的清單，標記的方式呈現出各種實體（城市、地標、活動等）、特性（例如顧客評論和營業時間），以及它們之間的各種關係，以產出不斷改善的建議，建議的內容不僅包括出租房屋的類型，也包括晚餐的最佳地點或遊覽景點的最佳時間。這種擴大產品範圍的能力，讓Airbnb能夠為顧客提供優於傳統旅館的服務，傳統旅館的數據儲存在各部門獨立的系統中（比如訂房數據儲存在預訂系統中，餐廳推薦數據儲存在禮賓服務系統中，水療中心的數據儲存在按摩服務預約系統中）。同樣地，Netflix持續改善75,000種細項類型的電影和電視節目的呈現和分類方式（就像Spotify對音樂和podcast的類似做法）。

Google已經能打造威力遠更為強大的服務。它的知識圖譜呈現字詞和概念之間關係的方式，能協助其演算法理解上下文。這讓Google能回覆口頭詢問，例如：「嘿，Google，預訂兩張下週三去羅馬競技場的門票，用Google Pay付款。」基礎知識是以「圖」的形式來呈現，所以演算法可以理解用戶在問什麼；演算法知道「羅馬競技場」是羅馬的一個景點，下週三是5月25日，「預訂」的意思是購買門票，而「付款」牽涉到使用儲存的信用卡（而非這些字詞的其他意義）。每一次的查詢和每一次的顧客互動，都會讓知識圖譜有所改善，以反映出意義改變時的新關係。

設想某位攀登過美國亞當斯山（Mount Adams）的登山愛好者，接下來想要攀登日本富士山。她在搜索查詢時可能會問：「相較於亞當斯山，攀登富士山應該做哪些不同的準備？」以目前的情況來說，需要搜尋好幾次才能獲得答案，但Google正在開發一種新模型，具有更複雜的知識鏈接（能夠順暢地進行多種語言的翻譯），以便更有效地回答這類查詢。

若要與數位領導企業競爭，你應自問：我們產品的相關知識，是否大多是以各自獨立的數據集存在，還是我們正在開發機器可讀的圖表，以辨識出我們顧客的偏好模式？

3、他們贏得顧客的關鍵時刻。

2001年，Netflix的45.6萬名用戶，只選擇了系統2％的推薦。到了2020年，這個比率已經提高到80％，而Netflix擁有超過2億名訂戶。 Netflix使用其電影圖來贏得「關鍵時刻」：在90秒到2分鐘內，觀眾會決定，是要留在Netflix上看影片，還是去其他地方。Netflix透過演算法來客製化和更新主畫面，持續為每位訂戶提供針對個人所需的推薦。到2015年，Netflix每年防止了超過10億美元的取消訂閱，這要歸功於其個人化的推薦引擎。

為了贏得關鍵時刻，臉書以近乎即時的方式，對30億名用戶進行A／B實驗，為每位用戶提供個人化的首頁更新。臉書在顯示貼文之前，會檢視一組可能的貼文，並將其縮減到大約500種可能性，這是根據那名用戶過去的行為模式來挑選，他可能會去看的大約500種貼文。然後，臉書專屬的神經網路（neural network）對那些貼文進行評分和排序，接著以各種不同的媒體類型，例如文字、照片、聲音和穿插廣告的影片，來安排這些貼文。

臉書的數位內容庫可以即時將資訊提供給全球的顧客（這方面會受到各國法律的限制），優步則不同，優步之所以能夠滿足顧客的交通需求，其基礎在於，在明確的時間和確切的地點，是否有車輛可用。優步的關鍵時刻，是顧客願意等待司機的5分鐘。這家共乘公司追蹤智慧型手機有開啟其應用程式的司機和乘客（之前優步在用戶並未使用應用程式時也進行追蹤，經顧客強烈反對後，2017年被迫改變這項引發爭議的政策），使用這些數據來分析可能的需求模式。然後，它提供誘因給在選定地點提供服務的司機。該公司不斷優化安排路線的演算法，以便在關鍵時刻贏得顧客。

儘管許多公司都宣稱以顧客為中心，但很少有公司像這些領導企業那樣使用數據圖和演算法。請自問：我們是否使用AI支援的演算法，為顧客提供持續改善的產品，以確保他們與我們的產品互動，而不是離開我們？

著手進行的五大步驟

企業若是希望維持與數據圖領導業者競爭的能力，必須了解的第一件事情，就是成功的策略不只仰賴擁有大量資訊；關鍵在於即時蒐集相關的產品使用數據，以達成數據網路效應並建立優勢。企業若是觀察到顧客與其產品的更多互動，就能累積更豐富的數據；當企業向更多元的顧客群銷售更多產品時，便會累積更多不同種類的數據，可協助它們讓自家的商品進一步差異化。

企業若是沒有使用數據圖，或尚未成功使用數據圖，必須採取下列步驟迎頭趕上：

1、擬定數據圖策略。

首先，讓具備產業知識的高階主管與數據科學家搭配合作，把你公司的數據圖予以概念化，檢視其未來的發展軌跡，並勾勒出合理可行的商業影響。許多欠缺亞馬遜或Netflix那種龐大資源的公司，已經這樣做了。例如，Stitch Fix是個人化的時尚服務平台，2010年由一名商學院學生所創辦，現在該公司的市值已高達16億美元，主要歸功於其「時尚圖」。

線上學習平台Coursera，展現新的市場進入者可以使用數據圖來顛覆市場。傳統大學提供「一體適用」的課程和證書；相較之下，Coursera在教育領域的運作就像是Netflix或亞馬遜。它透過可累積的模組，提供個人化的線上體驗，這些模組可以在不同的時段、地點、難度和價格點來消費使用。它使用自家專屬的「技能圖」，以傳統大學無法達成的方式，來客製化終身學習服務。

請自問，你的數據可以如何為你的業務提供獨特的優勢？你可能擁有專屬的「數據鉤子」（data hook），讓你在顧客使用產品時，觀察到他人無法獲得的詳細資訊。你的優勢可能來自卓越的數據範圍（你數據的深度和豐富度），以及能否取得合作伙伴的互補數據。你可能擁有更快的數據速度（動態數據，相較於競爭對手需要批次處理的片段式數據）。考慮如何透過收購〔例如微軟收購LinkedIn 和動視（Activision）〕，或組成聯盟（例如Google與Shopify的合作），來提升規模、範圍和速度。

2、開發專屬的演算法。

獨立執行不同類型的分析，已經不足以成事。數據圖領導企業會在一個整體架構下，使用專屬的演算法，進行描述分析（「發生了什麼事？」）、診斷分析（「為什麼會發生？」）、預測分析（「可能會發生什麼事？」），以及規範分析（「應該發生什麼事？」）。你可以逐漸調整改變你的數據圖基礎設施，從設計用來分析靜態數據（批次處理、獨立分析）的傳統架構，轉變為分析即時的動態數據。

務必要把你的演算法，與你所在產業的其他演算法（以及相同類型的演算法）進行比較。例如，如果你的成功指標，是顧客依據你的推薦而採取行動的程度，那麼你推薦引擎的績效，相較於Netflix、Spotify和亞馬遜等領導業者的表現如何？

3、產生信任感。

做為顧客數據的保管人，是一項重大責任。大多數顧客把電腦、演算法和機器學習視為複雜的「黑盒子」，而且許多人認為，自己的數據正在被使用（甚至濫用）來讓數位公司變得富有和強大。你使用演算法的方式，必須能讓人產生信任感，而且必須付出努力，以贏得蒐集和分析數據的權利。請使用消費者能夠理解的語言，來說明你在做什麼。

企業使用演算法的方式必須能讓人們產生信任感，而且必須付出努力，以贏得蒐集和分析數據的權利。

當消費者覺得自己的數據被濫用時，信任便會受到侵蝕。臉書已經成為這種困境的典型代表。最近，臉書數據科學團隊的一位吹哨人直接指控，該公司利用其數據和演算法來增加煽動性內容，以提高臉書網站的互動量，即使該公司進行的專屬內部研究指出，這麼做會傷害用戶和社會。臉書執行長馬克．祖克伯（Mark Zuckerberg）否認這些說法：「說我們為了獲利，刻意推送讓人們憤怒的內容，這樣的論點非常不合邏輯，」他說：「我們從廣告賺錢，廣告商一直告訴我們，他們不希望自家廣告旁邊出現有害或令人憤怒的內容。」祖克伯能否修復這些損害，取決於臉書未來如何使用其演算法和個人數據，以及它與用戶的溝通是否透明。

每家公司都必須不只在演算法的技術層面投入資源，還必須以消費者能夠理解和覺得安心的方式，說明自家公司在做什麼。顧客愈來愈期望了解數位產品如何運作，以及AI支援的服務是如何提供的，而且各國也要求各家企業依據當地法規，調整其數據營運。例如，在有嚴格隱私法規的德國，阿里巴巴需要的數據策略，與它在中國使用的不同。而且它必須以能促進信任的方式，和這兩國的消費者溝通。

4、更新組織。

商業領導人必須分配必要的資源，以升級數據圖所需的技術基礎設施。他們必須招募的人才，是在數據科學和商業方面都兼具廣度和深度的人才。他們必須建立的數據組織，要能成為把企業所有部門都連結在一起的結締組織，體認到現代組織必須同時兼顧相互競爭的兩大派別：認為數據和演算法具備最優異的力量，能夠解決問題的派別，以及不認同這種看法的派別。這種緊張關係定義了現代組織的運作文化：一個好例子就是，Netflix執行長里德．哈斯廷斯（Reed Hastings）如何平衡矽谷的分析拉力和好萊塢的創意拉力。

5、從你的數據圖獲利。

如果建構數據圖是用來支持和塑造策略，數據圖就能揭露價值不僅在於如何設計和製造產品，也在於產品如何為顧客解決特定的問題。數據圖提供的見解，能協助你選擇最合適的獲利機制，並擬定從數據進展到商業成果的清晰路徑。你可以透過基於數據網路效應所做出的可信建議，來保護你目前的營收和獲利，就如同Netflix使用即時數據來改善顧客保留率一樣。

你還可以使用你的數據圖來制定思慮更周詳的方法，透過追求新的價值領域來擴大你的營收和獲利流，如同蘋果公司（Apple）在進入信用卡、電視和健康照護領域時所做的那樣。而且，你可以在競爭對手已經善用數據圖的市場裡進行反擊，就如同迪士尼（Disney）以Disney+成功進入影音串流市場的競爭那樣。

重塑優勢

大家都看過麥當勞（McDonald’s）店門口「銷售超過X十億個漢堡」的宣傳標語，而且多年來看到這個數字持續上升。不過，追蹤每年銷售了多少個漢堡已經是過時的做法。數據圖的領導企業不太關心這些絕對數字。相反地，他們會問：我們是否有每位消費者在哪裡購買漢堡的數據？在什麼時間買？他會搭配什麼飲料？他在購買漢堡之前或之後會做什麼？我們的顧客是哪些人？他們的年齡、收入、地點、偏好、生活方式等等又如何？我們要如何滿足他們更多的需求，好讓他們在我們這裡，比在其他商家消費更多？並確信他們的錢花得有價值，而且會持續回來光顧？

數據圖將會重塑各個產業的競爭態勢，而且比大多數人預期得更快。現在正是時候，每家公司都不再能夠僅使用數據來改善營運效率，而應體認到數據圖的競爭優勢。資深領導人必須投資以升級他們的數據架構，以便即時全面了解，消費者如何與他們的產品和服務互動。有了這種架構之後，領導人便能開發出獨特的方法，來解決顧客的問題。

文章來源：《哈佛商業評論》

在由數位科技推動的世界中，變革與轉型是持續的，並沒有終點。組織領導人必須緊跟脈動，不斷地調整策略，並努力讓員工持續學習新的技能，與組織一同進化。想做到這些，「數位心態」必不可少，那麼，究竟什麼是「數位心態」？

蒂埃里．布雷頓（Thierry Breton）於2008年，接任法國資訊科技服務公司源訊（Atos）的執行長，當時他很清楚，源訊需要立即進行重大的數位轉型。那時全球正處於「經濟大衰退」（Great Recession）期間，源訊的年營收增長將近16％，達到62億美元，但成長速度不如競爭對手。各自為政的業務和職能團對影響到公司營運，導致公司匯集全球資源的措施受限，而且必須在整個公司進行更多的創新。數位轉型是向前邁進的不二法門。

但是，資訊界巨頭企業要如何進行？布雷頓從擴大公司規模和推動全球化著手，提供更多線上交易服務、系統整合、網路安全等等。他把公司人力增加一倍，達到10萬人，希望藉此抵擋環繞四周的競爭對手，包括來自加州矽谷、印度和中國的數位原生新創公司。布雷頓也提出計畫，打算把人工智慧（AI）和其他由數據驅動的科技，整合納入公司的各項流程，並為不斷擴增的公司人力提高技能。

這項為期三年的數位轉型計畫，有賴於創造持續學習的文化，並需要員工培養我們所謂的「數位心態」（digital mindset）。布雷頓及其團隊，針對如何達成這些目標，辯論探討了各種選項。有些人認為，穩健扎實的訓練計畫，是向前邁進的唯一途徑；其他人則相信，在工作中學習才是最佳做法。他們最後制定了「數位轉型工廠」（Digital Transformation Factory）這項技能提升認證計畫。最初的目標是訓練35,000名技術和非技術員工，讓他們學習數位科技和AI。

值得注意的是，這項技能提升計畫是自願參加的。布雷頓的團隊展開內部宣傳活動，鼓勵員工學習和取得認證。他們也設立同儕和主管提名制度，以吸引員工加入這項計畫，並提供獎勵給達到各項認證標準的人。他們的想法是，如果員工自願參加而獲得認證，就更可能內化那些新的數位技能，並據此修正自己的工作行為。這項學習計畫配合每一個人的需求，從數據科學家和技能精良的工程師，到從事銷售和行銷等傳統上不屬於技術性質的職能，都包括在內。

新計畫的結果超過預期。三年內有七萬多人完成數位認證，而這主要是因為，員工了解公司的成長，必須要靠大家熟習數位科技。源訊的走向顯然很正確。布雷頓於2019年離開，出任法國的歐盟執委會委員時，源訊的年營收已接近130億美元。

何謂「數位心態」？

學習新的科技技能，是數位轉型的必要條件。但這樣還不夠，必須鼓勵員工使用自身的技能來創造新的機會。他們需要「數位心態」。

心理學家說明，「心態」（mindset）是一種思考和定位世界的方式，這種方式塑造了我們的觀感、感覺和行事方式。「數位心態」是一套態度和行為，讓人員和組織得以看到數據、演算法和AI如何開啟新的可能性，並在日益由數據密集的技術，和智慧科技所主宰的商業領域中，描繪成功之道。

培養數位心態需要許多努力，不過這很值得。我們的經驗顯示，擁有數位心態的員工，在工作上更成功，對工作更滿意，更可能獲得升遷，也能培養一些有用的技能；就算他們決定換工作，也能帶著這些技能離開。

培養數位心態的員工，工作更成功，對工作更滿意，也更可能獲得升遷。

擁有數位心態的領導人，更能夠讓組織處於取得成功的有利地位，並建立具有復原力（resilient，或譯韌性）的工作人力。擁有數位心態的公司，能夠更快速因應市場的變化，也處於有利的地位，能夠善用新的商機。

就像其他變革計畫一樣，數位轉型經常遭遇阻力，早期的失誤也在所難免。根據我們的經驗，在這方面表現最好的公司，都專注於兩個關鍵領域：

（1）讓員工做好準備，以接受新的數位組織文化。

（2）設計互相配合的系統和流程。

本文提出這種重大努力的一些基本原則，並汲取飛利浦（Philips）、莫德納（Moderna）和聯合利華（Unilever）等公司的心得教訓。這些公司提供一套發展路線圖，以便在現有的人才庫中培養數位心態，並讓各項系統和流程互相配合，以利用嫻熟的數位能力。

建立持續學習的文化

健康服務公司飛利浦，最近把核心能力從供應健康相關產品，轉為提供數位解決方案。為了促使員工配合這個新走向，公司必須創造持續學習的環境。飛利浦與雲端學習和人力資源軟體供應商Cornerstone OnDemand合作，建立由AI運作的基本設施，能調整以配合學員的特定需求和步調。員工能像分享音樂串流服務的播放清單一樣，與同事分享為他們客製化的課程清單。這個平台的社群媒體功能，促進新員工與可能指導他們的較資深員工建立關係，以培養比正式的配對計畫更自然的「同儕導師」（peer-mentor）關係。

飛利浦的領導人擔任持續學習計畫的老師，並強調公司不只需要新的知識，也必須改變企業文化。他們為團隊成員的未來負起責任，而不只是管理各項工作任務，並在訓練課程當中分享他們的專業能力、知識和熱情。公司收集有關員工如何使用平台的數據，衡量持續學習與績效之間的相關性，並檢視各種工具如何以預期和非預期的方式，協助員工學習。

培養數位心態的能力，取決於員工內化這項努力的程度。思考他們會如何使用新工具，並與這些工具互動，以及這些工具能夠如何協助他們提高績效，對數位轉型的成功非常重要。

加速接受度

數位變革經常很激進，會需要改變共有的價值觀、常規做法、態度和行為。這是艱鉅的任務，因此一個有助益的做法，是以大膽的行動展開變革計畫：這種行動要能吸引大家的注意，並促使每一個員工了解公司需要新的方向。這類行動的例子包括：進行重大改組、從事收購、重新分配資源、聘任一名直屬於執行長的數位轉型總負責人，以及宣布公司正逐步廢除某一套舊系統。

展示新作風可以創造動能，可是這還不夠。採取大膽的行動之後，必定是漫長的推進過程，一開始要先評估，員工對數位轉型計畫有什麼感受。有的人可能對未知情況感到不安；有的人可能擔憂自己是否能夠學習這項新技能，並應用在自己的工作上。技術和非技術人員都難免會產生這些焦慮感受。員工也可能懷疑，數位轉型對公司和他們的工作，是否真的很重要。

推動激進變革之時，主管人員必須小心衡量兩個關鍵面向：支持程度（員工有多麼相信這種改變會為他們和組織帶來好處），以及學習能力（員工對自己能獲得足夠的新能力以通過考核的自信程度）。如果員工完全支持轉型策略，並覺得自己能夠協助實現目標，因而有動機要培養相關能力，那麼接受程度就會達到最高。

在數位轉型期間，這兩個面向結合起來，會產生一個包含四種反應的矩陣：感受壓迫、挫折沮喪、冷漠無感、受到啟發（請參考下方圖表「接受度矩陣」）。在最佳情況的情境裡，人們位於矩陣的右上象限，也就是受到這項變革的啟發，並相信自己有能力學習數位內容。主管應評估每一個團隊成員位於哪個象限，然後根據情況需要，推動個別人員轉到不同的象限。

促進支持。

要協助那些看不出培養數位能力有何價值的人（這類人員處於矩陣下層那兩個象限），參與變革行動，領導人必須加強傳播訊息，強調數位轉型是公司非常重要的待開發領域。他們應推出內部宣傳活動，以協助員工想像，由數位科技推動的公司有哪些發展潛力。主管應鼓勵團隊成員，相信自己能為這樣的數位組織做出重要貢獻。

促進自信。

在促使員工支持轉型計畫後，主管應致力於讓位於左邊兩個象限的成員加強自信。我們發現，人們對數位科技的經驗愈豐富（不論是經由教育或工作獲得的經驗），就愈有自信。分享故事也有幫助：人們若是聽到同事、主管和他人的經驗，就能感同身受並建立自信。在公司領導人和直屬主管的鼓勵和加強下，員工會開始相信自己的能力（請參考下方「成功的員工訓練計畫要素」）。

直接雇用已擁有所需技能的人，讓整體工作人力快速進入數位時代，這種做法看似更有效率。但正如大部分公司都知道的，人才爭奪情況非常激烈：在現有市場中，幾乎不可能雇用到足夠公司所需的數位人才。因此，招募人才還不夠，必須搭配擴大推動提升現有人才的技能。

領導人應在同儕之間發掘擁有數位心態的影響力人士，請他們帶頭倡導轉型，並為不願意加入的人樹立榜樣。影響力人士也很有助於發掘員工關切的問題，以及提供改善的意見。他們可能了解哪種訊息能引起員工的共鳴。舉行有關數位轉型的訓練活動和傳達新目標，也很重要。

讓數位系統互相配合

了解員工如何部署數位工具，對組織領導人來說非常重要，如此才能建立科技生態系統，以及能夠培養數位心態，並加快數位轉型的各項流程。 莫德納是數位原生的生技製藥公司，哈佛商學院教授馬可．顏西提（Marco Iansiti）、卡林．拉哈尼（Karim Lakhani）和同事們，找出組成莫德納的三個主要層面。

第一，該公司的基礎層次是能夠廣泛取得數據，而數據是莫德納開發疫苗和其他藥物的價值來源。

第二，仰賴雲端運算。相較於使用公司內部的伺服器，這種解決方案不僅成本更低得多，也更加迅速而敏捷。

第三，建立以AI演算法來執行研發流程的能力，而且執行的正確性和速度都非人力所能及。

正如莫德納的共同創辦人及執行長斯特凡．班塞爾（Stephane Bancel）告訴前述那些學者的，莫德納是一家「剛好從事生物工作的科技公司」。

大型製藥公司向來由一些分散全球、各自為政的單位來運作，但莫德納擁有一個完全整合的結構，數據在公司內部自由流動，可讓不同團隊即時地共同合作。該公司科技營運品質長胡安．安德列斯（Juan Andres）指出：「比起擁有精密的數位工具或演算法，更重要的是整合公司內所有的層級。把所有事物進行結合，是科技很重要的一部分，而非科技本身最重要。」

2020年1月，莫德納面對為新冠病毒開發疫苗的急迫任務之時，之所以能加速推動開發流程，正因為所有層級的整合已經完成。在那之前五年，班塞爾就聘請馬塞洛．達米亞尼（Marcello Damiani）負責監督數位和營運的卓越表現，班塞爾也小心地避免把這兩種角色分割開來。達米亞尼解釋：「關鍵在於，讓馬塞洛能夠妥善設計這些流程。只有完成那些流程，推動數位化才有道理。如果你有差勁的類比流程，就會獲得差勁的數位流程。」完全整合的系統和流程，讓莫德納員工能利用原有的數位解決方案，來開發新疫苗，並在內部建立其他許多解決方案，例如從頭設計演算法或調整既有的演算法，以進行更深入和更專業的分析。新冠疫情爆發僅僅幾個月之後，莫德納就開發出大約20種用於開發疫苗和其他藥物的演算法，並繼續開發其他許多演算法。

聯合利華這家消費產品巨擘，也調整散布於全球的龐大業務，以順應數位時代。對這家在全球190國，銷售逾400種品牌的家庭用品製造商和零售商來說，必須在地方市場特性和全球營運的廣大規模之間保持微妙的平衡，才能取得成功。解決之道在於擁有敏捷團隊，既能針對各個當地市場來客製化自家的產品，同時也運用公司的數位能力，來協調跨越多國的各項工作，能朝一致方向進行。在聯合利華服務30年的數位轉型執行副總裁拉烏．魏爾德（Rahul Welde），設計了一個敏捷團隊結構，讓成員保持分散在全球各地的運作模式，同時策略性地使用數據，為快速改變的地方市場，量身制定各項方案。

在魏爾德的領導下，聯合利華成立300組敏捷團隊，每組10名成員，這些團隊以遠距的方式，在全球各地運作，而且能夠大規模地運作。魏爾德指出，這個策略包含三部分。第一是使用賦予員工能力的科技和工具，藉以減少全球和地方之間的分歧。利用數位平台，品牌就能以遠為更大的規模，與地方市場裡的顧客直接交流。第二是重新設計既有的流程，以順應新的科技和工具。第三是確保工作人員能夠取用科技，並擁有使用那些科技的技能和動機。

由誰選擇數位工具？

經理人和企業領導人必須密切參與對數位工具的選擇和實施。要做到這點，他們必須了解現在的資訊科技部門能做什麼，以及不能做什麼。在過去，科技團隊向來很能勝任在整個企業大規模地運行軟體的工作，並確保維繫公司運作的軟體受到妥善的維護，發揮應有的效能。實施公司選定的工具或企業資源規畫（ERP）系統，仍然是資訊科技部門的重要功能。但是，現在公司用以推動數位轉型的科技，大部分是在雲端運作（也就是SaaS，亦即軟體即服務）。團隊可以不知會資訊科技部門，就直接購買軟體授權，然後下載軟體和自行啟用。

資訊科技人員習慣管理那些支持公司運作的應用軟體，但最適合由商業端的領導人負責定義新的角色，和新的常規做法，並有效地重新塑造組織文化和目標。他們一開始應該先找出各單位有哪些活動，能最有效地推動更大的組織目標，因為這能提供相關資訊做參考，以協助公司選擇數位工具，以及決定轉型方向。隨著科技驅動的流程改變而產生新的角色和責任，組織內會出現新的協同合作網絡。這些關係網絡是組織真正的正向驅動力量。

公司必須持續收集數據以監測轉型的行動，並評估員工行為究竟是在協助，還是妨礙我們所謂的「工作數位化流程」（work digitization process）。領導人應研究資訊在組織內如何流動，並消除可能妨礙員工採用新流程的制度障礙。

使改變成為常數

根據變革管理的理論，組織會從目前的狀態轉移到過度狀態，然後邁向未來狀態。過度狀態通常被認為是一段固定的時期，在這段期間，組織從熟悉的結構、流程和文化常規，轉移到新的結構、流程和文化常規。在過渡期，大家難免會有強烈的情緒，因為他們必須理解新的觀點和行事方式。在這種暫時的混亂困惑狀態當中，成功地從組織的過去轉向未來，就是每一個人的任務。

但是，在由數位科技驅動的世界裡，過度期並沒有終點：數位工具不斷快速改變，使用它們所需的知識和技能也是如此。組織結構必須不斷調整，以善用新的數據見解，領導人也必須持續努力，讓員工隨著組織演變發展。

重新思考變革，把變革當成持續不斷的過度過程，而非處於不同狀態之間的一種活動，這麼做協助了蒂埃里．布雷頓，領導源訊成功地進行數位轉型。資訊科技公司進行本身的數位轉型，竟然需要協助，這可能令人感到意外，但也正好強調了我們認為的觀點：培養數位心態非常重要。只因員工嫻熟使用某種科技，並不表示他們已準備好調整順應下一種科技。領導人必須把數位變革視為一種持續過度的狀態，需要每一個人接受持續變動的發展，以及永遠處於不穩定的狀況。

數位轉型是一種手段

數位科技及其對組織結構、工作角色、員工能力和顧客需求的影響，一直不斷地改變。領導人的任務不只是調整行動以應付變化，也必須持續保持這種順應能力。數位轉型不是一個要努力達到的目標，而是達到本身各種獨特目標所採取的手段。有了數位心態，組織所有的員工都能做好準備，去掌握當前變化萬千的世界所帶來的機會。

領導人的任務不只是調整行動以應付變化，也必須持續保持這種順應能力。數位轉型不是一個要努力達到的目標，而是達到本身各種目標的手段。

文章來源：《哈佛商業評論》

企業領導人都知道要重點投資於數位轉型，但為何有人苦無成效，有人卻大有斬獲？哈佛商學院教授與微軟執行長合作，共同研究150家各領域的龍頭企業，發現要經歷五大階段，組織的數位轉型才會邁向成熟；屆時，每位員工都能以數位的思維和方式推動創新，達成「數位普及化」。

過去十年間，諾華藥廠（Novartis）大幅投資推動數位轉型。當這家瑞士的製藥業龍頭企業，打算把自家的科技基礎設施移到雲端，並投資於數據平台和數據整合時，招募了人工智慧（AI）專家和數據科學家，以建立機器學習模型，並把這些模型部署到全公司的各個單位。但是，即使這些技術團隊的規模在擴大，整體企業各部門的經理人，包括銷售、供應鏈、人力資源、財務，和行銷等部門的經理人，都沒有欣然採用那些剛開始被取用的資訊，也沒有多加思考數據可以如何強化自身團隊的工作能力。同時，那些數據科學家不太了解各個事業單位，因此無法輕易地把數據整合進日常的營運作業之中。結果是，雖然他們四處推出許多試行計畫和專案，但這些投資只有零星的成效（例如，在研發流程的某些層面有成效）。

但在更晚近之時，同時針對研發與行銷個人化的試行計畫，開始展現商業價值，並且吸引了諾華中一些較具創意的商業端高階主管的注意，也激發了他們的想像力。他們對於在公司不同單位部署AI的機會，感到愈來愈興奮，並開始熱烈支持這方面的投入（資訊揭露：本文兩位作者都曾以多種不同方式，與諾華和本文提到的公司合作，包括擔任董事、進行研究和提供諮詢服務）。這些高階主管體認到，單靠科技人員和數據科學家，無法帶來自家企業需要的那種全盤創新，於是他們開始讓數據科學家與部分商業端的員工合作，那些員工深知公司哪些地方的效率和績效需要改善。

諾華也投資於商業端第一線員工的訓練，讓他們學習自行運用數據來驅動創新。愈來愈多團隊採用敏捷工作法來因應各種可能性。於是，轉型的強度和影響迅速增加，驅動了各種創新方案，包括以數位方式進行的銷售行為和銷售預測、重新構思醫療照護服務顧客的訂單與補貨系統，並徹底改造處方箋配藥系統與流程。

在諾華因應疫情大流行初期的混亂之際，數位轉型的進展變得極有價值。諾華的商業端團隊與數據科學家合作，設計了一些模型來管理供應鏈中斷的問題、預測關鍵原物料供應的短缺，並讓產品組合與定價政策得以迅速調整。他們也開發一套分析法，以找出哪些病患因為延遲看診而面臨風險。隨著新冠危機繼續延燒，全公司的經理人都清楚看到AI的價值何在。 在採行AI的這一波行動之前，諾華的科技投資幾乎全都投注在企業套裝應用軟體，通常是由資訊科技部門負責執行，由外部顧問、供應商或系統整合廠商提供指導。但是，在當時的數位長貝特朗．博得森（Bertrand Bodson）領導下，諾華在建立全公司的數位能力時，不但培養了數據科學方面的新能力，也開始讓數據與科技的取用普及化，打破了傳統上各個科技單位各自為政的孤立情況。諾華現在正在訓練各層級與各職能部門的員工，找出結合數據與科技的機會，來改善自身的工作，並善用這些機會獲利。2021年，諾華的年度AI高峰會有數千名員工出席。

由員工驅動的數位創新，潛力無法計算，但根據市場研究公司IDC的「2020年全球資訊科技產業預測」報告，到2023年時，全球經濟當中的企業，還必須創造大約五億個新的數位解決方案，超越過去四十年所創造的解決方案總數。這一點，無法由一個個分別待在不同孤立單位裡的科技人員和數據科學家小組來達成。這需要規模更大、更多元的員工群體，包括高階主管、經理人和第一線工作人員，一起重新思考企業各個層面應該如何運作。我們的研究對此能夠提供一些指引。

數位轉型需要高階主管、經理人和第一線工作人員，一起重新思考企業各個層面應該如何運作。

本文觀念精粹

問題：同樣是投資於數位轉型，許多企業苦無成效，有些企業卻大有斬獲。成功的企業有什麼不同的做法？

歷程：本文描述數位轉型的五個階段，從傳統階段（數位與科技屬於資訊科技部門的責任範圍），一直到平台階段（有完整的軟體平台，可以快速部署以人工智慧為基礎的應用程式）。

理想：數位轉型的理想是原生階段，其特徵是—有一套運作架構，可以把人工智慧大規模部署到各種大量的應用之中；有一群核心專家；可被廣泛取用、容易使用的工具；並投資為大批商業端人員提供訓練與培養能力。

成功的驅動因素

我們展開研究是因為想要理解，同樣是投資於數位轉型，為什麼許多企業苦無成效，但是有些公司大有斬獲。成功的企業究竟有什麼不同的做法？

我們檢視了150家公司，分別來自製造、醫療照護、消費品、金融服務、航太和醫藥／生技等各產業，包括各產業最具代表性企業的一組最大型企業樣本。有些企業看不出顯著的成效，但是很多企業都展現驚人的進展。或許出乎意外的是，我們發現，數位轉型投資的成敗，並非取決於資訊科技預算的相對規模。成功的案例也不限於「原生數位」組織。一些老牌企業也成功培養出一種數位創新的心態與文化；諾華自不在話下，其他還包括聯合利華（Unilever）、富達投資（Fidelity）和星巴克（Starbucks，本文作者之一的納德拉於其董事會任職）等等。

我們的研究顯示，若要大規模推動轉型，企業必須在以下三個領域創造綜效：

能力。

轉型想要開花結果，企業就必須讓傳統科技部門以外的員工，培養數位與數據的技能。不過，單憑這些能力，並不足以充分發揮轉型的效益；組織也必須投資於建立流程的敏捷性，還有更廣泛地建立一種的文化，鼓勵頻繁而普遍地進行實驗。

科技。

當然，投資於恰當的科技很重要，特別是AI技術堆疊裡的各個層面，包括：數據平台科技、數據工程、機器學習演算法，和演算法部署科技。企業必須確保所部署的科技，對於許多參與創新工作的非科技背景員工來說，不但容易使用，而且容易取用。

架構。

組織架構與技術架構的投資是有必要的，以便確保人員的各項能力與科技能夠發揮綜效，藉此驅動創新。要做到這點，就需要架構（技術面與組織面的架構），這種架構要能支援在傳統上各自為政的單位之間，進行數據的分享、整合和正規化（例如，數據要有一致的定義與特性）。這是唯一真正能擴大規模的方法，可用以匯集必要的科技資產與數據資產，讓分散各處的工作人力可以取用。

許多大型企業在以上各個領域都有進展。但即使是領先的公司，往往也會低估了讓員工把轉型納入自身職能和工作之中的重要性，而不是設立一些位於企業中央總部的科技小組和顧問，把變革向外推展到整個企業裡。一如麻省理工學院的艾瑞克．馮希培（Eric von Hippel）多年來的倡議：第一線使用者最接近使用案例（use case），也處於最佳位置，得以開發符合自身需求的解決方案，因此必須讓他們扮演核心角色，加入一些敏捷團隊，而這些團隊會根據營運需求而動態地組成或解散。

公司往往也會低估讓員工把轉型納入自身職能和工作之中的重要性，而不是設立一些科技小組，把變革向外推展到整個企業裡。

建立「科技強度」

我們的研究顯示，能力、科技和架構如何共同建立我們所謂的「科技強度」（tech intensity）。這個概念衍生自經濟學概念「集約邊際」（intensive margin，意指資源被利用或應用的程度），而科技強度指的是，員工使用科技以驅動數位創新，並達成營運成果的程度。我們的研究發現，公司若是在科技投資方面成效卓著，並把工具提供給眾多的數據和技術技能優異的員工，那麼公司的科技強度就較高，績效也較卓越。而有些公司無法培養員工的數據與科技相關能力，而且只讓員工取用有限的科技，這種公司的表現則是落後。

我們把我們研究裡的150家公司，按照科技強度排序後發現，樣本裡位於前四分之一的公司，營收成長速度是倒數四分之一公司的兩倍多。（請參閱下方圖表「數位轉型帶來效益」）。我們也發現，科技、能力和架構這三個指標，與其他的績效指標具有相關性，從生產力、獲利到企業價值成長等績效指標，都包括在內。運用「工具變數」（instrumental variable）這項計量經濟學的技巧，我們也發現證據顯示，科技強度與績效之間具有因果關係，也就是說，科技強度愈高（特別是投資於科技與組織架構），愈能驅動較高的營收成長。

轉型五大階段

我們的分析證實，光是花錢投資於科技，無法帶來更多的成長或更好的績效；其實在某些情況下，若這樣做會加劇各群體之間的分歧和不一致，對企業反倒是傷害。相反地，企業之間會出現實質而長久的差異，最重要的原因在於轉型時，在架構面、管理面和組織面所採用的方法。我們發現，公司的轉型歷程通常會經歷五個階段。（請參閱下方圖表「數位成熟度進展的各個階段」。）

1、傳統模式

不令人意外的是，許多企業都屬於我們認為的傳統數位創新模式，也就是把數位和科技的投資，列為資訊科技部門（或是其他技術專家小組）負責的領域，投資所產生的影響則分散於各個群體，而且影響多半不太一致。比方說，資訊科技部門與事業單位合作，提供經費給各項專案，並管理專案的實施，例如建置企業應用程式或數據平台科技的專案。根據那些各自為政的單位、事業體，或職能部門所提出的特定要求，專案的內容和實施方式都需要量身打造。結果日積月累下來，科技和數據的基礎設施所反映的，是各個群體的特殊需求，彼此之間缺乏一致性與連結。這種雜亂無章的方法，導致在整個組織裡分享、擴大或散布創新的行動，幾乎是不可能的。

許多處於傳統模式的企業，仍然投注大量資金在資訊科技。以我們研究的一家金融服務公司為例，無論以絕對金額或相對金額來看，這家公司給科技與分析法提撥的預算，都是業界頂尖。這家公司不惜重金，投資於最先進的數據平台技術，還聘請數千名資訊科技專家與數據科學家，把他們隸屬於一個獨立設置的資訊科技團隊，但是投入組織數位創新行動的商業端員工很少（如果有的話）。因此，該公司缺乏提升科技採用程度所需的架構和能力。難怪該公司雖然投入資訊科技和數據科學，進展卻停滯不前，對業務產生的影響也微乎其微。

公司處於傳統階段的一個明顯跡象，就是技術端和商業端的員工，雙方對於科技投資所產生的影響，看法完全不同。技術人員認為影響重大（衡量標準是他們投入工作的心力），業務人員則認為影響低得多（衡量標準是自身日常活動的受益程度）。

2、橋樑模式

為了打破各自為政的單位壁壘（組織面與基礎設施面的單位壁壘）所造成的傳統限制，公司通常會在一開始先推出試行計畫，以橋接先前各自分開運作的群體，並開發可以共享的數據和技術資產，以推動新的創新。他們首先可能會關注特定的職能機會，例如廣告優化、製造或供應鏈能力。這些公司不僅推動技術面的試行計畫，也會試行一種完全不同的創新模式，讓高階主管、經理人和商業端的第一線工作人員，與資訊科技專家和數據科學家協力合作。

諾華美國製藥部門主管負責人維克多．布爾托（Victor Bulto），是啟動早期試行計畫的重要推手（例如，聚焦於辨識高風險患者），並在組織度過橋樑階段時，提出並推動許多方案。摩根大通（JPMorgan Chase）的全球資訊長羅利．畢爾（Lori Beer），喜歡談論AI試行計畫對於費用報銷和批核作業簡化的顯著影響，這項流程改善試行計畫，贏得許多員工的支持。

3、樞紐模式

隨著愈來愈多試行計畫展現新方法的成效，組織建立起數據與能力的樞紐，並逐漸發展出連結、納入更多其他職能和事業單位的能力，以追求轉型的機會。隨著公司在這條路徑上向前進展，領導人開始體認到，創新的瓶頸已經從對科技的投資，轉移到對人力的投資。這個階段的限制因素，是具有驅動數位創新能力（也就是專業知識與科技取用權）的商業端人員的數量。因此，公司必須投資讓更廣泛的員工群體，都能夠接受教練指導和訓練。

富達投資公司致力於栽培其所謂的「數位運動員」。一開始，該公司藉由創造集中化的數據資產〔例如遍及全公司的數據湖（data lake）〕，以建立樞紐；現在，富達正在擴大對數千名商業端員工的培訓規模，讓他們有能力可以在整個企業當中，部署以數位方式執行的解決方案。例如，數位能力精良的投資專家和稅務專家，與數據科學家和技術人員密切合作，以創造創新的解決方案，特別聚焦於個人化與客製化的顧客效益。他們還針對年輕投資人，開發出一款能吸引他們開始從事投資的應用程式，還有一款應用程式則是針對富達自己的財務顧問，提供由AI驅動的投資推薦。這些只是其中幾個例子。

星巴克也不僅專注在技術和架構，也關注於培養員工廣泛、敏捷的創新技能，以推動樞紐運作。星巴克執行長凱文．強森（Kevin Johnson）解釋說：「我們已經從各自為政的大型團隊，轉變成（無所不在的）跨職能團隊，而且我們評估構想的方式，也已經從『通過／否決』，轉變為快速迭代。」星巴克現在是數位創新的佼佼者，有精細複雜的顧客應用程式，可提供遠距訂餐、顧客忠誠計畫和支付系統，還有一些內部系統，可以執行以AI為基礎的人力配置與存貨管理。

4、平台模式

隨著公司進入平台階段，數據樞紐會合併成一個完整的軟體基礎，可用來快速部署以AI為基礎的各項應用。公司專注於建立精細複雜的數據工程能力，並鼓勵機器學習模型的再運用和整合。全公司都在應用以分析法為基礎的預測模型，並愈來愈側重於基本營運工作的自動化。組織的運作開始更類似軟體公司，發展出能夠進行產品與計畫管理、快速實驗的完整能力。

微軟在過去五年裡，幾乎經歷前述歷程的每一個階段。多年前，微軟和大多數公司一樣，各單位各自為政，每個以產品為基礎的單位都自成壁壘，各自擁有自己的數據、軟體和能力。當我們把來自不同職能部門和產品小組的數據相互連接，並進行正規化，就能夠在各個領域部署整合的解決方案，從顧客服務到供應鏈管理等領域，都涵蓋在內。

微軟整合本身所有的數據，成為全公司的數據湖，並建立我們微軟所謂的「商務流程平台」：這個平台提供一些軟體和分析法元件，團隊可用來促成許多領域的創新，從Xbox的製造到管理廣告支出等領域，都包括在內。微軟還投資於非技術員工的訓練計畫，在整個組織裡培養以數據為中心的機器學習能力。

5、原生模式

我們研究的150家企業當中，最成功的企業所部署的，是一種完全不同類型的運作架構：這個架構以整合的數據資產和軟體庫為中心，設計目的是讓AI可以大規模地部署在各不相同的大量應用當中。這麼做的特點包括：有一群核心專家；普遍可取得、容易使用的工具；投資為大批商業端人員提供訓練與培養能力。這些企業的整體能力正在接近Airbnb和Uber之類的數位原生企業，這類企業針對特定目的而成立，以擴展遍及全公司的分析法，以及以軟體為基礎的創新。Airbnb和Uber當然並不完美，但是很接近原生模式的理想。

微軟還有很多東西要學，但是微軟裡有部分單位已經開始接近原生模式。就像任何企業都很常見的狀況，組織各處的進展並不一致。不同團體培養出的能力水準各不相同，但是整體的成果仍然讓人振奮，因為無論是內部的問題，還是顧客面對的問題，微軟都能看到愈來愈創新的解決方案。最關鍵的是，微軟全公司在理解、保護和處理數據方面的做法，已經有極大的進步。

領導人的當務之急

數位轉型任務讓領導人有了新的當務之急：接納轉型，並努力維持轉型。你應明確表達清晰的策略，並堅持不懈地溝通說明。請建立一個組織架構，隨著你在日常中做出眾多會塑造出技術策略的決策，讓組織逐漸演變發展，進入其中。你應部署一套真正的治理流程，以追蹤進行中的許多技術專案，並盡可能協調、整合各項專案。在你能接觸到和影響到的各項商務計畫中，都要倡導敏捷工作法。最後，你要打破傳統。你要訓練和指導員工，讓他們了解科技與數據的潛力，讓整體工作人力裡的創新者好好發揮。

你要訓練和指導員工，讓他們了解科技與數據的潛力，讓整體工作人力裡的創新者好好發揮。

這項任務同樣適用於科技供應商。儘管做了大量投資，科技仍然過於複雜，而且通常難以使用和部署。我們需要給第一線工作者一些工具和技術，讓他們能以直覺的方式驅動轉型，同時也要能夠保障數據安全。別忘了，一直到不久之前，許多人都還要仰賴Fortran、Cobol等程式語言的專家，來為商業問題建模，甚至執行基本的數學運算。電子試算表掀起數學建模革命；我們需要科技供應商，在AI的領域引領同樣的革命，讓使用機器學習應用程式，就像建立一張樞紐分析表（pivot table）一樣簡單。

進展的動能正在升高。然而，我們必須持續這方面的努力，以確保各種類型的企業，都能跨越數位鴻溝。

文章來源：《哈佛商業評論》

AI（人工智慧）獲得洞察力和做出決策的方式通常是複雜而神秘的，這引發了人們對深度或機器學習（AI的核心演算法）的可信度的擔憂。

最近有一項新的研究，希望透過比較AI軟體的推理與人類推理的匹配程度，以便瞭解AI是否像人類一樣做決定。

探究AI學習的方式

隨著機器學習越來越廣泛應用到現實世界，瞭解它如何得出結論以及它是否正確至關重要。例如AI系統似乎可以準確地預測某張照片中皮膚的病變是癌症，但它可能是通過圖像背景中不相關的黑點來做出判斷的。

對AI的機器學習而言，知道一個模型的決定很容易，但知道這個模型為什麼做出這個決定，卻很難。

理解AI推理的一種常見策略是檢查程式關注的資料（比如說一張圖像或一個句子）的特徵，並觀察AI程式如何出決定。然而這種所謂的顯著性方法（Saliency Method）通常一次只能針對一個決策進行瞭解，並且必須手動檢查每個決策。但AI系統通常使用數百萬個資料實例進行訓練，這使得人工幾乎不可能分析出足夠多的決策，來識別AI的正確或不正確。

「共享興趣」助學習

現在科學家們研究出一種方法來收集和檢查AI對其決策的解釋，從而可以快速分析其行為，這項名為「共享興趣」（Shared Interest）的新技術，將AI決策的顯著性分析與人工註解的資料庫進行比較。

例如圖像識別程式，如果將一張圖片分類為狗的圖片，而顯著性分析可能會顯示程式是根據圖片的頭部和身體的像素來做出決定。共享興趣方法就是將這些顯著性方法的結果與這些圖像的資料庫進行比較，在圖像資料庫中，人們註解了圖片的哪些部分可以決定這張圖片是一隻狗。

AI見微知著？

基於這種比較，我們可以知道AI的決策與人類推理的一致性（是否都是由圖片相同的某個地方或特徵來做出決定），在光譜的一端，AI可能被證明是完全符合人類的，程式做出正確的決策，且決策符合資料庫中人類的標註。在另一端，AI完全凸槌，做出了錯誤的預測，並且決策依據完全沒有根據人類所標註的任何特徵。

通常AI決策，無論是正確或錯誤，可能只有部分根據是符合人類標註的特徵。例如AI可能僅根據圖像的一部分（例如輪胎）就正確地識別圖像中的車子，而不是像人類那樣識別整輛車；或者在X光或電腦斷層圖片中，AI可能針對圖片的一部分或錯誤的部分就做出診斷，即使診斷是正確的，這種系統醫生也不會用，因為它是根據不相關的細節，而不是實際的病變所做出的預測。

圖片標註可能相對容易，但AI的應用範圍很廣，可能有各式各樣的訓練資料，各種不同的資料的顯著點何在，訓練資料庫如何標註也是一個大問題，這也就是為什麼「瞭解AI如何運作」和「瞭解AI如何得到結果」是如此困難。

總之，對AI黑盒子的決定大家還是要謹慎小心，尤其是牽涉到攸關生死的決定。

文章來源：臺灣醒報 張瑞雄

全球記憶體產業已進入一個必須尋求新興替代技術的時代。在多樣化的次世代記憶體技術中，為何電阻式記憶體，在類神經仿生運算的應用上值得期待？其更被業界認為是最有機會成為下世代通用記憶體的選擇，同時也是目前投入研發廠商最多之技術？

邁入尋求全新嵌入式非揮發性記憶體技術的時代

近年來由於物聯網、行動裝置、高速電腦和智慧汽車等產業的快速發展，大幅推升了人工智慧（AI）及邊緣計算（Edge Computing）等巨量運算架構的應用需求，也因此既有高容量存儲元件例如 DRAM 及 NAND Flash，其在耗電量及資料存取速度上已無法跟上需求的腳步。

並且，隨著半導體製程線寬縮微已超越 14nm、電晶體發展主流遷移到 FinFET 或 GAA 等先進結構，長期應用於 CMOS 晶片上存儲的嵌入式 NOR Flash 礙於「快閃記憶體縮放限製（Flash Memory Scaling Limit）」問題，也已無法跟上 SoC 晶片整合製程的發展要求，必須要有全新的嵌入式非揮發性記憶體技術，才能搭配下一世代以先進製程所製造的 ASIC 和 MCU。

電阻式記憶體為何備受期待？

過去數十年來在世界各國合力開發下，已初略成形的次世代非揮發性記憶體技術包括鐵電記憶體（FRAM）、相變化記憶體（PRAM）、磁阻式記憶體（MRAM）、以及電阻式記憶體（RRAM）等。這些候選的新興技術，不僅讀寫速度都比 NAND Flash 要快 1,000 倍以上，並且皆能夠在奈安培（nA）的極低電流下操作。同時，也都具有潛力可突破範紐曼（von Neumann）架構瓶頸，實現記憶體內運算（In-memory Computing）之能力。

在多樣化的次世代記憶體技術中，電阻式記憶體由於相對具有讀寫快速、低耗能、結構簡單、資料儲存時間長、重複操作可靠度佳與成本便宜等產品優勢，以及適合應用於類神經仿生運算的電導（電阻）漸變類比特性，被業界認為是最有機會成為下世代通用記憶體的選擇，同時也是目前投入研發廠商最多之技術，包含 Adesto（2020 年已被 Dialog 併購）、Crossbar、Samsung、Panasonic、Micron、Hynix 及 Intel 等公司，都各別擁有不同的電阻式記憶體技術。

電阻式記憶體由來

電阻式記憶體（Resistive Random Access Memory, RRAM）結構為簡單的金屬-絕緣層-金屬（Metal-Insulator-Metal, MIM），其原理為施予電壓或電流操作，利用物質電阻改變元件的高低電阻狀態，達成數位訊號儲存效果。

電阻式記憶體最早起源自 1960 年代，研究學者 Hickmott 發現氧化鋁（AlOx）材料經過電壓或電流操作後，其電阻狀態會因此改變 [1]；近年來，研究發現氧化鎳（NiO）[2-5]、氧化鈦（TiOx）[6-9]、氧化鉿（HfOx）[10-13] 等絕緣體材料，亦可用於 RRAM 的中間絕緣層。RRAM 可利用特定的電壓來讀取不同狀態的電阻值（電流值），進而判讀元件「1」和「0」的邏輯狀態。此外，RRAM 具有良好的非揮發性記憶特性，其訊號儲存狀態可在不施加外在偏壓的情況下，保存至下一次訊號的寫入或抹除。

RRAM 物理機製與操作特性

RRAM 的物理機製目前較受到注目的是燈絲理論（Filament Theory）[14-16]，普遍認為 RRAM 的操作方式是在一開始時給予元件一較大的外加偏壓，使氧化物絕緣層內部形成導通路徑，此時絕緣層會變為低阻態（Low Resistance State, LRS），此過程通常需要限製電流（Compliance Current），避免電流過大反應劇烈使元件永久崩潰，此步驟稱之為 Forming。

接著以元件偏壓控製氧離子與氧空缺複合，使導通路徑阻斷，進而從低電阻態（LRS）回到高電阻態（High Resistance State, HRS），此過程稱為 Reset；而再次給予小於 Forming 所需的電壓，即可將阻斷的導通路徑重新連接，從高阻態（HRS）再次回到低阻態（LRS），此步驟稱為 Set。

來回操作 Set 與 Reset process 就可以達成 RRAM 的寫入與抹除，RRAM 的操作流程如圖 1 所示，而在讀取方麵主要是藉由一微小的讀取電壓來判讀不同的電阻值，以分辨數位訊號 0 和 1（圖 2）。RRAM 依阻值狀態變化的不同可區分為阻絲型與介麵型，阻絲型 RRAM 即於上下兩電極間有一連續傳導路徑（圖 3），也是目前 RRAM 在傳導機製中較受到廣泛認同的類型；另一為介麵型 RRAM（圖4），透過施加外部電壓，使絕緣體層中形成氧空缺或載子電荷進行電子傳遞使其阻態改變，當氧空缺或載子電荷變多，其電流增大，因此元件電極間的絕緣體層麵積大小會影響阻態變化。

▲圖 1 RRAM 切換流程與電性輸出圖

詳文請至 http://www.aimniche.com/ 全文續閱 相關課程資訊：https://is.gd/uWxCJE