Page 94 - 金融科技力

才缺乏、不易找出對的問題、產學有鴻溝、缺 乏自建技術的信心」。

人才缺乏的困境，已是當今台灣企業面對大數據分析或 AI 人工智
慧的核心問題，也成為政府部門積極加強努力的方向。

大數據技術或 AI 人工智慧領域進入門檻高，通常需要的是具
備基礎統計學 (Basic Statistics)、機器學習 (Machine Learning)、深
度學習 (Deep Learning)、資料視覺化與溝通 (Data Visualization &

Communication)、軟體工程 (Software Engineering) 等工作技能的通

才，這也是大數據人才養成不易的地方。

4. 企業資料缺乏整合性及未有清晰的大數據需求

很多大型企業的資料從不同部門產出，儲存在各自的資料 庫
中，使用各自的資訊技術儲存資料，部門間未曾共享資料，也沒有

互相流通的業務，造成數據整合的困難，使挖掘出數據價值更顯困
難。企業在進行大數據分析前，應思考資料的整合性及完整度，散

落於各部門資料如何能統一歸戶，建立關連，讓各別資料可以呈現
完整面貌，同時面對隨時產生的大量資料，又能即時更新於數據分

析的模型中，讓分析結果更即時且完整。
此外，許多企業對於他們自己擁有的資料是什麼非常清楚，但

希望大數據要分析什麼樣結果卻說不上來，甚至連問題是什麼都很
模糊。很大的原因是多數為了大數據而大數據，未能在導入大數據

分析前，就先釐清企業資料應用的商業價值，這個價值隱藏在大量
資料中，具有不易發覺的相關性，使得企業尚未清楚自已要什麼，

就投入相當的資源，而往往得不到預期的成果。這方面建議先與大
數據從業者和專家一起討論，找出推動和分享大數據應用場景，讓

更多的業務執行人員參與，共同發現大數據的價值。

80