Page 94 - 金融科技力
P. 94
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