湯瑪斯．戴文波特 Thomas H. Davenport | 哈佛商業評論・與世界一流管理接軌

掌握關鍵十招，全面啟動AI變革

人工智慧與機器學習|紙本文章|湯瑪斯．戴文波特、尼廷．米塔爾

說到推行AI運用，許多公司的執行規模都太小，試探性質太強。據調查，在90％已經進行一些AI投資的公司中，三年來取得商業效益的不到40％，因為小規模運用的成效有限。那麼，那些大力投入AI運用並取得成功的公司，做對了什麼？

2022/12/19

傳統公司如何轉為平台模式？

數位轉型|數位版文章|湯瑪斯．戴文波特

臉書、蘋果、亞馬遜、Google、優步（Uber）等頂尖公司，已經以驚人的速度創造了價值。這些公司大多是數位原生的多邊平台公司，善用人工智慧創造了巨大的優勢。傳統公司是否也有可能運用這種商業模式？本文以幾家成功轉型的傳統公司為例證，指出非數位原生的公司，或資源不那麼充裕的中型企業，可透過六個步驟達到轉型的目標。

2022/05/03

AI能強化你的數據分析能力

分析|數位版文章|湯瑪斯．戴文波特、喬伊．費茨

科技迅速改變了企業數據分析的用途，但預測模型需要很大量的歷史數據，以及相當程度的專業，才能建立及使用模型，這些都限制了預測模型的使用方式及時機。然而，AI使新一代的企業分析法逐漸出現，同時納入了某種程度的自動化及情境資訊。不僅大企業能夠在數據分析面上更加游刃有餘，過去難以負擔數據科學家聘請費的中小型企業，將能夠更精準地分析自家的數據，並得到更清晰的見解。

2021/11/14

全公司「玩數據」！別只讓科學家專擅於前

數據資料|數位版文章|湯瑪斯．雷曼、湯瑪斯．戴文波特

我們直覺認為，數據科學是專家的事，一般員工沒必要了解這麼多。這個想法太狹隘了。數據科學必須廣泛地普及化，不妨讓全公司都參與，大家一起「玩數據」。現在已經有許多工具，將數據科學的部分作業流程簡化或自動化，而位於組織第一線的員工，早已熟稔公司業務，只要能掌握使用小量數據，就能熟練並快速地對問題做出回應。數據科學的關鍵在於人，只要能策略性地讓員工參與數據工作，就會看到更好的結果。

2021/10/24

平均任期2年？數據長大位為何坐不久？

分析與數據科學|數位版文章|喬許．金恩、湯瑪斯．戴文波特、蘭迪．畢恩

隨著大數據對各行各業帶來的巨大利益，每家公司都需要有人妥善管理各種數據資料，因此「數據長」一職應運而生。然而根據分析，數據長的平均任職期間是2年。為什麼這個理應備受需要的職位，卻很難做得長久？最關鍵的問題，在於數據長這個職位沒有好好界定清楚，與分析長、資安長、隱私長等職位混淆不清。那麼該如何改善這個問題，讓數據長真正發揮價值？

2021/09/10

數據供應鏈一團糟，如何修復看過來

數據資料|數位版文章|湯瑪斯．戴文波特、希奧多羅斯．埃弗基尼歐、湯瑪斯．雷曼

數據比以往任何時候都更重要，但大多數組織仍在一些關鍵問題上放錯重點：更關注數據基礎設施，而非數據產品；建立的數據往往很少考慮到最終用途；缺乏共同的數據語言，每個部門各自為政。本文提出一套「數據供應鏈」管理流程，讓公司可以解決上述問題。數據和其他任何類型的資產一樣重要，而且數據產品日益和實體產品一樣重要，如何管理數據，是領導人不能忽視的問題。

2021/08/13

設計AI專屬行銷策略

行銷|精選專題|湯瑪斯．戴文波特、阿布希吉．古哈、杜魯．葛瓦爾

AI的發展日新月異，而能從中獲益最多的，就是行銷。全球有高達七成的AI高階主管認為，三年之內，AI會整合到所有的企業應用程式中。各家企業領導人與行銷長，該如何充分運用AI的潛力，以獲得豐富報酬？本文告訴你箇中訣竅。

2021/07/20

數位轉型必備四大領域人才

科技與分析|紙本文章|湯瑪斯．戴文波特、湯瑪斯．雷曼

若要成功推動數位轉型，必須花費精力匯集與協調很多行動，而這些行動範圍之廣，遠超過大多數領導人的想像。

2020/06/16