數據要有價值，資料治理、分析治理、運用治理缺一不可

 _{返回索引︱CEO 觀點}

Q：您認為近年來企業對數據的運用確有改善嗎？

A：做決策需要很多佐證資料，也需要很多思維的配合，數據可提供參考，但更重要是要讀懂數據所隱含的意義。數據不只可呈現過去的事情，若數據運用得夠好，可有引導作用，可讓想要發生的事情發生。

過去這十幾年，臺灣金融業最早從做信用風險的判斷、到現在做顧客行為判斷，用數據預測顧客下個最需要的服務（Next best offer）是什麼？同時，隨著分析技術精進，能分析的東西也從「數據」擴大至「語意」，加上網路銀行、行動銀行興起，顧客瀏覽 APP 及官網的軌跡都可加以分析。

Q：做決策時，您通常仰賴哪些數據？您如何看待依數據做決策這件事？

A：資料怎麼蒐集、怎麼分析、怎麼運用相當重要，但要決定經營的大方向，商業洞察或是產業知識（domain know-how）更為重要，同樣的數據，不同人可能會有不同的解讀，經營必須是「數據」再加上「經營團隊的整體決策判斷」。

數據要能發揮價值，必須做好「資料治理」、「分析治理」以及「運用治理」，每一個層面都紮實做好，這樣整個產業數據分析的能量才會提升。所謂「資料治理」，是要將繁多、格式各異的資料加以整理，統合成可使用的資料庫。就像開飛機，跑道若沒建好，每次起飛都要先花兩個月的時間打造跑道，這就是資料治理還沒有做好。

第二步是「分析治理」，如何有效地分析握有的數據資料？玉山的大數據中心目前有 80 個人，每個產品線也都配有分析人員，這些分析人員必須去解讀數據、轉化為有用的資訊。

最後是「運用治理」，指的是資料該如何運用？哪些人可運用？像玉山用了很多顧客的行為貼標（新婚、剛購屋、近期查過外幣匯率等），若能把這些資訊給第一線的前線櫃台服務人員，很容易就可判斷這個顧客最近的需求、為顧客提供更好的服務。

Q：無論是數據蒐集或分析，玉山如何培養自身員工或尋找合適的人才？

A：一開始，我們委請外面的顧問來做；2003 年，開始在內部成立任務導向的團隊，但會有經驗無法累積的問題；到 2006 年，玉山決定成立專門的資料管理、資料分析單位—客戶價值風險（Client's Risk & Value，CRV）小組，也就是現在的大數據中心。目前大數據團隊已成長至 80人，裡面有專做資料分析，有專做機器學習（machine learning），還有一批人是做所謂的資料工程（data engineering）。

同時，我們積極向校園徵才，如舉辦校園大數據競賽、校園黑客松、跟 Google 合作辦火星人競賽等。透過跟校園合作，一方面可以找到優秀的人才，另方面也可借重學校老師豐沛的研究能量。

Q：就您觀察，臺灣產業界數據分析的程度如何？會遇到哪些困難？

A：要做分析前，必須先有好的資料，臺灣絕大部份的企業都還是比較產品導向，做馬達的握有馬達的所有資料、做風扇的握有風扇的所有資料，各自封閉，如此一來，能夠解決的是較局部的問題，如產品良率提升等。

若企業想對自身客戶做全面性了解跟診斷的話，第一個會遇到的就是資料庫整理的問題，數據應用最重要的就是資料，一定要先把資料庫整理好。第二個問題是，人才的培育，資料終究只是資料，要變成資訊（information），最後要變成產業知識（insight、know-how），還是仰賴人才的培育，企業必須思考怎麼培育這方面的人才。第三，很多企業會面臨到的困境是培養了人，可是每次提供的數據跟預測都沒有很準。其實，數據的應用跟分析是一個學習的過程，或者說，是一個概率的問題，沒辦法絕對保證市場如何變化。所以，我認為企業應該用較長期宏觀的眼光，從累積「小勝利」開始，邊走邊學，把每一次的小勝利融合成大勝利，這過程需要有點耐心。

Q：在數據分析與應用上，您認為政府應該做些什麼？

A：第一，對於個人資料的蒐集、使用法規必須相當清楚，這對高度監管的金融業尤為重要。第二，data 就是金礦，目前政府在推開放資料（Open data），這是一件好的事情，我們要讓臺灣有更多的金礦。

Q：玉山集團本身如何運用 AI 相關技術？

A：我們在 2017 年就跟 IBM 華生機器人合作，顧客有任何的問題，可以透過社交軟體直接詢問玉山小 i 隨身顧問，如只要提到房貸就會告訴你房貸利率。在累積了幾百萬筆人工的對談後，小 i 可不斷修正模型，讓回應更精準、更好用。

在 AI 的運用上，目前我們遇到最大的困難還是在「人才」，AI 在學校學的只有理論原則，人才一定要踏到實務界裡才會有實戰經驗，但實務界不同產業的 AI 應用也完全不同，科技業、製造業的 AI 人才很難轉換到金融業。

要解決人才問題，必須仰賴整體的教育制度改善，可能之後大家都讓小孩學程式設計、學 coding，因為學英文只能跟講英文的人溝通，但學 coding 可以跟全世界的人溝通。其次是「基礎建設」，要有效應用 AI，企業必須先有數位基礎建設，才能夠把 machine learning 的方式、把 AI 融進來。第三，企業必須要有「轉型準備」。AI 終究是一個工具，重要的是企業要有改變的決心跟思維。

20 年前，成立銀行的思維是實體分行的思維，訓練的人是實體分行的訓練方式，今天要轉到數位化，必須思考如何引導員工能力提升以及改變業務行為；同時，當有越來越多科技人加入金融業，如何在企業內部打造一個科技人也可以適應的環境與文化，如彈性工時、彈性穿著，或是經常到海外受訓等，也都要調整改變。

企業的轉型準備是一個長期工程，必須逐步去做，但往好處想，玉山是全國最年輕的銀行，同仁平均年紀不到 32 歲，「改變」對於年輕的同仁不會是難事，這些年輕人也都知道，他們的未來跟數據、跟人工智慧是絕對脫離不了關係的。

Q：AI 轉型是中長期的工程，您認為政府參與 AI 發展應發揮的角色為何？

A：政府須制定清楚、可執行的法律規範。第二，教育是百年大計，目前教育體系其實都是工業時代的產物，訓練出優秀的工廠人員、或工程師、資料蒐集者，但隨著科技進步，必須培養更有創意、更有判斷思維的新一代。第三，稅賦鼓勵，當整個國家的大思維在推動數位化、AI，政府為了鼓勵企業、或增加企業競爭力，可給予適當的稅賦鼓勵，以上這幾個面向，都是政府可以思考。

同時，像臺灣的數位身份證、自然人憑證使用率不高，政府或許可以更開放一點，把金融業納進來，建立數位身份證的大平台，政府應該是一個平台的建立者，這關乎國家競爭力，我們的腳步可以更快一些。