在各種演講及諮詢場合，我常遇到這樣的問題：「（數位轉型）到底需要多少數據才算夠？」這個問題超級深奧，幾乎就等於人們總想知道「要存多少錢才能退休」一樣。很多人被問到這個問題，只能泛泛回答，「當然是越多越好」，或者奸笑著回答，「每家公司的需求都不一樣，你還是找我到你公司看看吧。」

這個問題之所以難以回答，是因為大家都問錯了方向。

最原始的誤解來自於人們習慣從硬體思維出發，以為多了一個神奇的工具就可以解決很多過去難以處理的問題。然而，數位轉型或導入 AI 從來不是敲下一個神奇密碼，或是董事長摸摸頭、打打雞血，就能夠完成的事情。大部分數位轉型計劃失敗的原因，在於一開始的問題就定義模糊不清，當然搞不清楚需要多少資源，更是難以把握方向與結果。

大家都聽過，要改革只能進行數位轉型，就要先準備大量數據。話說到此，想做的人就被嚇到，輾轉反側，始終拿不定主意到底要不要進行，畢竟看起來很貴；不想做的人心中暗笑，「正好，反正沒有數據不能怪我了。」不管真正的想法如何，人人都想知道到底需要多少數據，真實目的就是為自己的論點找證據。

答案說破，一點都不複雜。需要多少數據，完全取決於所設定的目的是什麼。

Gartner 對數位轉型的定義是「企業在企業活動中嵌入技術，以推動根本性變革的過程。」，而 AI 是其中最受關注但也是最需要資源投入的技術。無論如何，數位轉型從來不會是大張旗鼓、一次就能完成所有的任務；反倒是目的越明確，邊界越清晰，任務越可能實現，對數據的需求也會自然浮現。

以具體企業場景而言，企業建立數據資產所需數據量，要根據企業特定的業務目標來確定。不同的業務目標需要不同規模和類型的數據集。如果目標是建立商品推薦系統，需要收集大量顧客行為數據和商品數據；如果目標是優化倉庫管理，則需要收集倉庫存量、入庫出庫等數據。

「可是我就是沒有數據，怎麼辦？」長靴貓眨巴著明亮眼睛可憐兮兮說道。

「其實，數據已經在手上了，」大師低眉斂目說道。

對於初期數據量不足的企業，可以參考以下兩項建議逐步完善數據資產：

一是充分利用現有數據，通過數據清洗、組合等方式拓展現有數據集。例如將歷史數據與新數據進行組合，形成更大的訓練集。

二是根據業務目標定位，補充特定類型的新數據。這需要企業明確數據需求，並與業務目標緊密相連。

總體而言，企業建立數據資產的關鍵在於，根據企業業務定位和發展目標來構築清晰的數據戰略，確定所需數據類型、數據品質標準以及收集方式。具備明確數據戰略，才能高效建立企業數據資產。

隨著企業業務發展，數據資產也要持續擴充和優化。企業可以建立數據收集與處理流程，即時追蹤新的數據來源，並根據變化調整數據戰略。只有做到數據資產和業務同步發展，才能充分發揮數據資產價值，實現企業智能化。

再分享一個連許多顧問都不清楚的概念：「標籤」是 AI 技術中一個很重要的概念，活用標籤，也可以讓企業數據資產瞬間倍增。「標籤」為每筆數據添加元數據，標示其業務意義和屬性特徵。良好的數據標籤可以明確數據內在價值，提升數據可分析性。而企業在建立數據資產的同時，也可以同時考慮為數據賦予不同解析度的標籤，透過標籤與數據集的選擇，讓數據資產可以創造出更多價值。

這就像是 AI 技術中的一個關鍵，可以讓企業數據資產瞬間倍增。透過為每筆數據添加元數據，標示其業務意義和屬性特徵，可以提升數據可分析性，並創造更多價值。而在企業建立數據資產的同時，也可以考慮為數據賦予不同解析度的標籤，透過標籤與數據集的選擇，讓數據資產能夠創造出更多價值。

數位轉型及 AI 導入並非單純追求數據量的增加，而是在確定明確的目標和邊界後，有目的性地收集、處理和利用數據。企業在建立數據資產時，需明確業務目標，構建清晰的數據戰略，並持續調整以適應業務發展。透過 AI 技術中的 「標籤」，可以增強數據的價值和分析性，進而實現企業的智能化轉型。數位轉型和 AI 技術為企業帶來了無限可能，然而成功的關鍵在於深思熟慮的策略和有效的數據應用。唯有如此，企業才能在激烈的市場競爭中脫穎而出，實現長期穩健的發展。