「富數據」時代，我們如何從資料中創造價值？

鄭江宇說，並不是只有具備資料科學背景的人，或是需要學習寫程式才能具備資料素養，因為這是大數據時代下，每個人都需要內化的能力。所謂資料素養包含了四大能力，首先是要能讀取資料，第二為了解如何應用或對應並與之共存，第三要具有分析數據的能力；第四則是，對於被呈現出的資料要抱有質疑的態度，因為資料搜集的時間，描述的方式，都會得出不一樣的值。

什麼樣的資料才是有效的呢？

「垃圾進，垃圾出」是資料科學領域常聽到的一句話，而資料治理的第一關便是要確認資料是否有效，但是什麼樣的資料才是有效的呢？鄭江宇解釋，資料可分為Valid data、Imperfect data，以及Erroneous data。一般正常、有效的資料稱為Valid data，Erroneous data則是錯誤的資料。不完美的資料包含了不完整的資料，例如缺乏樓層的大樓郵寄地址；或不精確的資料，例如不準確的數字說明；或不確定的資料，例如資料來源不確定、一直變動的揮發性資料，例如PM2.5的濃度；還有一種是模擬兩可的資料，例如形容人幹了一件好事，鄭江宇提醒，除非應用的目的是要透過不明確來主觀詮釋，如果是要應用可以明確的情境時，就不能有這樣的資料。

富數據時代，我們如何從資料中創造價值？

鄭江宇說，面對數據時，別忘了保持好奇心與創造力。他舉例，國外有共享單車企業便透過資料的應用，讓使用者透過APP尋找到特定的「紅包車」後，將共享單車騎到特定位置就能拿到紅包獎勵。提供了小小的紅包誘因，企業反而可以省下了出動搬運單車的成本，這就是將資料轉化為對企業有用的價值，還能提升顧客的使用體驗。他建議，可以從自己的生活或業務範圍開始思考，會接觸到哪些資料？而這些資料又要如何轉變並帶來價值？在思考這些的應用時候，創造力就是十分重要的能力。鄭江宇說，富數據不同於大數據的地方是，富數據能從資料中找到價值，而大數據如果太大，有時候反而會把自己壓垮。

是否常常遇到握有許多數據，卻不知道該如何使用的情形呢？這時候如果能善用跨界的整合，將兩個場域的資料對接整合在一起，有時候也能產生意外的效益。鄭江宇舉例：「你能想像，汽車檢測常用的車載診斷系統與汽車保險資料有什麼關聯？」他解釋，車載診斷系統上除了車子的狀況，也記錄駕駛的行為，例如是否常緊急煞車？所以若能夠結合這兩種資料，駕駛的習慣越良好，購買產險的保費也就越低。

企業應該導出自己的框架與標準

鄭江宇說，有時候在做決策時，可能需要兩種以上的資料來源才能降低決策的不確定性，但當資料來源越多時，整合就會越困難。在大數據時代資料品質會遇到的挑戰，包括資料來源多樣、資料數量龐大、資料變化速度快，以及缺乏資料品質標準等。鄭江宇提到，目前有許多企業都想做資料整合，但是困難重重，有許多都是來自於組織文化上的阻礙。

此外，鄭江宇認為，大數據時代下，很多事情不是抽樣，因為大數據是全面性的資料收集與歸納；加上每一家公司所面臨的狀況，想要解決的問題都不一樣。不能拿別人家的情況對比自己的，別人家的解決方案也不一定適合自己。除非公司是供應鏈的一員，必須符合合作夥伴的相關標準。否則從組織內部的資料治理的角度來看，企業應該要自己導出自己的框架與標準，不一定要沿用其他企業的資料治理方式。