SPEC FIRST · POC FIRST · DATA TO DECISION
企業 BI 與大數據應用策略
提升營運決策品質
從一張名片開始，看懂 AI 如何介入專案。透過可拆開、比較、替換的教學案例，串起資料取得、資料庫、大數據分析、BI 儀表板與 AI 輔助決策。
名片人物情境物件與品牌對話CRM
從 SPEC 到可驗證 POC
點選步驟，查看教學焦點。
01定義情境誰在什麼時候遇到什麼問題？
02寫出 SPEC輸入、輸出、限制與成功條件。
03切出 POC只驗證最不確定的關鍵。
04比較路線AI、非 AI、雲端與地端。
05人工驗證看證據、信心與錯誤案例。
一個案例，多個 AI 觀念
每個區塊都可以獨立授課或現場抽換。
01
多模態輸入
照片、文字、聲音與既有資料如何進入同一流程。
02
傳統 AI
OCR、物件偵測、語音辨識與分類不等於 LLM。
03
大小模型
固定任務交給小模型，理解與生成再考慮大模型。
04
雲端與地端
比較能力、延遲、隱私、硬體與維運成本。
05
資料庫選擇
SQL 保存事實，全文與向量處理不同搜尋需求。
06
Token 模式
分清按 Token、按次計費與本機運算成本。
07
AI Coding
AI 協助寫 SPEC、程式、測試與介面，但仍需驗證。
08
治理內建
從資料取得、權限、保存到人工確認都屬於設計。
09
排程情報
定期取得客戶公開資訊，經整理、驗證後更新企業知識。
10
BI 與決策
將客戶、互動與商機資料轉為指標、分群、趨勢及行動提示。
教學案例模組
選擇左側模組，查看輸入、輸出與可比較的技術。
技術路線比較
同一需求並沒有唯一答案；先從限制與驗證目標出發。
| 方式 | 適合處理 | 優點 | 注意事項 | 成本型態 |
|---|
不一定要用向量
- 電話、Email、統編等精確比對
- 日期、狀態、權限與商機金額
- 固定欄位統計與報表
- 明確規則可以處理的去重
向量開始有價值
- 搜尋意思相近的會談與需求
- 從授權圖庫找相似影像候選
- 尋找過往相似商機或案例
- 提供 RAG 所需的相關背景
POC 組裝台
勾選想在課堂展示的內容，即時生成一份教學 POC 摘要。
治理也是教材的一部分
範例可以大膽，但輸出必須說明證據、不確定性與使用邊界。
DATA
資料來源
照片、錄音、名片及 CRM 是否取得適當告知、同意或其他合法基礎。
SCOPE
目的限制
教學展示、授權測試與正式使用應分開，避免資料被拿去做未告知的用途。
HITL
人工確認
人物、品牌與商機推測只提供候選及證據，不直接替使用者做最終認定。
LIFE
資料生命週期
規劃保存期限、權限、刪除、操作紀錄與模型更換後的重新處理方式。
可以作為教學範例
- 辨識可見物件與可能品牌
- 整理對方明確表達的需求
- 提出有證據的溝通切入點
- 顯示候選、信心與不確定因素
不要包裝成確定事實
- 從單張照片斷定人格或財力
- 推測政治、宗教、疾病等敏感資訊
- 把向量最相近直接當成同一人
- 以情緒或語氣判定對方是否說謊