企業 BI 與大數據應用策略

提升營運決策品質

從想法到可操作的 AI APP 概念版本。
這堂課不以完成正式後端為目標，而是學會如何與 AI 討論、形成 SPEC、驗證概念、建立 Mock POC，並理解資料如何從名片進入 KM、CRM、BI 與決策應用。

日期與時間2026/8/4（二）
09:00–12:00

課程名稱企業 BI 與大數據應用策略：提升營運決策品質

地點台南市安平區育平九街49號

講師Force Cheng

學習路徑

先完成概念發想與 SPEC，再用 Mock POC 驗證，確認後才進入實作。

先看一個名片專案能運用多少種 AI，再直接操作 Mock POC。

從名片出發，理解 OCR、多模態、大模型、小模型、雲端、地端、資料庫、人物匹配、KM、CRM、BI、RAG、Agent 與 AI Coding 如何介入同一個專案。

運用 AI 快速產生模擬資料與可操作的概念版本，讓客戶實際看到流程、欄位與結果，確認是否符合真正需求，再決定是否進入 MVP 實作。

想進一步了解這個 Mock POC 如何從模糊構想，經過 AI 討論、SPEC 共識與階段規劃形成，可以閱讀以下教材。這些內容支撐主要案例，不必在開始操作前全部讀完。

用七段真實對話學習補充、糾正、比較與確認，並理解 Chat、Work、Code 與三大廠商路線。

將討論結果整理成系統藍圖、模組、資料規則、Phase 與可確認的交付條件。

深入查看第一階段的輸入、欄位、資料規則、識別方式與人工確認設計。

POC 是 Proof of Concept，中文為「概念驗證」，目的是先證明想法做得到、具有使用價值。正式串接模型 API、權限、資料庫與部署雖然可行，但會把課堂重心拉向工程細節；Mock POC 可以更快驗證使用情境、資料流程與 AI 價值。

MVP 是 Minimum Viable Product，中文為「最小可行產品」，指已具備核心功能、可以交給早期使用者實際操作與回饋的第一版產品。Mock 不等於隨便，畫面、資料、例外、人工確認與測試情境仍須依 SPEC 設計。