哈佛商業評論曾提到：「如果不能運用數據資料做出更好的決策，那就白白浪費了寶貴的資料；如果決策者不理解分析結果所代表的意義，就無法依據這些數據，做出精準的決策。」資訊時代來臨，如何妥善接收、理解並轉化資料，培養自身「數據素養」？當資料科學融合設計思考、資訊設計帶入數據思維，會迸出什麼新的火花？
本集節目當中，將由 iKala AI 團隊負責人陳維君與 Re-lab 共同創辦人劉又瑄，暢談如何使用創新科技，將數據應用在個人、組織及企業。
以下是本次對談的精選內容：
資訊設計與資料視覺化的異同？
劉又瑄：資訊這個詞本身定義就非常廣，它可能包含了資料或資訊，文字的部分、數據的部分或知識的部分。而資訊設計廣義來講，就是以設計的方式介入，協助資訊的傳達更完整或更有效率，我們去思考各種設計的方式，來做資訊的轉換，從人的角度出發，讓人更容易理解這個資料或是資訊。資料視覺化的定義就相對明確，因為人的大腦不可能在短時間內同時思考非常多個數據，所以我們需要透過視覺化的方式，有點像透過一個圖表介面，讓我們大腦可以不需要裝這麼多數據，而是專注去看數據之間的關係。
資料視覺化的主角是「資料」，因此人應該要盡可能客觀。如果帶著先入為主的觀念，一味想著要拿到什麼結論，或是要用這個資料來做什麼，反而有可能忽略了資料想要告訴我們的事情，或是資料背後蘊藏的故事；反觀資訊設計，當牽涉到設計的時候，就要從人的角度出發來探討，隨時帶著一個目的性，去思考要克服什麼問題、要創造什麼價值，怎麼做才能夠讓人更容易理解、更符合使用者需求。
分享 iKala 與 Re-lab 與企業合作的數據創新應用案例。
陳維君：iKala 一路以來的產品其實都圍繞著數據，像是 iKala 旗下的 AI 網紅數據平台 KOL Radar，其實就有非常大的數據資料庫，整合 Facebook、YouTube、Instagram 和 TikTok 上面的網紅數據，來進行模型的設計與洞察。過去行銷人員在找網紅時，比較依賴直覺，並且在有限的時間內，沒有辦法一次合作很多網紅，但如今透過 KOL Radar，就能夠從數據來分析，更客觀地找出合適的網紅。
劉又瑄：我們的客戶在溝通上的挑戰都滿不一樣的，有時候可能是一個全新、沒有發表過的產品，在市場上根本不存在，所以要從零開始去想客戶在哪裡、使用者輪廓為何。所以我們必須依照客戶的既有資料，或是過去與其他團隊合作的報告等，來一起做假設的設定，再透過這些假設來設計素材，很快速的思考這些客群要用怎麼樣的溝通方式？用什麼故事、文案、圖像，比較有可能會吸引到這群人？再透過至少兩個階段的分析來挖掘，到底什麼樣的人會被吸引？他們被吸引的原因是什麼？甚至如果可以的話，我們也會希望可以挖掘一些跟心理層面有關的原因，讓客戶用這些洞察再去放大成更完整的溝通策略。至於如何「設定假設」，其實就是透過設計思考，或者系統思考。
數據素養的重要性為何？
陳維君：數據素養這個議題非常有趣，在我的工作環節也一直遇到，而且不只數據相關職務的人，而是最初提出商業問題和檢視數據結果的人，都需要具備數據素養。
資料科學的專案流程包含以下步驟，初期我就要花很多時間跟大家溝通、做需求訪談，然後去定義商業問題是什麼？做完這個東西是要給誰用？以及專案的預期效益？在定義商業問題的階段，若對於數據沒有概念、不清楚企業內部數據現況的話，可能就會定出模糊而不切實際的目標。現在大家都在講數位轉型，但企業數位轉型成功的關鍵，其實就是人人都要開始有數據的思維，養成觀測產業指標和業界動態的習慣，面對新的資料，想辦法去了解它、批判它，然後去理解會造成這個結果的原因是什麼。
劉又瑄：若以非專業領域的人來看，我覺得兩件事情非常重要，第一就是一直保持好奇心，因為如果說一直帶有先入為主的想法，沒有想要去探究事物的本質，數據就會變為裝飾品，而沒有辦法真的發揮價值。另外一個我覺得很重要，但是對設計師來講比較有挑戰的，就是批判性思維：隨時保持質疑，不斷地去探究在資料的限制之下，到底是不是真的如我們想像中那樣。不管是跟 Re-lab 或是 iKala 合作，如果客戶純粹希望我們來提供一個解答，而沒有想要一起踏上這個旅程，其實都非常的可惜。我很深刻感受是，我們永遠都是一個站在客觀的角度來協助的角色，所以很多時候問題還是掌握在客戶手上，如果他沒有跟著我們一起問問題的話，不一定能夠讓我們在很短的時間接觸到問題的核心，所以這個是我認為，企業數據素養很關鍵的部分。
因此當我們面對新的客戶，尤其是如果需要跨部門合作，我們會很認真的設計一場跨部門的啟動會議，讓大家理解到我們現在一起做這件事情的原因、目標跟每一個人扮演的角色是什麼。後來發現，光是優化這件事情，就會大幅改善客戶後來的評價。
企業數位轉型的關鍵要素為何？
陳維君：以 iKala 為例，當企業提出數位轉型的需求，我們會導入一個 iKala 獨創的方法論，叫做 DAA 飛輪，三個英文字母分別是數位化 Digitalization、分析 Analytic 和應用 Application。在第一步的「數位化」，需要整合很多數據，這就非常仰賴數據素養，企業要知道哪一些數據需要被整理，是不是還缺少了什麼？包含我們常提到的使用者在網站上面的移動軌跡、在會員系統的交易記錄、EDM 的開信記錄等等，要怎麼樣從使用者的角度來構建消費旅程，其實是數位化階段，把資料收集完整的關鍵。第二步驟「分析」，除了我們打造的 AI 模組，還有很多統計報表、資料邏輯，都是分析這段很重要的。第三階段「應用」就是就是最終的出口，像是發簡訊、email，甚至是互動性的內容，都屬於應用的範疇。我們強調飛輪的概念是因為，最後的應用，也應該回流數據到數位化的流程，三階段串起來後，才能透真正理解使用者在想什麼、想要什麼。所以我們會說，這是個全渠道的整合，以人為中心，去看他的行為面跟他的輪廓。
立即報名《iKala 創新趨勢相談所》，查看更多精彩內容。