本篇是在Data Processing Process in Artificial Intelligence系列文章幾乎完成後才催生出來的，除了希望確保整個系列的完整性，更是因為我發現許多人對於「要怎麼開始」有著萬事起頭難的困惑。因此，在概念建立之餘，本篇內容會以實際的步驟為主幹，輔以實務上應注意的細節，盡可能覆蓋建立「數據策略」時的方方面面。
Step 1. 需求定義
以終為始：確定要煮的菜色，再來討論得買哪些材料
史蒂芬·柯維（Stephen R. Covey）在《高效人士的七個習慣》（The 7 habits of Highly Effective People）中提到的第二個習慣是「以終為始」（Begin with the end in mind）。意思是先構思想要的結果作為明確的目標，再來決定現在要做哪些事。也可避免組織無邊無盡地什麼數據都想收集，進而將資源集中火力。具體執行步驟有以下幾點：
聚焦需求/ 收斂問題
這是個多方brain storming的階段，盡可能問出「對」的問題，它們可能是與企業存續最為相關的，也可能是近期在決策上做錯的關鍵項目。最後再將這些問題收斂，找到模型要聚焦的問題，即「先做加法，再做減法」，最終的需求可以只是簡單的一句話，但一定要切中核心。提問的基準可基於：
- 眼前最大的三個困難是什麼？
- 哪些決策只能依賴經驗法則，並且時常犯錯？
- 未來一年、五年、十年等的重點項目是什麼？
- 這個問題需要依賴大數據/ AI嗎？其他方式會不會就可以處理了？
描繪場景
那麼，能解決這個問題的AI場景是什麼？場景就像是一個使用者故事一樣，它必須清晰立體，且富含細節，因為「唯有在這個情境下，模型是可行的」，同時，能幫助我們了解並時時謹記數據的內在意義與模型的目標，進而在建立模型時，與實際狀況對齊。有時情境很直觀，例如目標是垃圾分類，作法就是利用CV技術（Computer Vision）進行辨識、分類；有時則需找到AI技術能落地的情境才能達成原先的目標，這就是為何要注意AI不一定適用在你的問題上。目前，AI技術在每個領域仍在各自發展落地的情境，每一次的突破，更是讓一般人真正感受到——AI就在你我身旁。
數據清單
掌握場景後，需要哪些數據就相當一目瞭然了。這個階段可以邀請更多數據專才的夥伴加入，協助確認整體規劃——目標和材料是否一致，畢竟這就是燒錢養數據的開端。在茫茫數據海中，哪些又是關鍵數據及其指標，也都要在此時定義出來，同時能協助我們釐清是否對於自己需要什麼有足夠的理解。
模型選擇
基於想解決的問題屬於分類或回歸問題，在此階段已可初步的選擇模型，當然這必須對於各種模型的優劣和適用場景有一定程度的認識，可能更屬於AI engineer的知識範疇，將不在此篇分享。總地來說，如何選擇演算法並沒有一定的方法論，但一定要和AI engineer多溝通，確定各種技術的可行性、具體需求和所需時程。
Step 2. 現狀調研
盤點現有數據：別太樂觀，過去的數據不一定能解決現在和未來的問題
有了數據清單後，首先必須檢視目前已有的是什麼。早在大數據比AI這個詞還夯時，部分企業就已經進行了第一波的數據盤點，但因數據的破碎性、時效性、無限延伸的特性等等，整理起來並不容易，更別說這些未經清理的數據中可能含有的噪音，於是就在看似什麼數據都有的情況下，實際能用的卻是寥寥無幾。
盤點數據時，除非與未來模型密切相關，否則不要陷入太細節之處。另外，除了清單上的項目外，更須著眼以下幾點：
正確性/ 是否錯誤
首先，不用太糾結於量，假設過去的數據雜亂錯誤不堪，量大也無法帶來實益，累積正確的資料才有意義，尤其在目前人工智慧的領域，模型針對較小的數據也有其處理方式，當然這不是我們最期待的狀況，但錯誤的數據可是難以回天，從小而正確的數據開始才是第一步。
時間性/ 是否失效
數據是有生命週期的，例如一筆於一站式育兒平台搜尋孕婦裝的用戶數據，我們可以假設將在十個月後失效（當然也許更早），應轉而推薦該用戶的是可愛的嬰兒服。換句話說，在該用戶搜尋孕婦裝後，隨著日子的推移，該用戶將越來越不需要孕婦裝了，於是這筆數據的邊際效益開始遞減，直到十個月後完全失效。當然，接下來如果要證實任何對於數據的猜想，必須藉由用戶互動來確定對於數據的側寫是否正確，例如以EDM發送關於寶寶的活動邀請就是一個不錯的方式，還能進一步收集寶寶的生日資訊等，讓數據更完整。故時間性帶來的不僅是失效的數據，也能讓我們看見一個流動的樣貌。
獨特性/ 是否獨一無二
珍稀數據早已成為企業眼中的金礦，不少企業收購案為的不是產品本身，而是背後累積的數據，例如以服飾為主的搭配網站Polyvore被時尚電商SSENSE收購，其目標就是背後的搭配大數據，Polyvore原先的服務則已完全消失。在盤點時，如能像這樣挖掘到獨一無二的戰略數據，絕對是一大收穫，此時再仔細觀察競爭對手，或許一個在未來能與對方產生最大差異化的策略就這樣誕生了。
Step 3. 長遠佈局
三大面向總結數據策略——數據佈局、組織佈局、實務難點
數據佈局
掌握現況後，接下來便要兵分二路，落實在數據佈局上——已經有的數據，如果組織仍有人力的餘裕，可進入預處理階段，好處是可先行探索數據、發掘問題，但產品經理仍需專注在數據策略的彙整上；缺乏的數據則需要佈局，經由一系列設計在產品或業務活動中紀錄下來，這也是實務上一系列困難的開端，因應不同需求，可能需要軟體導入、增設UI、舉辦行銷活動、員工教育、業務流程重整……各種直接或間接相關的專案都將應運而生。
組織佈局
A. 數據治理Data Governance
有價值的大數據一定是完整、有序、取用容易，且定義明確的，如果各部門各有其處理數據的步驟和工具，或是發生權限爭議後再來協調，絕對不是一個聰明有效率的方法。而數據治理就是我們期待能解決這些問題的管理概念。它是一個由上而下的過程，是規範的層層建立，是整個數據策略的原則。不少文章將其主要功能歸於兩點：解決資料斷點和權限爭議，我認為的確很好地點出目前數據治理的重點。
具體來說，實現數據治理大致倚賴三個區塊，第一是原則建立，目標是制定一套組織內人人皆要遵守的規約，並確保全體達成共識，因此需要上層的授權；其次是建立「大數據平台」——有一個能彙整所有數據的平台架構是關鍵，依其本身需求，架構可能非常繁複，也可能使用單一工具即可解決，在此又牽涉到工具與技術選用的問題，故在建立平台時，需要對於管理與數據科學都有相當認識的團隊一同努力；第三則是對於數據治理中各個角色的管理及教育，誰對數據負責、誰能取用哪些類別的數據、任務分工的銜接細節等等，其中最關鍵的則是人員數據素養的教育。以上三大區塊如能做到彼此對齊，才有可能為數據治理踏出成長的一步。
B. 數據素養Data Literacy
養數據不只是為了AI模型、工程師部門或是數據分析師，在data driven的時代，組織任一成員都應該從自身的角度思考「數據賦能」——在自己的工作情境中，有哪些數據能夠提供建議，甚至更適合用來作為本身業務的關鍵指標。尤其，某些數據在處理數據的人眼中可能只是需要清洗的極端值，僅有執行者深知它們是值得探討的特殊情境，因此「權力下放」是非常關鍵的，唯有如此，才能清洗出接近事實的數據。
實務難點
在以上成堆的規劃與需求誕生後，實務上面臨的問題也最好先在此時釐清，以利後續進行的流暢度，以下列舉三項，每一項都是不小的課題。
A. 人力需求
從這個階段直到完成數據標注，人力需求是必須重視的一環。無論採取外包、自有團隊，還是使用兼職人力，都是在此時便須爭取及規劃的，以免在日後因人力不足造成專案進度落後。
B. 內部阻力
許多傳統作業方式中，只能看到最後產出的成果，過程裡的細節並沒有被記錄下來。在此情況下，必須導入一套軟體以達到數據搜集的目的，但這代表著執行人員得開始學習並使用一套全新的東西，也許還會大幅改變現有流程，可以想見內部的反彈將難以避免。此時，有三個重要的推動關鍵：於外在是建構「數據治理」，於內在是發展「數據素養」，最後則是於改革中提供Benefit。
C. 合法與合乎倫理規範
這兩者無需多做解釋，但要注意的是，跨國的事務都得合乎當地法律規範，許多看似不同層面的數據，組合起來也能形成機密數據或侵犯隱私，人臉、醫療等敏感數據更是從收集、管理到存儲都需要妥善處理。另外，數據因具有互相關聯的特性，在使用上要注意權屬問題。
「舊數據價值有限、即時數據（real time data）才有價值，數據要避免折舊太快而沒有價值，必須把數據轉變成知識，也就是數據要經過處理後變成熟資料、或資訊，然後結合專門領域的know how，轉化成為有用的知識。」——台大經濟系教授陳添枝
剛好看到這段話，有些感觸。也許面對數據，我們總是談論太多的戰略與技術，但在核心上，我們期待的不就只是希望透過那些外顯的戰略與技術，獲取它內在的知識嗎？並且，作為一位好的數據分析人員，對於本身領域的know how有多深刻的理解，才是能否順利將數據轉化為知識的關鍵，我認為能將自己的領域說成一口好故事的人，才有可能看到數據想告訴我們的故事。
--------------------
本文劃重點
從需求定義（以終為始）、現狀調研（盤點數據），到長遠佈局（數據佈局、組織佈局），了解數據策略中每個階段的細節。
數據佈局將直接帶出下一章的重點：數據採集。
數據治理是一門極大的課題，尤其需關注原則的建立、大數據平台的構建、人員數據素養的教育。
數據素養是組織中每個人都應該具備的能力，不僅是數據團隊的責任。
進階思考
養數據是一個長久的佈局，對於數據關聯的想像將隨著數據的長大而無限延伸，每個人對於數據關聯的邏輯也大不相同，許多細節難以完整記錄下來進行交接。因此，負責人的來來去去會是一個關鍵問題嗎？如果是，可能的處理方式是？