大數據分析必須結合數據領域的專家、年輕人的創意及經驗老道者，才有可能問出正確的問題來，經過長時間的探索研究，讓老一輩的朋友、年輕一輩的朋友，聽懂彼此語言，這類似文化轉譯的過程，就是要在兩人三腳的這一種關係裡面慢慢地去行進。
問對問題，投入大數據分析與AI應用可為我們的工作省下時間，但這並不是AI專門的，包括自動化技術、任何資訊技術到最後都會幫我們省時間，這個是基本盤。事實上創造新的運用才是我們要著眼的，好比在智慧程式的運用上，智慧電表的整合，可能與其他的公用事業合作，如5G等，加進不同行業，將即時數據資料綜合在一起並做出判斷，可創造更佳的社會效益。
跨領域學習的挑戰
大數據跨界應用並不容易。在進行大數據跨領域分析應用時，公司內部必須橫跨不同的職類、不同的世代先彼此溝通，因為在公司內部歷經跨領域學習的考驗，之後對外溝通會更有自信。
此即「跨領域學習」的自信，傳統上我們在學習上分類、分科、分系，把自己的專長處理好即可，其他的就交給那個領域的專家，大家分門別類處理，但是新興的挑戰不會管是哪一個職系，很多新科技都會帶來跨域挑戰，必須要靠跨領域的對話才有可能達成。
一般大企業導入大數據分析與應用，要注意對內整合及對外應用，以台電來講，這是一個自成的生態系，人才非常多，光是跨部門之間調用彼此的資料，這個水就已經很深了，必須花很多的力氣才能理解每一個部門。台電任何一個部門都會產生大量的資料，因此要先把內部的資料流串接起來；因為很多的工作，說不定隔壁部門的某個資料能幫你節省時間，或者是幫你創造價值。傳統對資料採取「榖倉式管理」，每一個部門只負責自己資料的正確性，並不會特別想到這個資料可能對隔壁的部門是有用的，所以必須增進夥伴關係。
舉例來講，像大家最近常使用的「疾管家」，可以查到藥局的位置，還有藥局口罩的存量，這不是疾管署的資料，而是來自健保署的資料，而健保署一釋出來，疾管署變成第一個運用，因為疾管署提出這樣需求，所以這兩個單位的資料就結合起來了。
這告訴我們兩件事。第一要對資料進行倉儲庫存的盤點、清點。第二，要用其他部門能夠理解的方式去說明自己部門的資料，以及建立資料中間的關聯。
讓需求方來許願
這並不容易，因為當你連用戶是誰都不知道時，要如何寫一個東西讓你的用戶搞懂？此時解決方式是反過來，讓需求方去許願、提出需求，這不是點菜的概念，把它想成是一個類似「無菜單」創意料理，先不管師傅有什麼食材，能做出什麼菜，先不管是不是做得到，而是先講出實際的需求是什麼，如果做不到，再來盤點是設備問題、還是時間問題；有很多時候，只是調一個參數就可以做到，問題就能被解決。
當需求可以具體被提出來，這個時候就建立起資料的協作關係，或者是資料夥伴關係，即有一個主動需求的提出者，跟很多可以滿足他的資料產製者，他們之間是可以密切、即時彼此溝通。且隨著時間過去，會有越來越多的利害關係人加入，形成生態系。
大數據的協作或夥伴關係就是這樣形成，本來是你做你的、我做我的，後來理解到你做的過程中會產生出一些我用得到的資料，瞭解到工作範圍是重疊的，會願意對彼此公開；接著，開始即時溝通，協作的力量就產生了；三方、四方、五方人加入，都是為了一個共同的價值，願意對未來的不特定人來開放，夥伴關係因而快速成長。
去年台電所舉辦的AI大數據人才發展營，多少還是會看到一些上司、下屬關係，而這次推出的「電力許願池」，透過從需求端許願的方式，把橫向的資料提供者跟需求者間銜接起來，夥伴關係可以在內部自然形成。
大數據處整合跨部門綜效
我也樂見台電成立大數據處。民間有一個「資料長（Chief Data Officer，CDO）」的概念，與「技術長（Chief Technology Officer，CTO）」最主要的差別是，資料長並非聽命行事的執行者，而是針對資料科學，不斷地探索新的模型、新的分析軟體，提出問題，可以說是內部研發的泉源。
就業務部門而言，將有一個比外部管理顧問公司更懂你的內部單位，可以不斷地告訴你，如果現在投資時間在某些議題上面，你未來可以省下多少成本；或者是從資料分析中，會看到你現在如果願意去跟業務單位來進行橫向的串接，可以創造出多少嶄新運用的可能性。
至於各部門要投入分析哪些議題，則交由各部門去決定，資料長憑著證據說話，告訴各部門：「我瞭解你現在的資源有限，尤其是人力、時間有限，你如果把資源放在這裡的話，對於整個集團或者是公司產生的綜合效果會更大。」
跨部門產生的綜合效果，在以前是很難透過KPI管理來預見，並且很難去量化它，但是現在可以透過資料科學，由較了解公司業務與政治的內部單位，透過資料科學提出具體可行的解決方法，這對公司所有部門都有利，共同創造新的應用。
我期許台電大數據處扮演創造綜合效果的角色，讓管理及經營者更能夠循證數位治理（Evidence Based E-Governance），也更清楚了解公司內部應進行怎麼樣的調度、配置等等，有一些決策看似大膽，甚至是天馬行空、成功機率低，但大數據處將可幫忙算出來到底有多少成功機率、多少效益，若能把風險定量，其實大家就不再這麼害怕改變，我想，這是大數據處很值得大家期待的效益。（本文出自台電月刊687期，唐鳳口述）
