永丰余消费品实业从前年开始导入核心职能，于11月8日上午邀请了清华大学的简祯富教授，来谈谈「台湾制造的挑战和机会」。在《永丰余消费品实业高阶主管职能讲座(上)》中谈到工业3.5，而为了达到机器化、智能化，我们更必须善用大数据和决策科学，让我们来听听简教授的观点：< /span>

大数据分析
欧巴马曾在大数据白皮书中提到，资料是未来的石油一样重要，当代的竞争已经不仅现于实体世界，资讯网络是陆海空之外的另一个战场。并且大数据具有巨量性、变动性、多量性和真实性四个特性，任一个特性增长都会增加其复杂度，因此资料分类和解读就变成一件格外重要的事。且资讯爆炸与商业模式改变，我们更面临了深度浅，广度宽的资料分析模式，也就是你可能手上只有前两个月取得的资料，就必须预测出第三个月的走向。
简教授以他的学生参加东森杯Big Data争霸赛为例，主办单位只提供11月和12月的资料，而你必须理出1月份的宣传重点。这在传统的统计学上很难做出有效的预测，但是大数据就不太一样，藉由时间、行为的交叉分析，把单位分得更细，并且将数据立体化，让他不再只是数字，而是勾勒出一位位的客户轮廓，再将相似的客户轮廓归类成不同的集合，做出代表样本，最后才有办法做预测和校准。
许多企业有着「收集很多资料来分析就是大数据」的迷思，加上现今大数据相关的软硬体都很发达，许多企业采购了分析软体便觉得任务完结。然而即使船坚炮利，相关人员的技巧和思维仍需要经过「拙术训练」，也就是不投机，一步一步地打好基础，一层一层地把资料全都看过，考量不同的分析方式，让资料做最大化的应用。例如收集资料时须考量各种可能情况(例如新旧产线的差异、人员操作的速度…)，让资料据有连续性、全面性，如此作为决策依据时就会有更佳的成效。在虚拟世界中也必须下苦功建立硬底子，才能真正地遨游于大数据时代。

决策科学
简教授在演讲中分享了非常多的案例，从台积电的「龙卷风计划」到清大夜市的大饼摊，每一个都是他亲身经历的案例。 「我只分享我做过的案例，而不是谈些遥远的标竿企业，因为这样才能大声地跟你说我用的决策科学是有用的。」
建构决策型组织是贯彻决策科学的重点，将一般决策思维具体的架构化，提出需要决策的问题，在把要做的决策剖析、条例、细部化，进而导入必要资讯，包含：目标、策略、不确定因子等，才容易做出好的决策。而企业也不能仅依赖临机应变的危机处理决策模式，除了有系统的决策模式，企业还需要经过设计并内化的营运计划与制造策略，才能在景气好时丰收，景气差时过冬。
管理学大师Peter Drucker认为高阶主管最需要提升的能力是「决策力」。决策者应该同时参考各方资讯，而非只听信特定来源的建议(即使这来源过去的绩效非常好)。下决策时可应用「最小悔惜准则」，也就是考量趋势，综合各种资讯，将可能发生的最大后悔降到最低。这种做法虽然一定会造成小部份的后悔(如产量无法满足市场，或生产过剩等)，但一定能让公司维持在稳定的状况，永续发展。毕竟，身为企业决策者，不应该让每次的决策都变成一场豪赌。

 

简富祯教授带来的讲座搭配着生动的例子和完整的统计图表，充分展示科学的应用方法。藉由大数据和智能化来电脑和人的分工，有利于各种知识的管理，也能把各种因子做量化分析。分析出来的资料和其他各领域的报告共同参照，进入决策阶段，而后施行决策也需确实，若有任何问题就必须找出原因，而每个原因也需有对应的解决办法。
全世界生产的规则正在转变，台湾必须尽快做出应对措施，将管理科学作为常用工具，尝试在红色供应链与其他巨人企业的联手夹杀之下，保有自己的市场。期许永丰余的高阶主管能时常增广视野，强化自身职能，共同开出一条属于永丰余的路。