永豐餘消費品實業從前年開始導入核心職能，於11月8日上午邀請了清華大學的簡禎富教授，來談談「台灣製造的挑戰和機會」。在《永豐餘消費品實業 高階主管職能講座(上)》中談到工業3.5，而為了達到機器化、智能化，我們更必須善用大數據和決策科學，讓我們來聽聽簡教授的觀點：

大數據分析
歐巴馬曾在大數據白皮書中提到，資料是未來的石油一樣重要，當代的競爭已經不僅現於實體世界，資訊網絡是陸海空之外的另一個戰場。並且大數據具有巨量性、變動性、多量性和真實性四個特性，任一個特性增長都會增加其複雜度，因此資料分類和解讀就變成一件格外重要的事。且資訊爆炸與商業模式改變，我們更面臨了深度淺，廣度寬的資料分析模式，也就是你可能手上只有前兩個月取得的資料，就必須預測出第三個月的走向。
簡教授以他的學生參加東森盃Big Data爭霸賽為例，主辦單位只提供11月和12月的資料，而你必須理出1月份的宣傳重點。這在傳統的統計學上很難做出有效的預測，但是大數據就不太一樣，藉由時間、行為的交叉分析，把單位分得更細，並且將數據立體化，讓他不再只是數字，而是勾勒出一位位的客戶輪廓，再將相似的客戶輪廓歸類成不同的集合，做出代表樣本，最後才有辦法做預測和校準。
許多企業有著「收集很多資料來分析就是大數據」的迷思，加上現今大數據相關的軟硬體都很發達，許多企業採購了分析軟體便覺得任務完結。然而即使船堅炮利，相關人員的技巧和思維仍需要經過「拙術訓練」，也就是不投機，一步一步地打好基礎，一層一層地把資料全都看過，考量不同的分析方式，讓資料做最大化的應用。例如收集資料時須考量各種可能情況(例如新舊產線的差異、人員操作的速度…)，讓資料據有連續性、全面性，如此作為決策依據時就會有更佳的成效。在虛擬世界中也必須下苦功建立硬底子，才能真正地遨遊於大數據時代。

決策科學
簡教授在演講中分享了非常多的案例，從台積電的「龍捲風計劃」到清大夜市的大餅攤，每一個都是他親身經歷的案例。「我只分享我做過的案例，而不是談些遙遠的標竿企業，因為這樣才能大聲地跟你說我用的決策科學是有用的。」
建構決策型組織是貫徹決策科學的重點，將一般決策思維具體的架構化，提出需要決策的問題，在把要做的決策剖析、條例、細部化，進而導入必要資訊，包含：目標、策略、不確定因子等，才容易做出好的決策。而企業也不能僅依賴臨機應變的危機處理決策模式，除了有系統的決策模式，企業還需要經過設計並內化的營運計劃與製造策略，才能在景氣好時豐收，景氣差時過冬。
管理學大師Peter Drucker認為高階主管最需要提升的能力是「決策力」。決策者應該同時參考各方資訊，而非只聽信特定來源的建議(即使這來源過去的績效非常好)。下決策時可應用「最小悔惜準則」，也就是考量趨勢，綜合各種資訊，將可能發生的最大後悔降到最低。這種做法雖然一定會造成小部份的後悔(如產量無法滿足市場，或生產過剩等)，但一定能讓公司維持在穩定的狀況，永續發展。畢竟，身為企業決策者，不應該讓每次的決策都變成一場豪賭。

簡富禎教授帶來的講座搭配著生動的例子和完整的統計圖表，充分展示科學的應用方法。藉由大數據和智能化來電腦和人的分工，有利於各種知識的管理，也能把各種因子做量化分析。分析出來的資料和其他各領域的報告共同參照，進入決策階段，而後施行決策也需確實，若有任何問題就必須找出原因，而每個原因也需有對應的解決辦法。
全世界生產的規則正在轉變，台灣必須盡快做出應對措施，將管理科學作為常用工具，嘗試在紅色供應鏈與其他巨人企業的聯手夾殺之下，保有自己的市場。期許永豐餘的高階主管能時常增廣視野，強化自身職能，共同開出一條屬於永豐餘的路。