案例01｜資料驅動企業：生產力＋5%、獲利＋6% 與決策文化挑戰

一、案例定位

本案例依原書第 1 章 Introduction 與 Exercise 1.1 整理。

原書引用 McAfee and Brynjolfsson（2012），指出 data-driven companies 平均比競爭者高 5% productivity、6% profitability，同時強調這不是單純技術問題，而是 decision-making culture 的改變。

二、學習目標

區分 Analytics Tool 與 Data-driven Culture。
正確解讀 5% 與 6% 為原書引用的平均比較結果。
將 Exercise 1.1 轉成組織診斷問題。

三、案例情境

組織希望透過 Business Analytics 創造價值，但原書提醒，資料與模型只有在決策流程真的採用時才會產生效果。

四、開始資料

項目	原書內容	教學注意
Productivity	Data-driven companies 平均高 5%	引用研究結果，不是本書自行實驗
Profitability	Data-driven companies 平均高 6%	不可解讀為任何導入 Analytics 的企業必然增加 6%
核心管理挑戰	改變 decision-making culture	技術能力不足以單獨形成 data-driven organization
Exercise 1.1 Q1	組織在從資料創造價值時面臨哪些障礙？	原書問題
Exercise 1.1 Q2	誰正在 champion business analytics？誰應該負責？	原書問題
Exercise 1.1 Q3	Big Data Analytics 可能如何 disrupt／reshape 所屬產業？	原書問題

五、分析方法

先建立 Data Availability → Analytics Capability → Decision Adoption → Business Outcome 四欄診斷。Excel 可記錄部門、決策、資料來源、採用頻率；AI 可協助整理 Barrier／Champion／Industry Disruption Scenario。

六、計算結果

原書直接提供 5% productivity、6% profitability。沒有公司數、產業別或信賴區間可供本章重算，因此不自行補統計細節。

七、結果分析與管理解讀

這個案例的重點不是「Analytics = 5%＋6%」，而是 data-driven organization 必須把 analytics 嵌入實際決策。若模型存在但主管仍依直覺決策，技術投資不等於文化轉型。

八、AI 提問詞

請依原書 Exercise 1.1，分析某組織從資料創造價值的三項主要障礙、目前與理想 Analytics Champion，以及 Analytics 可能造成的產業結構變化。不要把 5%／6% 當成該組織的保證成效。