案例08｜Figure 14.9：Analytics Leverage Matrix 與 Portfolio Prioritization

1. 案例定位

以 Perceived Difficulty × Potential Value Creation 排序 Analytics Opportunities。

2. 學習目標

理解 Quick Wins、Major Projects、Fill-ins、Hard Slogs 四類 Portfolio Decisions。

3. 案例情境

原書把 Tables 14.2–14.3 的 Analytics Possibilities 放入 Figure 14.9 Analytics Leverage Matrix。

4. 開始資料

項目	原書內容
Figure	Figure 14.9 Analytics Leverage Matrix
Dimension 1	Perceived Difficulty
Dimension 2	Potential for Value Creation
Difficulty Factors	Data Availability、Data Science Skills、Politics、Funding、Leadership 等

5. 分析方法

Estimate Value → Estimate Difficulty → Place Use Case in Matrix → Compare Portfolio → Prioritize／Avoid。

6. 計算結果

原書分類：Quick Wins＝High Value／較容易；Major Projects＝High Value／較困難；Fill-ins＝Lower Value／較容易；Hard Slogs＝Low Value／較困難。

7. 結果分析與管理解讀

GoGet Example 中，預測 High Collision-risk Customers 是 Quick Win Example；Customer Lifetime Value 為 Major Project Example；Technology Platform Performance 為 Fill-in Example；Fleet Simulation Optimization 被舉為 Hard Slog Example。

8. AI Prompt

「根據每個 Analytics Use Case 已提供的 Value Evidence 與 Difficulty Evidence，協助放入四象限；若 Evidence 不足，標註『待評估』而不是自行評分。」

9. 思考／What-if

問題：Difficulty 是否只代表技術難度？

**參考解答：**否。原書列舉 Data Availability、Skills、Political Issues、Funding、Leadership 等多種來源。