全書總結

本書以管理決策為主軸，將商業智慧（Business Intelligence, BI）、商業分析、資料科學與人工智慧（Artificial Intelligence, AI）放在同一套決策支援脈絡中。作者採用接觸、體驗、探索（Exposure, Experience, Exploration, EEE）方式，從描述性、預測性與處方性分析一路延伸到人工智慧、深度學習、文字與社群分析、最佳化、模擬、分析工具、新興 AI 技術，以及倫理與管理議題。

核心表格

主要框架 可解決的問題 適合的資料類型 人工智慧／Excel 的角色 限制與風險
商業智慧（BI）與描述性分析 理解已發生什麼、建立報表與儀表板 交易資料、資料倉儲、結構化資料 Excel 支援彙總與統計；人工智慧協助解讀與溝通 描述不等於因果或預測
預測分析 分類、迴歸、預測未來結果 結構化資料、文字、網路與社群資料 試算表／分析工具負責可重現計算；人工智慧協助解釋模型與情境 模型準確度不等於商業價值
深度學習與認知運算 影像、文字、序列與複雜模式辨識 大量非結構化與高維資料 人工智慧／機器學習模型負責模式學習；人負責目標與驗證 黑箱、可解釋性、資料品質與偏誤
處方性分析 最佳化、假設情境、目標搜尋、決策與模擬 決策變數、限制式、機率與情境資料 Excel 適合 Solver、敏感度與假設情境；人工智慧協助比較方案 模型假設與限制式錯誤會直接影響決策
分析工具與新興技術 選擇 R、Python、KNIME、Orange、雲端、物聯網（Internet of Things, IoT）、地理資訊系統（Geographic Information System, GIS）等工具 依問題而定 人工智慧可協助工具選擇與程式草稿，但不能取代驗證 避免工具優先思維
倫理、隱私與管理 部署、治理、隱私、責任與工作影響 個人資料、模型輸出與組織流程 人工智慧可協助風險盤點；最終價值與責任判斷由人承擔 合法、準確不必然代表公平或適當

全書學習地圖

  1. 先理解管理決策、商業智慧、分析、資料科學與人工智慧的關係。
  2. 建立資料、大數據、統計、資料倉儲與視覺化基礎。
  3. 進入資料探勘、預測模型、文字／網路／社群分析與深度學習。
  4. 以最佳化、決策分析與模擬把分析結果轉成可執行方案。
  5. 比較分析工具與人工智慧／雲端／物聯網／地理空間等新興技術。
  6. 最後回到部署、隱私、倫理、工作與組織影響。

人工智慧、Excel 與人的分工

Excel／試算表適合精確且可重算的統計、最佳化、敏感度與假設情境；人工智慧適合說明、比較、摘要、問題形成與管理解讀。人的工作包括定義問題、確認資料品質、選擇成功指標、驗證結果，以及承擔商業與倫理判斷。