Page 139 - 32.3

NTU Management Review Vol. 32 No. 3 Dec. 2022

處理大量的、多樣的、不同來源的數據，以及設計、分析和詮釋數據 (Wang, Kung,
and Byrd, 2018)。企業可運用大數據分析增加資訊透明度、實驗和挖掘數據產生洞
見、預測和優化技術改善營運作業、更有效率地客製化產品和服務、進行機器學習
和善用群眾外包、監控情勢以主動應變 (Grover et al., 2018)。實徵研究發現，企業
採用大數據分析可提昇決策品質 (Ghasemaghaei et al., 2018)、強化作業能力和動態

能力 (Mikalef et al., 2020)、促進創新 (Mikalef, Boura, Lekakos, and Krogstie, 2019)、
展現彈性或敏捷性 (Yu et al., 2021)，為企業帶來各項效益或競爭優勢 (Akter et al.,

2016; Gupta and George, 2016; Wamba et al., 2017; Wang, Kung, and Byrd, 2018; Wang,
Kung, Wang, and Cegielski, 2018)。因此，本研究提出假說：
H1：企業的大數據分析能力對其營運效益有正向影響。

二、企業的大數據分析資源對其大數據分析能力的影響

資料科學家是大數據分析特別需要的專業人才，需具備處理、運算、和詮釋
數據的技能以完成數據分析的任務 (Davenport, 2013)。處理和運算技能是指運用各
種軟硬體和工具進行大數據擷取、儲存、管理和運算；詮釋和分析技能包括撰寫程
式或運用演算法和統計工具從資料中萃取洞見，以及運用新科技或演算法改善分
析效能。當資料科學家在業務部門協助下定義出欲解決的業務問題，並運用其專業
技能完成數據蒐集、整合、模式化和視覺化後，需要和業務部門及高階經理人合
作，將數據分析結果轉換成對企業有價值且具可操作性的洞見，再由資訊部門將前
述大數據分析系統導入和整合到企業日常營運的資訊系統，以達成基於數據的決
策和最佳化的營運流程 (Wang, Kung, Wang et al., 2018)。Sivarajah, Kamal, Irani, and

Weerakkody (2017) 指出導入大數據分析的挑戰包括資料獲取和倉儲、資料挖掘和
清理、資料彙集和整合、數據分析和模式化以及數據詮釋。目前市場上仍相當缺乏
資料科學家，資訊部門仍是企業培養這類人才的主要單位 (Tambe, 2014)。因此，資
訊部門分析能力越強的企業，意味擁有越充足的內部大數據分析人才來源，越有辦
法運用企業的大數據分析實體資源獲取、彙整、分析和呈現各種形式和來源的巨量
數據，進而協助決策者發掘和導入數據分析洞見到決策和營運流程中 (Wang, Kung,
and Byrd, 2018; Wang, Kung, Wang et al., 2018)。因此，本研究提出：

H2：企業的資訊部門分析能力越強，其大數據分析能力越好。

業務單位在大數據分析專案裡，參與問題界定、提供數據、採取數據驅動決策
制定和調整作業常規等活動。數據分析是資訊科技驅動意會 (IT-driven Sensemaking)
的過程，預存的參考框架 (Frames of Reference) 會左右對分析工具辨識出的統計模
式、趨勢和關係之判讀 (Sharma et al., 2014)。因此在專案初期，業務單位需幫忙釐

129