AI的時代， 你想過數據的地位有多高嗎?

圖片來源: CHATGPT

在 AI 時代，數據的角色不容小覷。對 AI 而言，數據就如同成長的養分。想像一個嬰兒從最初的簡單反應到逐漸能夠辨認人、學習語言，最終與世界互動。這一切進步，都依賴適當且充足的養分。AI 也是如此，從一片空白開始，需持續攝入各類數據：文字幫助它理解語言，影像讓它看懂世界，音頻則讓它辨識聲音，器械數據讓它理解機器正常運行的狀態，客戶數據讓它理解客戶的需求。只有多樣且新鮮的數據不斷「餵養」，AI 才能成為真正的「智能體」。

工研院 AI 策略長曾說：「不過兩年的時間，AI 快速吸引大量的使用者，科技的穿透或者影響，已經滲透進產業中的各個領域。」而數據的蒐集，更是影響各個產業應用AI的關鍵，因為 AI 不僅被動地學習，而是能夠透過數據進行智能判斷和即時分析，以應對複雜的挑戰。除了我們先前文章提過的「三個輟學生打造獵才神器，從0到2.5億美元的傳奇」，在面對金融詐騙越發猖獗的現在，來自台灣的打詐專家 Whoscall 也利用數據與 AI ，提供有效的防詐解決方案。接著，筆者將帶您拆解 Whoscall 是如何透過「SUPA」數智思維的方式來提升打詐能力。

圖片來源: whoscall

AI防詐神器：Whoscall用數據力兩步擋住詐騙

全球詐騙活動日益猖獗，對個人造成嚴重影響。根據 Whoscall 的報告，2022 年全球詐騙電話與簡訊查詢辨識量超過 4 億次，顯示詐騙問題持續高漲。在台灣，詐騙簡訊佔比達 80%，顯示詐騙手法日益多樣化，對個人財產和資訊安全構成重大威脅。

個人面臨的主要詐騙風險包括：

1. 個資盜用：詐騙者竊取個人資料，進行身份冒用或非法交易。
2. 投資詐騙：以高回報為誘餌，誘使受害者投入資金，最終血本無歸。
3. 購物詐騙：透過虛假網購平台或優惠訊息，騙取消費者金錢。
4. 電話詐騙：冒充政府機構或知名企業，誘導受害者提供敏感資訊或轉帳。
5. 簡訊詐騙：發送含有惡意連結的簡訊，誘使受害者點擊，進而竊取資訊或資金。

Whoscall 作為領先的來電識別與防詐騙應用，利用 AI 技術和龐大的數據庫，自動檢索詐騙模式，提供高效的防詐騙服務。讓我們一同拆解 Whoscall 如何利用數據+AI來為全球用戶擋下47億次的陌生電話與簡訊：

感測（Sensing）：持續收集多元數據

Whoscall 持續從多個來源收集數據，包括用戶回報的可疑號碼、全球公開的電話號碼資料庫，以及各地的詐騙案例資訊。這些數據涵蓋電話號碼、訊息內容、網址等，為後續分析提供豐富的資料基礎。

理解（Understanding）：分析數據關聯性

透過 AI 和機器學習技術，Whoscall 深入分析收集到的數據，識別出不同數據之間的關聯性。例如，系統能辨識出某些電話號碼與特定詐騙模式的關聯，或是某些訊息內容與已知詐騙手法的相似性，從而建立精準的詐騙識別模型。

計畫（Planning）：制定防詐騙策略

基於對數據的理解，Whoscall 規劃出有效的防詐騙策略。這包括設計即時來電識別與攔截機制、開發可疑訊息檢測功能，以及建立動態更新的詐騙資料庫，確保系統能迅速應對新興的詐騙手法。

執行（Acting）：實施防護措施

Whoscall 將制定的策略付諸實行，為用戶提供實時的防詐騙服務。當用戶接到來電或收到訊息時，系統即時分析其風險，並提供相應的警示或建議。此外，Whoscall 也積極與各地執法機構合作，分享詐騙數據，共同打擊詐騙犯罪。

透過 SUPA 模型，Whoscall 有效地將數據轉化為實際的防詐騙能力，為用戶提供可靠的安全保障，並提升整體數位價值。

資料來源: Whoscall推AI新功能 2步驟截圖搜詐

坐擁數據金山，卻無法點石成金？關鍵在於這一步...

許多企業已經意識到數據的重要性，投入大量資源來收集和儲存。然而，這些數據卻往往「用不起來」。原因可能是缺乏專業人才，或是企業文化不重視數據驅動決策，導致數據無法發揮應有的價值。因此，許多企業僅停留在「擁有」數據的階段，最終，數據淪為沉睡資產，無法帶來實質效益。延伸閱讀: 未來的企業如何使用數據？解密SUPA運行模式

擁有數據只是起點，但要將這些數據轉化為高質量的資訊，還需要一把鑰匙。CDMC 規範是這把鑰匙，從數據標註、清洗到分類，每一步都像是在打造一台高效能引擎，確保每一份數據能為企業帶來實質價值。

圖片來源: 數據治理指標 <EDM council>

CDMC 數據變黃金六大指標

治理與責任制：建立明確的數據管理架構，確保數據使用符合合規要求，並明確各部門的責任。

目錄編製與分類：對所有數據進行系統化的目錄編製和分類，方便檢索和管理，提升數據利用效率。

可存取性與使用：確保數據在需要時可被授權人員存取，並制定明確的使用政策，保障數據安全與隱私。

保護與隱私：實施嚴格的安全措施，保護敏感數據，遵守相關隱私法規，防止數據洩露。

數據生命週期：管理數據從創建、使用到銷毀的全過程，確保數據在其生命週期內被妥善處理。

數據和技術架構：建立靈活且可擴展的技術架構，支持數據管理需求，確保數據治理的持續性和有效性。

資料來源: The CDMC 14 Key Controls and Automations

看懂 AI 時代的數智思維的指南書

在這個數據如「新石油」、AI 技術快速滲透的時代，企業若想真正掌控數據並發揮其價值，必須進一步提升數智思維，企業需要從傳統的「標準流程管理」轉向更具彈性的「以終為始」動態思維。

傳統流程中數據往往只是輔助角色，等待被提取、分析，最後提供建議，缺乏快速應變的空間，多數時候依賴人力去落地執行，結果往往需要在事後回頭檢視成效。然而，數智思維則賦予數據主動性，讓數據成為整個決策鏈條中的核心驅動力。AI 與數據驅動的數智思維讓企業可以從最終目標出發，透過 SUPA 模型，實現精確的數據收集與行動部署。這樣的思維方式不僅簡化了數據需求，也確保了每一步都直指目標，提升效率和準確性。

數智驅動的企業新運行模式

SUPA 模型為數智時代的企業運行模式提供了框架：

• 感測 (Sensing)：持續追蹤和分析內外部數據變化，預測可能的挑戰與機遇；
• 理解 (Understanding)：深度挖掘數據之間的關聯性，理解數據背後的內涵；
• 計畫 (Planning)：基於分析結果設計對應的解決方案，並將資源優化配置；
• 執行 (Acting)：將適當的任務分配給相關人員，並確保行動的精準落地。

這種數智驅動的運營模式讓企業不再僅僅依賴於過往的標準流程，而是成為一個能靈活適應變化的「智能體」，隨時掌握市場動態，快速響應需求。未來，擁有數智思維的企業將更具競爭優勢，不斷在 AI 的浪潮中找到新的增長點，實現持續的數位價值。

點擊👉註冊並訂閱AI郵報頻道或使用邀請碼 KP04 註冊，就可下載<2024 必備！全網最多人使用的前 50 個 AI 工具 PDF> 掌握最新AI趨勢與技術，讓你 AI 大事不漏追！我們會更用心製作出優質內容唷！