最近都有不同的大型連鎖品牌邀約我分享「數據如何運用於商業實現」，特別是針對高階主管的內部訓練。
我發現這個問題到至今，都是企業百般想要解決的苦惱問題，在此建議企業在數據應用的初始階段上要有個前提共識：先決定商業目的的假設，數據是運用來驗證的。
資料科學在商業上的應用可分四個程序：
一、資料取樣跟收集。
二、商業假設的判斷。
三、分析邏輯與方法。
四、應用的行動方案與檢核。
這四個元素並非有固定順序，先後順序會依照產業狀況變動的假設。
多數來說，產業型態是屬於常態、穩定的，就能照這種依序操作；若產業型態為開創性新商業模式，則會根據當下狀況調整哪個為先、何者為後。
以中短期需要產出結果的需求來看，要先有商業目的的假設，接著進行資料收集，而後分析，最終才會產生商業方案。
至於更長期且未知的新創產業或變動性高的流行性產業，是沒辦法先有商業假設的，比如改變某個常態性的市場行為、下一季要流行什麼，最優先要從資料收集開始，或者是分析邏輯與方法的選擇（如輿情收集分析），接著才會是方案的執行與檢核。
「以零售消費市場來運用結果數據做未來預測」對我來說就是個假議題，因為要看所處產業是屬於什麼型態，不同型態的產業會有不同動機起始點。
現在幾乎所有產業著手數位轉型時，都覺得數據是個金礦，應該可以挖出些什麼。
這個觀點適用於「成熟產業是穩定的狀態」，會比照過去趨勢推測未來可能會發生的動態曲線，換句話說，是靠著過去資料數據做商業假設的判斷。
不過，穩定的產業如果有無法控制的科技轉變就不適用了，例如，Google Glass若推動順利，可能今日就取代了手機。
所以，過去在做資料預測時會跳入生活習慣與經驗的誤區，是因為沒有先判斷所處產業的型態。
產業型態會有環境因素或場景因素，並不是所有數據都能運用資料科學的方法預測未來，傳統柑仔店小雜貨店看起來早就被便利商店取代，但在某些地方還是存活（有區域性需求）。
數據資訊只要使用得宜的方式，看似不難取得且沒什麼差距 ，但其實分歧性很大。
企業進行數位轉型、運用數據來找下一步商業實現的可能性，重要的是，找到自己的資料處理順序流程（即前面說的四個程序），同時回歸看企業的自我判斷是什麼產業型態 — — 穩定還是快速迭代，或甚是穩定的被市場淘汰？
總之，利用數據預測未來這個假說，回到檢視本身現在是什麼產業狀態，以及未來想要變成什麼樣的產業狀態，才是符合，也才能真正實現生意以獲利為目標的最後達成。