Writing · 2026-07-27

ERP 和庫存資料一團亂？AI 導入前先做這一件事，錢才不會白燒

很多老闆跑來問我同一句話：「我想導 AI，可是公司資料亂得要死，ERP 一套、Excel 十幾份、倉庫的數字跟系統對不起來，這樣是不是根本不能做？」

這個問題背後藏著一個很貴的誤解。多數人以為，導 AI 之前得先把全公司的資料整乾淨、把系統全部打通，才輪得到 AI 上場。於是還沒開始，就先被一個看不到盡頭的大工程嚇退，或者更糟，真的砸錢去做了一輪全面資料治理，錢燒光了卻還沒看到任何 AI 的成效。

先講最貴的那個誤解

最貴的誤解，是把「資料要乾淨」理解成「全公司資料都要先乾淨」。 這是把順序做反了。

全面資料治理是一個以年為單位、以百萬為單位的大工程，就算是有 IT 部門的大公司都做得很痛苦。你一家中小企業，如果被說服要先做完這件事才能碰 AI，那結論幾乎注定是「AI 太遠了，我們還沒到那個階段」，然後把整件事無限期擱置。

真相是：AI 不需要你全部的資料乾淨，它只需要你要它處理的那一件事，用到的那一小塊資料是乾淨的。 其他九成的亂，暫時可以先不管。

資料不用全部乾淨，只要「那一塊」乾淨

換個角度想。你不會因為整個倉庫很亂，就不敢去拿其中某一個放得好好的箱子。

AI 應用也是一樣。假設你想做的第一件事是「自動把客戶傳來的雜亂訂單，整理成固定格式」，那 AI 真正會碰到的資料，就是那些訂單訊息，以及你的品項對照表。至於你三年前的進銷存有多亂、財務科目分類多混，跟這件事一點關係都沒有。

先鎖定一個具體的應用，你會發現需要先整理的資料範圍，比你想像的小非常多。把那一小塊弄對，AI 就能動起來，你也才會第一次真正看到成效，而不是還沒開始就被整片的亂淹沒。

怎麼找那一塊：從應用題目倒推

順序是這樣，不是「先整資料、再想能做什麼」，而是「先定要做什麼、再倒推只有這件事需要哪些資料」。

第一步，定一個小而具體的題目。 不是「我要數位轉型」，而是「我要讓每天整理訂單這件事變輕鬆」。越具體越好。

第二步，列出這個題目會用到的資料。 通常你會驚訝地發現，就那兩三種：某個來源的訊息、一份對照表、一個現有的欄位。

第三步，只把這幾樣弄到「堪用」就好。 不是完美，是堪用。品項名稱統一、對照表補齊、格式固定下來，這件事一個下午到一週就能收斂，遠不是那個嚇人的全面工程。

算一筆帳：全面治理 vs 單點清整

具體算一次你就懂差別在哪。

走「全面資料治理再導 AI」這條路：請顧問或系統商做資料盤點、清洗、系統整合，這種案子開下去，動輒半年起跳、費用六位數到七位數，而且這半年裡你看不到任何 AI 的產出，團隊的耐心和信心會先被耗光。

走「單點清整」這條路：鎖定一個題目，只整理那一小塊資料，成本是幾天到兩週的內部工時，然後 AI 就能在那個點上跑起來、看得到成效。你用一個小勝利建立團隊的信心，再拿這個信心去推下一個點。

兩條路最後可能都會走到資料變乾淨，差別是：一條先花大錢、承受長時間看不到回報的風險；另一條邊做邊整、每一步都有產出。 對現金和信心都有限的中小企業，哪條路划算，很清楚。

反模式：把「資料治理」當成 AI 的前置關卡，非得全部做完才准往下走。 我看過公司卡在這一關兩年，資料永遠「還不夠乾淨」，AI 永遠「等資料好一點再說」，結果就是同業都跑起來了，它還在原地整理 Excel。資料永遠不會有「全部乾淨」的那一天，別等那一天。

今日一個行動

今天先別碰任何一份亂資料。改成回答一個問題：「如果 AI 現在只能幫我做好一件重複的小事，我最想要它做哪一件？」

把那件事寫下來，然後只列出這一件事會用到哪幾種資料。你會發現，需要先整理的其實就那一小塊。從那一塊動手，錢才花在刀口上，也才不會白燒。

資料亂不是不能導 AI 的理由，「以為要全部整乾淨才能開始」才是。

交流與邀約 ── lidien.fu@peakstargroup.com | lidien.net