浪THINKINGEP9

AI 時代的數據決策:從資料與數據的差別、核心條件判斷到質疑數據的能力

2026-11-16 片長 23 分鐘 浪 EP9

主持Jayden・Lucas

屬於系列弧 (單篇) 浪 EP9

這集談數據決策如何因 AI 而變得更容易做到,從過去行銷多靠猜、資料取得成本高,談到真正的難點是知道哪些條件才重要。節目中拆解了判斷公司是否走下坡的基本面條件,也說明為何核心條件比表面指標更值得看。另外提供盤點手上資料的三個提問,並談到培養質疑數據的能力。

AI 時代的數據決策:從資料與數據的差別、核心條件判斷到質疑數據的能力00:00 / 23:14
重點時刻CHAPTERS

浪 EP9 重點時刻

也可以在 Apple Podcasts・Spotify・YouTube 收聽

這集講了什麼SUMMARY

浪 EP9 的 13 條可帶走的判斷

01
Jayden過去行銷人約八成靠猜:憑舊經驗試一次,沒效就編理由交代

可遷移的原則策略若不能事前用資料驗證,只能事後解釋,事後的理由不算根據。

02
Jayden資料取得成本決定決策品質:過去用便宜的搜尋趨勢與看競品前三名來反推策略,結果大多落空

可遷移的原則資料的深度受限於取得成本,只用便宜的表層資料,得到的結論只能到表層。

03
Jayden報表如果答不出「差多少、為什麼差」,週報月報日報只是形式

可遷移的原則檢驗一份報表有沒有用,看它能否回答變化的原因,而不是看它列了多少數字。

04
JaydenAI 讓過去要花大錢才能蒐集、分析的資料變便宜,資料決策變得更容易做到

可遷移的原則工具降低資料取得成本時,競爭力會從拿到資料轉移到會不會判斷資料。

05
Jayden判斷一家公司是否走下坡,可以檢查一組基本面條件:成長率是否持續衰減、創辦人是否賣股、負債比、行銷投入占比、是否裁員

可遷移的原則先列出可驗證的條件清單,再逐項核對,而不是憑感覺或看單一指標。

06
Jayden資料決策真正的難點是知道哪些條件才重要,不是蒐集到多少資料

可遷移的原則在動手分析前,先決定什麼條件重要,條件選擇比資料量更決定結論品質。

07
Jayden看核心條件優先於看表面條件:老闆加碼或賣股、核心團隊是否出走,比技術分析這類表面指標重要

可遷移的原則優先看內部人的行動與關鍵位置的變動,而不是只看外顯的指標。

08
Jayden過去的指標不能直接套用在新情境:若這輪裁員集中在中高階,失業指數可能不會上升而失準

可遷移的原則使用歷史指標前,先檢查它背後的條件在這次是否仍成立。

09
Jayden資料決策要培養的是提出疑問的能力,因為很多資料是假的

可遷移的原則資料可以被分析,但資料不等於結論,每份資料都要先質疑來源與合理性。

10
Jayden腦中沒有資料架構,就無法與 AI 討論它給的答案,只能停在表面資料

可遷移的原則用 AI 分析前,先建立自己的判斷框架,才能檢驗 AI 的輸出。

11
Jayden公司說裁員是因為 AI,但公司同時在賺錢,這種說法與數據不一致,值得質疑

可遷移的原則遇到官方說法時,用另一組可驗證的數據交叉檢查,說法與數據不一致處就是該追問的地方。

12
Jayden盤點自己手上的資料時問三件事:已在分析的資料是否真有功能還是安慰劑、資料背後有沒有隱藏的問題或機會、外部資料如何收集與運用

可遷移的原則資料的價值不在於有沒有,而在於它是否真的改變了決策。

13
Jayden主持人估計 AI 出現前,台灣行銷專業落後國際約七年,AI 讓這個落差明顯縮小

可遷移的原則資訊落差會隨工具普及而縮小,領先優勢不能只靠比別人早知道。

以前跟甲方開會,被問這個月要怎麼做,Jayden 說他覺得 80% 都在亂猜。

「以前這樣做有效,我們試試看。」試完發現沒效,就開始編一套理由,告訴甲方為什麼沒效。

浪系列第九集,Jayden Wu 和 Lucas 聊 AI 時代的數據決策:當數據真的可以被分析,行銷人還能靠猜的嗎?

▍本集重點

・沒有 AI 之前,台灣的行銷專業跟世界大概差七年,AI 把這個落差拉近,甚至變成平行
・數據分兩塊,一塊叫資料,一塊叫數據,我們用資料裡面的數據來做決策
・以前的市場調查:打開 Google 搜尋趨勢,看前三名的公司在做什麼,再反推策略
・現在 AI 可以把條件一條一條列出來,全部打勾才做決策
・難的不是工具,是你知不知道什麼條件才是重要的條件

▍本集內容

【AI 把落差拉平了】

Jayden 剛開始推 landing page、SEO 的時候,很多人根本不知道他在講什麼,一直到現在才比較多人知道。台灣跟北美的行銷專業,大概差了六七年。AI 把這個東西完全拉近,甚至變成平行。

【以前的行銷:亂猜加編理由】

市場調查很貴,所以以前省錢的做法,是打開 Google 看搜尋趨勢,或搜尋益生菌,看前三名是哪三家公司、它們在做什麼,再反推策略。Lucas 說,這就是拿甲方的錢去亂猜。

【週報、月報、日報都是白做】

上個月跟這個月的業績差多少?為什麼差?你答得出來嗎?Jayden 說,這很像股市,股價先出來了,才去找新聞解釋原因。

【AI 時代:條件全部打勾才出手】

一家公司的成長率是不是一直在衰減?創辦人有沒有在賣股票?負債比多少?有沒有裁員?以前這些資訊你要去翻,不見得翻得到,現在 AI 都可以撈出來。條件全部打勾、價格又低,就可以做決策,沒有所謂的股票大師了。

【什麼條件才重要?】

Jayden 認為技術分析還是很表面,他看的是核心決策:老闆是加碼還是賣股票、核心團隊有沒有出走、重要職位有沒有更動。一家公司要 IPO,財務長卻離職了,這家可能就有問題。

▍聽完這集,請你想三個問題

在你的產業裡,有沒有已經在分析的數據?它真的有功能,還是只是安慰劑?
在這些數據背後,你有沒有看到隱藏的問題,或潛在的機會?
你怎麼看待、運用你以外的數據,未來要怎麼用這些資料擴張你的企業?

※本集大綱

I. 開場:銷波快的五個系列

銷:快速、有效的變現機制
波:需要長期經營的品牌、社群、個人品牌
快:馬上能上手的學習方向與資源
浪:思考系列,學員說聽了會反思,今年三月開設
堤:兩人對坐聊來賓的智慧;有來賓說上節目很累,一直要停下來想

II. AI 拉平台灣與世界的行銷落差

沒有 AI 前,台灣行銷專業大概落後世界七年
Jayden 推 landing page、SEO 時,很多人聽不懂他在講什麼
AI 把落差縮小,甚至拉到同一條線

III. 本集主題:數據決策

資料跟數據是兩回事
我們通常用資料裡的數據來做決策

IV. 以前的行銷,80% 在亂猜

甲方要提案,大家都是「以前有效,試試看」;沒效就編理由
市調太貴,省錢做法是看 Google 搜尋趨勢、看前三名在做什麼再反推
業績差多少、為什麼差,答不出來的話,日報週報月報都白做
像股市:股價先動,再找新聞來解釋

V. AI 時代,數據可以被分析

以前看股票靠感覺:曾經 180,現在 70,好像能撿便宜
現在讓 AI 列條件:成長率、創辦人賣股、負債比、裁員、行銷預算
全部打勾又便宜,就能決策;股票大師不再存在

VI. 難的是挑出重要條件

技術分析還是很表面
Jayden 看核心決策:老闆加碼或賣股、核心團隊有沒有出走、要職有沒有異動
例子:準備 IPO,財務長卻離職
電商也是:某些 SKU 隔年突然下滑,原因可以被分析

VII. 用數據看金融海嘯

很多人說這次會比 2008 年更嚴重
這次不會反映在失業指數:被裁的是中高階白領,錢夠,不去領救濟金,舊數據會失準
歷史上的海嘯都伴隨新技術,例如 2000 年 dot-com 泡沫
基建期無法商轉會出現特殊債券,這次是資料中心,最快 7 年才商轉
石油是擴大海嘯的關鍵:推升通膨、拖垮基建
所有東西都連動,數據都能被驗證

VIII. 美國物價有多誇張

Lucas 剛從美國回來:一碗越南河粉二十多美金
汽油三月一加侖四塊多,十月六塊多

IX. 數據決策真正要培養的能力

提出疑問,因為很多數據是假的
獨立思考、批判性思維,會向 AI 提問
本質學能:有下過功夫,才看得出數據哪裡不合理
例子:大廠裁員都說因為 AI,但公司明明在賺錢,真的只是 AI 嗎?
AI 股被質疑膨風;網路泡沫也是破了才穩定向上,先賺錢的是賣鏟子的人,NVIDIA 就是
這集不是叫大家去放空
石油漲價跟我們有關:美國倒、台灣也倒,資料中心倒,台積電首當其衝

X. 留給聽眾的三個問題

你的產業正在分析的數據,真的有用,還是只是安慰劑?
這些數據背後,你看到什麼隱藏問題或潛在機會?
你怎麼運用自己以外的數據,擴張你的企業?

聯絡《銷波快》聊聊行銷

📆每週一 AM9:00 定期更新📆

■快來逛逛我們荒廢的粉絲團👉👉
訂閱銷波快:https://tinyurl.com/4vd4pphe
銷波快粉絲團:https://tinyurl.com/bdcxjjr9
Jayden: https://tinyurl.com/2kx9h8cr

😍播客商業合作信箱:[email protected]

節目原話QUOTE

浪 EP9 節目原話

因為砍的全部都是中高階白領。他們錢夠,他們不會去領失業,就是今天。所以這個指數不會成長,就代表這個數據其實對於金融海嘯這件事情的判斷是會失準。所以你不能拿過去的數據來看現在的數據。

完整逐字稿TRANSCRIPT

浪 EP9 完整逐字稿

全文 6,255 字,人工校對過。時間標記對應音檔位置。

展開逐字稿

00:02

海嘯來了。歡迎來到銷波快。我是 Jayden,我是 Lucas。我們又開始錄第二集了,第二集。上一集已經錄完了,那這一集我們要聊什麼呢?

我們一樣還是在這個浪系列。浪系列。那浪系列就是,不是當個很浪的那種浪。回覆一下,我們浪系列還有什麼系列?我們一共有五個系列,一個是銷,一個是波,一個是快,對。還有浪,另外一個是堤,堤防的堤,對。他的意念是,我覺得我想到堤防。我想到兩個人在那邊,坐著聊天。所以他是來賓的集數這樣。很有意境嗎?我以前是學新詩的。好了。夠了,聽不下去了。不然收不了。因為我的學員其實後來一直有在反饋的事情,是他覺得聽我在講的過程中,他們開始反思。

所以我就覺得,那我可以把我在想什麼東西丟出來,好。所以才會有這個新的系列,是今年年,大概三月多。過完年才開始做。所以我可不可以再問一下,銷大概講哪些東西?銷。

銷比較快速,能夠有效的變現機制。那波呢?波在談的事情是,比較長期性經營的。例如像品牌,社群,個人,個人品牌之類的東西。它不是一做就有效的東西,對。而是你要做一段時間,好,對。然後快在講的東西,比較偏向於是,哪一些的方向。你可以馬上能有一些學習機制,然後再談一些學習資源的東西,好。所以主要大概就這三個,對。浪在談的事情是思考。然後堤在談的事情就是,來賓的智慧。所以來賓還不能太蠢。通常太蠢的不會上我節目,對。

我們曾經有邀請過一個來賓。他說他上我的節目很辛苦,怎麼說?因為他要一直想。因為我會問問題嘛。然後我問問題以後,他就會開始思考。他說他是一個反應很快的人。他說他很少上人家的節目,還需要停下來想一下。對,這麼兇狠的嗎?就是堤的內容大概就長這樣。就是我會問一些,我覺得我想要了解的東西。比較偏向你這樣,變成當時你 host 這件事情。然後你訪問來賓。但來賓他要不斷的,把他的東西抖出來。這就是所謂我們堤系列,對。所以我就說堤就很像,兩個人坐在那邊聊天。但應該沒這麼輕鬆。

明白,對。實際上概念大概是這樣,好。那我們今天一樣在談,浪系列的第二集。我也覺得蠻重要的東西,嗯。我個人認為在這個短期的過程,尤其是這幾年這兩三年。我覺得我們的產業離不開 AI。

那肯定的,對啊。一定離不開 AI。那在離不開 AI 的過程中,我們就會一直無意有意的,一直提到 AI 這件事,嗯,好。那我今天要談這一個主題,也是我覺得蠻重要的東西。就是 AI,其實它創造了資訊,嗯。

然後我在我們還沒有 AI 之前,我覺得臺灣的 Level 跟世界的 Level 差七年。你說哪一方面的 Level?行銷,行銷專業,嗯。大概差七年,對,對。然後我記得我們剛認識的時候,我在推 Landing Page,對,跟推那個叫什麼,搜尋引擎的那個。哦,SEO。

對,SEO,對。在那個年代的過程中,很多人不太知道我在講什麼。不知道什麼叫 Landing Page,嗯。然後一直到現在才比較,多人知道,哦,所以你看,哦。我們認識是 2021 年。21,21,對。我是 20 年推的,哦。

所以你看現在 2026,哦。所以大概是七年,七年差不多七年了,對。所以整個市場的變化跟變動,以臺灣跟北美,嗯,的狀況下面大概就七年。可是 AI 的把這個東西完全拉緊縮小了,甚至是平行,嗯。

05:25

我覺得很可怕,就 AI 也讓,整個世界現在很多地方都在打造。以前美國大肌肉要去打誰都可以。他現在被人家打的,呃,落花流水,為什麼?因為人家可以花非常低的成本,然後非常精準定位和。現在就不是一個大肌肉的,作戰概念,人家就是。AI 算出來,他可以這樣子去轟炸某些地方,然後。去影響那些所謂的,高科技大肌肉的東西,這也是。AI 把整個局面,軍工給提升了,對。所以我覺得整個世界,開始變了一個蠻大的,變化。

好,那我今天要談的這件事情,是關於。 某一個我覺得很重要的主題,叫做數據。我覺得數據有分兩塊,一塊叫資料,一塊叫數據嗯。我們通常會用資料裡面的數據來去做決策。

對,以前的我們做法,是這樣嗎?在我們這個產業上面,遇到一個蠻有趣的狀況。在還沒有 AI 之前,以前我們在跟甲方要開會的時候,人家會說那你能不能提出一些那個,我們這一個月實際上的一些做法,跟可能,你去研究一下他們應該怎麼做,對,然後去下一些行銷策略。

以我們那個時候的狀況,我曾經在 節目講過,我覺得 80% 都在亂猜。對不對,都很像是,我以前好像是這樣做的,以前有效,那我試試看。然後試完以後,發現沒效,就開始編一套理由,告訴他們為什麼沒效。拿甲方的錢去亂猜,真的,每次都這樣。

但是,我覺得沒有行銷人會反駁我這個過程,因為市場調查很貴。所以,我們在以前的年代下面的市場調查,在很省錢的過程怎麼做的?先拿開 Google,然後搜尋趨勢。

然後搜尋趨勢就看到 Google 有個趨勢,那個現在有人討論。我們就說現在有人討論,可以做。或者是,就是開啟 Google,調查一下他的。例如說他是做保健品,可能做益生菌,我就調查益生菌。然後看前面三名,益生菌出現哪三家公司。看一下他裡面是什麼,然後當作數據來做。

以前我們都這樣。所以你就會發現到,根據這個東西然後去反推,然後他的策略如何,大部分都白。你要懂我意思嗎?以前我們在做的事情是這樣。但事實上在 AI 時代下面,他有更多更厲害的地方。尤其是我談一個我自己覺得很大的變動,就是電商或者是廣告,只要他背後有數據的,相對性而言以前我們就什麼。

你又看一下,你上個月跟這個月的業績差多少?為什麼差?你覺得你能回答出來嗎?問不起來也是白的。所以我們以前在做什麼週報啊月報啊日報,都是白的。超級白。所以很像是股市。股市他股價出來了以後,然後你再去找新聞,他問什麼問題?對,我覺得以前都這樣。

所以我為什麼會想要跟你談這一集呢?我覺得最大的狀況是,其實現在的時代下面,數據是真的可以被分析。他可以預判嗎?他不僅可以預判,他可以被分析。我覺得難的東西,尤其是你做這產業。

我們以前在看一個東西,例如說這張股票,他值不值得買?你的評論標準是什麼,感覺?感覺嗎?大部分是這樣,他以前還會看一下 EPS。他以前的表現最高是 180,他現在 70,好像應該要撿個漏,就撿下去又剩 40,再對半對。

10:43

但這一件事情,現在的時代下面,AI 可以解決。那 AI 可以解決的東西,他會有幾個原則。舉個例子來講,什麼的條件叫做往下跌的公司?

他有沒有哪一些東西是有問題的?例如說,他每年的成長率不停的在衰減。所以他這個東西叫做,他在下跌。例如說,他裡面有一些基本面的東西,創辦人開始在賣股票。是不是可以被驗證?但以前這些資訊怎麼來?你要去翻,不見得翻得到。但 AI 時代下面,就可以說我要的,整個都曝光了。

所以所有的東西,他會找到,這個資料在哪裡可以被找到。然後再來是公司有沒有負債?負債比多?然後他的每年成長率如何?這些東西就可以被分析。

所以當這些東西被分析的狀況下面,你還可以去調查說,那這一家公司他現在目前百分之多少在行銷上?有沒有裁員?所有東西一目瞭然。全部拉出來。未來的走向如何?技術的發展到什麼程度?那是不是全部都是數據?然後全部都是資訊?當這些東西全部都打勾的時候,然後你發現到,你發現到他的價格又很低,就可以買了。

所以這個東西叫做數據決策。就沒有所謂的股票大師啊,大家都可以透過這樣的數據去。但我覺得難的東西是,什麼條件才是重要的條件?再說清楚一點,什麼意思?我剛剛列的那些東西,是我認為重要的條件。可能還有其他的。

有些人他在做的事情是技術分析。所以這個技術分析,是什麼東西是什麼。 然後該多少。我認為這些在數據決策的走向來講都還是很表面。

所謂的很表面的意思是,一家公司你要看的東西是他現在的狀況,還是你要看他是核心的狀況?這是我自己的角度。有些人喜歡看的是相對性決策,而我喜歡看的是核心決策。所以核心決策就是,那老闆是加購股票還是賣股票?我覺得這件事很重要。老闆加碼比較重要。然後再來,核心團隊有沒有出走?很重要。

然後再來是,重要的職位有沒有更動?舉個例子來講,一家公司要 IPO,財務長離職這一家好像有點問題。所以這些東西都可以撈得到。當你撈得到以後,你是不是就比較能做決策是?所以,我們其實在研究蠻多有關類似這種數據決策的東西包含是。

這個數據來了以後,例如說我們在電商有很多購買數據,然後不是有很多 SKU 嗎?然後他有些東西賣的好,有些賣的不好。然後突然之間好像隔一年他就下降。那下降的原因,他是可以被分析。而這件事情分析是很可怕。

對,然後另外一個我覺得也有蠻有趣的數據。我相信你應該很有興趣。因為你在這個產業應該聽了不少恐嚇的人。我講的恐嚇的人就是告訴你說,跟你講,這次金融海嘯一定比 08 年還要嚴重。現在大家長得很高很高,是有這個原因。而且一高還有一高高,所以沒有人看得懂。你不知道他什麼時候跌。

16:08

當然現在可能會跌,因為我們現在錄的時間整個背景是共和黨大敗大敗吧?然後股票是肯定會有很大的震盪,應該是像。那,但是價錢指數等等的應該就會回穩一些,然後物價可能會再平穩一些。但不知道川普會不會又會想要打仗或幹嘛。也有可能他就會被參眾兩院給擋下來。Anyway,很多的變局在外面。

所以在這件事情上面,我自己會想要研究的主題,跟我已經在研究的主題就是,到底這個每一年歷史的金融海嘯他前面的醞釀是什麼?有沒有哪一些數據是有達到危險的階段?好。那其中他有提到一個我覺得很有趣的東西就是失業指數,對。

在失業指數上面,這是我自己。我自己在做數據分析,我認為今年的失業指數不會反應。如果這一次的金融海嘯他不會反應失業指數上。你知道為什麼嗎?因為砍的全部都是中高階白領。他們錢夠,他們不會去領失業,就是今天。

所以這個指數不會成長,就代表這個數據其實對於金融海嘯這件事情的判斷是會失準。所以你不能拿過去的數據來看現在的數據。但我不確定金融海嘯是不是,現在泡泡是不是真的大?但確實所有指數是真的不可思議的高。

然後另外一個,我覺得很值得討論的。他說所有的金融海嘯發生的狀況都是有,例如 2000 年。2000 年是.com 網際網路泡沫。

好像他有提到的東西是工業時代。工業時代分別。然後他說所有的金融海嘯都遇到了一個我覺得很重要的時間點,就是基建期無法生存。所以在基建期之中他會出現一個很特殊的金融產品,叫債券,對。

在這一次的金融海嘯的債券是資料中心。所以資料中心的商轉預期最快 7 年。所以會不會建一建就爆掉了?這個有道理。對,所以這個東西就是數據。所以我們在看很多數據的過程中,其實真正難的東西是,你到底能不能想出規則?嗯。就是我們剛剛在談所謂的資料嘛。

對,但如果你腦袋裡面沒有這些資料架構,或者是你覺得這些東西他回你的東西,你認為是有問題的,你沒有辦法跟他討論。那你就會回到表面數據上。有點道理。他有提到另外一個很重要的東西。

然後這也是金融海嘯一個非常重要的點。這個點就是,假設今天錢尬不過來,有沒有人可以救?現在 FED,現在 FED 沒辦法救,負債太大。所以代表的事情是,什麼樣的狀況會讓這個金融海嘯擴大?有一個狀況就是石油。

所以石油擴大,他們壓力越來越大,因為通膨提升。對。通膨提升就代表他們越來越沒錢。所以基建會倒現在。 不是沒有石油是,不讓運所以,石油這件事情會決定他們會被擋。

21:16

但現在緩和一點是因為你,看現在民主黨發生所有的,紅州轉了。連德州一百多年都沒有,民主黨的人當州長都翻了。對,所以,勢必這一個,美伊戰爭,和緩的情況,開始提升和緩的話。然後川普也沒有那麼,霸道的情況之下,石油運輸量開始提升的時候,應該整個通膨就會,稍微好一點。對,但是,還在問題問題還在。他只是延長。

這件事情確實是這樣除非哪一任,換了總統之後,或是民主黨上來之後,就像拜登一樣,不打就全部撤掉這樣子。這個就有可能會和緩。所以代表的事情是,實際上這一波的金融海嘯,最有可能發生,就是能源。

嗯大家,不要臉到,也是跑去跟普丁談判。所以你有發現嗎就是,其實所有的東西都是,聯動的,是聯動的然後所有東西的數據都是,可被驗證。但是,我覺得在沒有AI前,我覺得沒有人看得懂。

對,現在確實你這樣,把這個整個數據嫁接在一起是的。你說的是的,因為才從美國回來嘛。美國的物價太高太高。對啊,不可思議。你們想說吃一碗鮮芋鮮,臺幣六七百塊錢完全就是。我知道那個賣到,就是說數十的價格,還可以接受。你吃一餐下來,11塊美金上下還能接受。可是你先隨便吃一碗麵,就是那種牛肉河粉,牛肉粉那種越南麵,都20多就是,不可思議。然後一加侖的汽油,我三月去的時候是,一加侖四塊多。我現在十月再去的時候一加侖六塊多不可思議。對啊所以,這件事情就是在講數據決策。

所以數據決策真正要培養,的東西是什麼是你有沒有,提出疑問的能力。因為很多數據其實是假的,所以這個變成獨立思考,就很重要。對就是你提出,而且還要批判性的思維去跟AI問問題。

他有一個很重要的東西我們以前,以前公司在講的本質學能,就是你在這件事情上面究竟有沒有花時間,花功夫去研究。然後在這件事情上面,這個數據為什麼不合理,你要去理解他不合理的地方。

舉個例子來講,其實大廠一直在裁人,然後他們的說法都是,AI你真的覺得只是AI他一定不是AI因為他們實際上公司是賺錢的,但是公司賺錢這件事情沒有,反映在人事上不是很奇怪嗎?所以代表的事情是他們把這些,人裁掉以後然後維持那個收益,所以AI股,才被人家,質疑他其實是膨風。但是確實也是要,以歷史來看,也是要讓他破一破才會,穩定下來因為,網際網路出來也是破完之後,才慢慢的,穩定的往上漲然後所有人開始流通,用.Com這個東西。

AI勢必也是得,破一破而且真的是,一個東西流行就是,賣鏟子的先賺錢。對那個NVIDIA他就是賣鏟子的所以就先賺錢。對,這個後面或是要破掉,才會再重新回覆到秩序。然後法令法規出的來,才會在軌道上。對,概念是這樣所以呢,我們這一集呢不是在叫人家說,說我們要開始賣空我沒有這樣講。

被尬死不關我的事,但實際上的狀況就是,其實現在的東西包,含是我們在做數據,在AI時代下,真的能夠做到很,很細部的,不管是資料的收集或者是,這些東西的決策,變得相對性而變得簡單。但也同時回到一件事情上面是,你究竟對這些,資訊來源對這些數據,你是能夠抱有一定的,判斷能力甚至是,質問能力。

我講的是質問能力。對用這樣的方式來去確認這些東西,能不能得到一個,能被說服的一條路能夠搞懂所以,我們以前都不懂,石油漲價到底跟我,們有什麼關係有啦。加油還是有感覺,加油當然會有感覺。但這件事情,它其實是聯動的,因為你看美國倒臺灣也倒了。而且,還有另外一件事情,臺灣的40%GDP來自於臺積電是的。如果資料中心倒,臺積電一定首當其衝,那會很慘。所以臺積電慘就是大家一起慘。概念上就是大家一起慘是的。那樣在每一集的最後我會跟大家,提出三個互動。第一個事情是 你們在你們的產業上面,有沒有已經在分析的數據?那對於這些數據目前的掌握如何?他是不是已達到他的所謂的功能性,還是安慰劑?

第二件事情是,在這些數據的背後,你有沒有看到一些隱藏的問題或者是潛在的機會?嗯,這第二個問題。第三個事情是,你現在有在對於除了你以外的數據去做收集,不管是資料啊,你怎麼看待這些資料,跟怎麼運用這些資料,跟你未來想要怎麼樣用這些資料來去擴張你的企業?

我覺得這三件事情都很重要,就大家分享。好,那這就是今天的內容啊。我們覺得這個剛那個其實蠻有趣的。嗯,蠻有趣的。應該很少人能夠跟你談這件事。我只有我這麼無聊的人會跟你談這件事。對著 AI 流口水的人就是他。好,那就今天就先到這樣了。

我是Jayden,我是Lucas。我們下一集銷波快速見,囉,大家拜拜。

接著聽什麼UP NEXT

浪 THINKING 系列的其他集數

這集是獨立的一集。同一條軸上還有其他主題走完的過程。

聽一集看看 →