研究單位問我要不要導入 AI 做分析,我通常先反問一句:你們的資料從收進來到變成報告,中間經過幾個人、幾個檔案?多數單位答不出來。答不出來就先別買工具,先盤點。以下是主管最常問的六個問題。
01Q1:盤點要盤到多細?
細到「每一次換手」。一個典型的調查研究案,資料會經過這幾站:問卷平台收件、研究助理下載成 CSV、在 Excel 或 SPSS 裡清理、跑統計、把結果貼進圖表、再複製到 Word 報告。每換一次人或換一次檔案格式,就記一站。
每站記五件事:誰做、用什麼工具、輸入檔名、輸出檔名、花多久。不需要買流程管理軟體,一張共用試算表就夠。我的經驗是,第一次盤點常會發現一兩個「只有某位助理知道怎麼做」的步驟,那就是風險最高的地方。
02Q2:怎麼知道哪一段最值得處理?
用工時乘以頻率算,不要憑印象。假設一個季報案,清理資料每次 2 人 × 6 小時,一年 4 次,就是 48 小時;出圖每次 1 人 × 4 小時,一年 4 次,是 16 小時;但如果另一個月報案每月都要出圖 3 小時,一年就是 36 小時。
把每一站的年度工時排序,再加上一欄「出錯代價」,例如結果被退件重做的次數。工時高又常出錯的那一站,就是第一個自動化目標。這個排序表要讓研究主持人看過並簽名認可,不然做到一半會被改方向。
03Q3:AI 可以直接幫忙寫分析嗎?
可以起草,不能定稿。我會把 AI 放在兩個位置:一是清理階段,幫忙寫 Python 或 R 的轉換腳本,研究員審過再跑;二是報告階段,依統計結果起草文字描述,由研究員核對每個數字。
不建議讓 AI 直接讀原始資料再自己判斷顯著與否。研究的可信度來自可重現,每一個結論都要能從原始資料、腳本、輸出檔一路追回去。AI 起草的文字也要標記是哪一版統計輸出產生的。
04Q4:受訪者資料怎麼處理?
盤點時順便標出每一站有沒有碰到可識別的個人資料,例如姓名、電話、填答者的服務單位。原則是越早分離越好:問卷一下載,就把識別欄位拆到另一個權限較嚴的檔案,用流水編號串接,後面的清理和分析只拿去識別的版本。
這樣做之後,要把哪一段交給雲端工具或 AI 處理,判斷就簡單很多,因為多數站點根本沒有個資。這件事最好在研究計畫審查階段就寫進資料管理計畫。
05Q5:要不要直接建一套平台?
第一年不要。研究案的格式每案不同,太早做平台通常會變成只有一個案子在用。先把最痛的那一站,用腳本加排程做成半自動,跑完一個完整週期,確認省下的工時和錯誤次數,再決定要不要擴。
我在 SaaS 公司做過資料流程,學到一件事:能用檔案命名規則和資料夾結構解決的,就先不要寫系統。例如規定檔名一律是「案號_站別_日期_版本」,很多交接問題就消失了。
06Q6:第一個月該交出什麼?
三樣東西。第一,流程盤點表,涵蓋至少一個完整研究案。第二,工時與出錯排序,選出第一個改善站點。第三,該站點的改善前基準數字,例如每次清理平均時數、每季被退件次數。有基準,下個月才知道改了有沒有用。