然而，許多研究都顯示，人的記憶其實很不可靠，建立在記憶之上的經驗自然也是如此。因此，在企業數位轉型逐步落實的過程中，資料決策與經驗決策之間的衝突，必然會頻繁上演。機器收集到的資料跟分析，也不一定完全可靠，特別是在很多數位轉型只做半套的公司中，資料的信度跟效度，會是一個很大的問題。
因此，對於正在推動數位轉型的製造業而言，事實上也不宜太過相信機器給出的資料分析結果，除非對資料收集、分析的方法論，以及許多執行層面的問題有極高的信心。
而這個情況勢必會讓資料決策跟經驗決策的衝突，變成一個更難解的問題。
資料採集/分析可靠嗎？ 先問執行與方法論
一般來說，拜感測技術進步之賜，現在用資料採集設備取得的資料，都有相當高的可信度。但對製造業應用而言，因為感測器通常是安裝在遠比感測器要大上幾十倍的機台設備上，因此，感測器裝在何處？如何安裝等技術細節問題，都可能會影響到感測器取得的數值。
此外，就像機台某些零件在持續運作的過程中，會有飄移、老化等問題，感測器本身其實也會有飄移跟老化現象，特別是在某些極端嚴苛環境或特殊應用領域，感測器有時本身就是一種近似耗材的設備，需要定期細心維護保養。
因此，當製造業的數位轉型計畫執行到一定階段，開始有資料收集、分析能力之後，管理者最該嚴格檢視的是這些感測器資料的信度與效度。如果感測器得到的資料本身就有信度跟效度問題，就不用談更進階的資料決策了。
除了與感測器有關的問題外，有時機台參數的設定，也是隱藏魔鬼的細節。有些機台會不斷把生產過程中記錄下來的參數儲存起來，以建立生產履歷。然而，有些工站的操作員為了追求帳面上的良率數字好看，或是盡可能減少停機維護的時間，提高生產績效，會把製程參數的容許範圍設定稍微放大，其結果就是產出品的公差範圍會跟著變大。但由於容許值設定被調整過了，因此設備錄得的資料，表面上看起來是一切正常的。
如果後站對來料公差的容許值夠大，或是後站的加工程序不會讓公差進一步擴大，這通常還不成問題。但如果後站本身對來料公差的容許值很低，或是加工程序會進一步擴大公差，其結果就是半成品在經過幾道製程步驟後，不良率會突然竄升。這對於仰賴資料做決策的生產人員來說，會是一個很棘手的問題，因為產品加工的良率突然下滑，原因不是發生在良率突然降低的工站，而是前面幾站就已經有問題了。
通常，產線作業員不應該有這麼大的操作權限，可以調整這類參數設定。但有設備業者表示，把機台管理權限下放給作業員，是很多製造業者都會做的事情。因為若把管理權限設得太嚴謹，甚至中央統一控管，則機台發生任何問題都要靠產線領班或產線工程師處理，這些管理者會疲於奔命，產線運作也會不順暢。
這也衍生出一個問題，為了追求生產效率，每個產線一定都有標準作業流程(SOP)，但當企業開始推動數位轉型時，已經建立的SOP很可能是有問題的，必須重新進行梳理跟檢視。PCB大廠臻鼎的董事長沈慶芳就曾說，該公司的智慧工廠發展策略分成集合、整合跟融合三個階段。
在集合階段，最重要的工作就是對現有作業進行梳理，確定SOP是沒問題的，然後才是開始導入自動化、模組化生產，並引入精密控制、視覺整合等技術。把集合工作做好後，進入整合階段，才開始建構IT系統，導入生產追溯、品質追溯、資訊串聯、工程改善等機制，技術方面則開始推動設備連接化及產品輸送智慧化等技術。
到最後的融合階段，臻鼎才開始聚焦在解決運作痛點，追求生產品質提升、智能生產排程，並導入EDA跟大數據分析、AI、機器學習等技術。
從臻鼎分享的經驗來看，對於剛開始導入資料決策模式的製造業者來說，應該反覆追問的問題有二：一、產線設備所收集到的資料可靠嗎？二、分析人員有足夠的能力，從資料的表象中看出真實問題所在嗎？
在半導體產業，特別是在前段晶圓製程，因為自動化跟機聯網已經導入多年，加上產品製造過程中，對於任何參數飄移或公差的變化都非常敏感，因此晶圓廠跟設備業者都已經發展出一整套用來確保資料品質的方法論，並落實在設備的日常操作跟管理上。但對於其他製造業來說，要一步做到這個水準，可能是相當困難的。因為這不只是技術問題，也是管理政策跟組織文化的問題。
數位轉型需與組織文化再造連動
在數位轉型推動初期，企業管理者最需要關注的，是資料品質跟資料分析能力的問題。高品質的資料是產出高品質分析結果的必要條件，但光有高品質資料是不夠的，還要有具備領域知識的資料科學家來分析，才能產出高品質的分析結果，進而做為管理階層決策的參考依據。
旺宏電子早在1991年就開始發展自家的sNOVA系統，在那個人工智慧還只是學術理論的年代，為何旺宏就開始投入開發自己的數據分析平台？旺宏資深處長涂凱文給出了答案：為了把工程師腦袋裡面的Know-how用資料分析的手段保存起來。
旺宏的主力產品雖然是唯讀記憶體(ROM)、NOR快閃記憶體等利基型產品，但同樣會受到記憶體產業景氣循環的影響。在記憶體產業景氣不佳的時候，很難開出有競爭力的薪資留才。因此，旺宏的管理層思考出一套做法，想藉由資料分析把工程師腦中的知識固化成資訊系統，歷經二十多年的累積演變，才成為旺宏今天引以為傲的sNOVA平台。
在sNOVA逐步發展的過程中，一開始公司內部確實有懷疑，因為當時大數據分析的概念還沒出現，人工智慧更只是學術研究的題目。很多人都會懷疑，真的能靠資料分析來維持半導體廠的營運嗎？
但在旺宏管理層的堅持跟主導下，旺宏的資訊部門開始一步步推動，從最基本的布建感測器、進行資料蒐集開始，到後來建立起廠務、製程控制、設備機台壽命等各式各樣的統計模型，並據此預測廠務設備調度需求、晶圓瑕疵趨勢、機台故障預兆診斷等，證明模型準確度高於人基於經驗法則的判斷後，現在公司的大小管理階層都已經養成靠統計資料做決策的習慣。
涂凱文回憶說，這一路走來有許多不足為外人道的故事，例如一開始在做機台改造，布建感測器的時候，因為IT團隊懂統計、數據分析跟寫軟體，不是半導體製造專家，根本不知道要收集哪些資料，就算收集到，資料品質常常也很差。如果不是製程團隊、廠務團隊的協助，幫IT團隊畫重點，sNOVA是不會成功的。
另一方面，在確定資料品質可靠之後，IT團隊如果只停留在資料可視化，沒有進一步發展出輔助決策系統，這樣的IT團隊只會製造問題，而不是解決問題。旺宏sNOVA平台現在每天會記錄超過40億筆資料，產出數十萬張圖表，如果沒有靠機器系統幫忙過濾，聚焦在異常徵兆或現象上，完全靠工程師人力判讀，絕對會變成災難，並引發公司內其他部門的不滿。如果不做資料過濾、不做分析預測、不做決策輔助系統，那不如不要做智慧製造。
旺宏的成功故事，對其他有意發展智慧製造的製造業者，至少可以帶來四個啟示：
一、由上而下的充分授權跟支持，讓IT團隊可以好好做事。
二、現場團隊必須跟IT團隊緊密配合，才能幫助IT團隊把系統建置好。
三、IT團隊必須要發展出決策輔助系統，並證明系統判斷的準確率高於人基於經驗的判斷。
四、使用者必須養成基於資料做決策的習慣跟文化，否則空有系統也沒用。
第三點跟第四點是許多製造業者在推動數位轉型時很容易落入的陷阱。如果IT團隊只做資料可視化，沒有進一步將資料梳理成可以決策輔助的資訊，這種數位轉型只是半成品，對企業營運的幫助有限，甚至反而會製造組織內的衝突。另一方面，如果決策輔助系統已經到位，但管理者仍未建立依照資料做決定的習慣，決策輔助系統的建置自然失去意義。
管理者的責任：善用KPI工具
企業要成功推動數位轉型，建立起資料決策的企業文化，最重要的其實不是技術。事實上，智慧製造或數位轉型，除了數位雙胞胎(Digital Twins)的建置涉及到複雜且授權費用不低的專業模擬軟體外，絕大多數台灣製造業目前正在推動的數位轉型，所使用的工具跟技術都是很成熟的，有些甚至還已經是開放原始碼的免費軟體。
舉例來說，很多產線設備上都有人機介面(HMI)設備，作業員每天上班的工作內容，就是進行重複的資料輸入操作。但這種重複輸入的工作，早已可用按鍵精靈這種隨手可得的免費軟體來處理，只是工程師可能要會撰寫腳本。
因此，在探討技術問題之前，企業管理者必須先釐清自家公司的數位轉型目標究竟為何，推動過程中如何創造有利的「人和」條件，讓公司裡的各個部門都願意通力合作，完成必要的系統建置。最後才是談技術相關的問題。創造人和是數位轉型裡最艱鉅的挑戰，因為數位轉型通常都是為了提升企業經營效率、導入自動化，而這對員工來說，是很有威脅性的–飯碗可能會因為自動化而不保。
至於對中階管理者來說，從主觀決策轉向資料決策，某種程度上意味著自己過去累積的經驗將變得沒有價值，儘管事實上並非如此。沒有人的智慧，不會產生人工智慧，但害怕自己被取代，是職場人的生物本能。因此，管理者必須設法排除這些非理性因素對數位轉型的干擾。
還有一種情況是製造業在進行數位轉型時常出現的問題：KPI目標的矛盾。對製造主管來說，產能利用率跟生產效率是最重要的績效指標，但在建置決策輔助系統時，除非是新建廠房，否則幾乎無可避免地會涉及機台停機改造、布建工業物聯網等基礎建設的施作。此外，IT團隊不是製造領域的專家，要讓IT團隊理解製造現場的狀況，影響生產良率跟機台健康狀況的關鍵指標為何，現場的專家團隊必然要提供額外指導，這也會影響其工作。
如果要讓IT團隊跟其他現場專家團隊合作無間，在進行數位轉型的過程中，企業管理者必然要調整現場團隊的KPI設定，讓這些專家得以暫時放下效率至上的思維，把心力跟資源放在跟IT團隊合作上。如果KPI設定不調整，對現場狀況完全不懂的IT人，會是製造專家團隊的包袱。
