DX最強數位轉型實作力：優化業務流程X制定精準改善措施X建立商業價值模型→導入客製化專屬獲利模式
活動訊息
2026年7月選書
讀懂全球首富極限思維
都市傳說第三部2：永樂鎮魂樓
飛吧，鴻！：母親、我與中國（暢銷全球逾1500萬冊《鴻》最新系列作）
內容簡介
本書特色
‧必備的DX知識：類比資訊資料化、作業的自動化（系統化、AI辨識、AI執行）、決策的高度化；人才與軟硬體資源；機器學習（演算法、建立訓練資料、建構模型、精確度評估）
‧有效的解決know-how：掌握整理運作現況與問題假設→重新規劃DX後的業務流程→篩選應優先推動的重點改善措施
‧具體的實作案例：POS資料可視化的實作、預測模型的實作、跨部門整合預測模型（LTV顧客終身價值）
透過DX理出問題點，推動更有效率的業務流程；
建構模型分析資料，據以制定改善措施，創造獲利模式
DX（數位轉型）是指「以數位技術改變企業的業務」，透過AI科技的輔助，可讓業務流程與機制數位化、作業自動化，並透過資料分析及模型建構（如本書實作案例：利用POS資料深入分析獲利驅動因素，找出獲利模式；建立預測模型，提示客戶解約風險，制定改善措施；模擬評估顧客在一家企業不同通路的購物模式，跨部門整合，讓未來整體獲利達最大化），提升判斷與決策的精確度，讓企業經營可持續進化，並增加市場競爭力。
本書是為了肩負全公司DX推進與落實的負責人而寫。作者綜整過去與客戶反覆試錯的經驗和know-how，涵蓋基本知識篇及實作篇，完整說明企業如何一步步將資料轉化為決策、將模型設計落實於營運計畫。這不只是一本介紹機器學習或資料分析的技術書，更是一本協助企業將DX從概念落實到現場實務的實戰工具書。
‧必備的DX知識：類比資訊資料化、作業的自動化（系統化、AI辨識、AI執行）、決策的高度化；人才與軟硬體資源；機器學習（演算法、建立訓練資料、建構模型、精確度評估）
‧有效的解決know-how：掌握整理運作現況與問題假設→重新規劃DX後的業務流程→篩選應優先推動的重點改善措施
‧具體的實作案例：POS資料可視化的實作、預測模型的實作、跨部門整合預測模型（LTV顧客終身價值）
透過DX理出問題點，推動更有效率的業務流程；
建構模型分析資料，據以制定改善措施，創造獲利模式
DX（數位轉型）是指「以數位技術改變企業的業務」，透過AI科技的輔助，可讓業務流程與機制數位化、作業自動化，並透過資料分析及模型建構（如本書實作案例：利用POS資料深入分析獲利驅動因素，找出獲利模式；建立預測模型，提示客戶解約風險，制定改善措施；模擬評估顧客在一家企業不同通路的購物模式，跨部門整合，讓未來整體獲利達最大化），提升判斷與決策的精確度，讓企業經營可持續進化，並增加市場競爭力。
本書是為了肩負全公司DX推進與落實的負責人而寫。作者綜整過去與客戶反覆試錯的經驗和know-how，涵蓋基本知識篇及實作篇，完整說明企業如何一步步將資料轉化為決策、將模型設計落實於營運計畫。這不只是一本介紹機器學習或資料分析的技術書，更是一本協助企業將DX從概念落實到現場實務的實戰工具書。
目錄
前言
第Ⅰ部
DX實務負責人必須掌握的基本概念
第１章 本書所涵蓋的DX範圍與定義
１為什麼DX要從「既有事業」、「業務部門」開始著手
２數位化可分為「資料化」、「自動化」、「高度化」三種類
３DX不是目的，只是手段的一部分
第１章重點整理
第２章 DX實作的流程
１首先，從業務流程再設計開始
２擴大DX實作的範圍，推動企業文化的轉變
３透過實務案例，掌握DX實作的具體樣貌
第２章重點整理
第３章 DX實作所需的資源
１透過內部人才彼此補足所需技能，並在培育與關鍵環節中善用外部人才
２無論是硬體還是軟體，都應以小規模、快速啟動為原則
第３章重點整理
第４章 機器學習的基本概念
１為什麼DX負責人需要了解「機器學習」？
２機器學習，就是讓模式辨識能力大幅提升的一種技術
３機器學習的運作原理（監督式）──以過去的模式為基礎，預測正確的機率或數值
４機器學習的運作原理（非監督式）──從用來分析模式的變數中，找出傾向相近的群組
５機器學習模型的建構流程（CRISP-DM）
６《資料蒐集》──不僅要累積樣本數，也要增加有效的變數
７《建立訓練資料》①──定義與措施相符的「目標變數」
８《建立訓練資料》②──將可能影響預測的「說明變數」建立連結
９《模型建構》──選擇演算法
１０《評估》──評估模型的精確度
第４章重點整理
第Ⅱ部
DX實作實務
第５章 業務流程再設計
Introduction
掌握業務流程應繪製到何種細緻程度，
並一邊想像自家公司情況一邊閱讀
１找出課題假說與措施假說，重新設計DX導入後應有的業務流程案例
２業務流程再設計所需的五項產出成果
３
Step 1《建立「業務、課題假說與措施假說一覽表」》
掌握現行業務與課題假說
４
Step 2《建立「現行業務流程圖」》
整理現行的業務流程
５
Step 3《建立「DX後業務流程圖」》
重新設計理想的業務流程
６
Step4《製作「措施假說可減少的工時幅度」》
試算生產力提升幅度，展現DX的價值
７
Step5《製作「措施假說優先順序一覽表」》
從多個面向評估措施假說，決定推動優先順序
第５章重點整理
第６章 可視化的實作
Introduction
利用POS資料深入分析獲利的驅動因素以及
叢集分析的應用時機
１透過高解析度掌握門市課題，制定精準對策的可視化案例
２拆解獲利驅動因素
３依獲利驅動因素擬定改善措施
４將客群特性相近的門市進行分類《聚類分析》
５商品陳列予以調整
６商品組合予以替換
７在不多不少地售完商品的前提下，提供最佳折扣時機建議
８生產過量商品的縮減
第６章重點整理
第７章 預測模型的實作
Introduction
著重於具商業意義的模型設計，以及整合既有資料模型與
新增資料的風險判定與提示方法
１將客戶解約風險量化並加以抑制的預測模型實作案例
２在不增加業務人力的情況下，降低解約率
３Step 1建構預測解約的機器學習模型
４Step 2整合資料與現場資訊，判定客戶解約風險
５Step 3將客戶的解約風險資訊呈現給第一線業務人員
６Step 4追蹤執行狀況與成果，及早發現問題
第７章重點整理
第８章 跨部門整合預測模型的實作
Introduction
跨部門整合預測模型
聚焦於LTV的計算邏輯與LTV的模擬方法
１找出符合全公司最佳化的措施獲利模擬案例
２跨部門整合的關鍵在於LTV
３Step 1定義LTV
４Step 2建立多個機器學習模型，並進行跨部門整合
５Step 3模擬LTV的變化，評估措施的有效性
６Step 4建立預測模型與因果假說的演進循環
第８章重點整理
後記‧謝辭
中日英文對照表及索引
第Ⅰ部
DX實務負責人必須掌握的基本概念
第１章 本書所涵蓋的DX範圍與定義
１為什麼DX要從「既有事業」、「業務部門」開始著手
２數位化可分為「資料化」、「自動化」、「高度化」三種類
３DX不是目的，只是手段的一部分
第１章重點整理
第２章 DX實作的流程
１首先，從業務流程再設計開始
２擴大DX實作的範圍，推動企業文化的轉變
３透過實務案例，掌握DX實作的具體樣貌
第２章重點整理
第３章 DX實作所需的資源
１透過內部人才彼此補足所需技能，並在培育與關鍵環節中善用外部人才
２無論是硬體還是軟體，都應以小規模、快速啟動為原則
第３章重點整理
第４章 機器學習的基本概念
１為什麼DX負責人需要了解「機器學習」？
２機器學習，就是讓模式辨識能力大幅提升的一種技術
３機器學習的運作原理（監督式）──以過去的模式為基礎，預測正確的機率或數值
４機器學習的運作原理（非監督式）──從用來分析模式的變數中，找出傾向相近的群組
５機器學習模型的建構流程（CRISP-DM）
６《資料蒐集》──不僅要累積樣本數，也要增加有效的變數
７《建立訓練資料》①──定義與措施相符的「目標變數」
８《建立訓練資料》②──將可能影響預測的「說明變數」建立連結
９《模型建構》──選擇演算法
１０《評估》──評估模型的精確度
第４章重點整理
第Ⅱ部
DX實作實務
第５章 業務流程再設計
Introduction
掌握業務流程應繪製到何種細緻程度，
並一邊想像自家公司情況一邊閱讀
１找出課題假說與措施假說，重新設計DX導入後應有的業務流程案例
２業務流程再設計所需的五項產出成果
３
Step 1《建立「業務、課題假說與措施假說一覽表」》
掌握現行業務與課題假說
４
Step 2《建立「現行業務流程圖」》
整理現行的業務流程
５
Step 3《建立「DX後業務流程圖」》
重新設計理想的業務流程
６
Step4《製作「措施假說可減少的工時幅度」》
試算生產力提升幅度，展現DX的價值
７
Step5《製作「措施假說優先順序一覽表」》
從多個面向評估措施假說，決定推動優先順序
第５章重點整理
第６章 可視化的實作
Introduction
利用POS資料深入分析獲利的驅動因素以及
叢集分析的應用時機
１透過高解析度掌握門市課題，制定精準對策的可視化案例
２拆解獲利驅動因素
３依獲利驅動因素擬定改善措施
４將客群特性相近的門市進行分類《聚類分析》
５商品陳列予以調整
６商品組合予以替換
７在不多不少地售完商品的前提下，提供最佳折扣時機建議
８生產過量商品的縮減
第６章重點整理
第７章 預測模型的實作
Introduction
著重於具商業意義的模型設計，以及整合既有資料模型與
新增資料的風險判定與提示方法
１將客戶解約風險量化並加以抑制的預測模型實作案例
２在不增加業務人力的情況下，降低解約率
３Step 1建構預測解約的機器學習模型
４Step 2整合資料與現場資訊，判定客戶解約風險
５Step 3將客戶的解約風險資訊呈現給第一線業務人員
６Step 4追蹤執行狀況與成果，及早發現問題
第７章重點整理
第８章 跨部門整合預測模型的實作
Introduction
跨部門整合預測模型
聚焦於LTV的計算邏輯與LTV的模擬方法
１找出符合全公司最佳化的措施獲利模擬案例
２跨部門整合的關鍵在於LTV
３Step 1定義LTV
４Step 2建立多個機器學習模型，並進行跨部門整合
５Step 3模擬LTV的變化，評估措施的有效性
６Step 4建立預測模型與因果假說的演進循環
第８章重點整理
後記‧謝辭
中日英文對照表及索引
配送方式
-
台灣
- 國內宅配：本島、離島
-
到店取貨：
不限金額免運費
-
海外
- 國際快遞：全球
-
港澳店取：
訂購/退換貨須知
加入金石堂 LINE 官方帳號『完成綁定』，隨時掌握出貨動態：
提醒您！！
金石堂及銀行均不會請您操作ATM! 如接獲電話要求您前往ATM提款機，請不要聽從指示，以免受騙上當！
退換貨須知：
**提醒您，鑑賞期不等於試用期，退回商品須為全新狀態**
-
依據「消費者保護法」第19條及行政院消費者保護處公告之「通訊交易解除權合理例外情事適用準則」，以下商品購買後，除商品本身有瑕疵外，將不提供7天的猶豫期：
- 易於腐敗、保存期限較短或解約時即將逾期。（如：生鮮食品）
- 依消費者要求所為之客製化給付。（客製化商品）
- 報紙、期刊或雜誌。（含MOOK、外文雜誌）
- 經消費者拆封之影音商品或電腦軟體。
- 非以有形媒介提供之數位內容或一經提供即為完成之線上服務，經消費者事先同意始提供。（如：電子書、電子雜誌、下載版軟體、虛擬商品…等）
- 已拆封之個人衛生用品。（如：內衣褲、刮鬍刀、除毛刀…等）
- 若非上列種類商品，均享有到貨7天的猶豫期（含例假日）。
- 辦理退換貨時，商品（組合商品恕無法接受單獨退貨）必須是您收到商品時的原始狀態（包含商品本體、配件、贈品、保證書、所有附隨資料文件及原廠內外包裝…等），請勿直接使用原廠包裝寄送，或於原廠包裝上黏貼紙張或書寫文字。
- 退回商品若無法回復原狀，將請您負擔回復原狀所需費用，嚴重時將影響您的退貨權益。
商品評價