01://SCOPE
適合對象
營運、財務、行銷、客服或產品團隊已經有資料，但每天仍靠人工整理、比對、查找或判斷。
2://SERVICES
把資料與 AI 做成能上線、能交接、能營運的系統。
從策略、資料工程、分析模型到 AI 應用，我們把服務拆成清楚的交付模組，讓決策、系統與團隊能力一起往前推進。
02://SCOPE
第一期節奏
通常先用 2–4 週完成 audit、資料盤點、原型與驗收標準，再決定是否擴成正式系統。
03://SCOPE
你需要準備
一個想改善的決策或流程、目前使用的報表/文件/系統，以及能一起驗收的內部使用者。
2B://PACKAGES
常見第一期方案包
把抽象需求拆成可啟動的第一期，先交付能被使用者驗收的版本，再決定是否擴大。
01
2 週資料盤點 Sprint
資料分散、報表靠人工整理
- 資料來源地圖
- 欄位與權限盤點
- 第一期驗收標準
客戶需準備
洽談這個方案現有報表、系統清單、主要使用者
02
3–4 週Dashboard MVP
主管或團隊需要穩定決策視圖
- KPI 定義
- 互動儀表板
- 操作說明與移交
客戶需準備
洽談這個方案指標定義、樣本資料、決策會議節奏
03
3–5 週RAG 知識庫
文件、客服或內部知識找不到標準答案
- 文件整理
- 檢索流程
- 回答來源與權限規則
客戶需準備
洽談這個方案文件樣本、常見問題、使用角色
04
4–6 週AI Workflow Pilot
流程有大量重複判斷或人工審核
- 流程設計
- AI 輔助節點
- 監控與人工覆核紀錄
客戶需準備
洽談這個方案流程步驟、例外情境、審核規則
2C://ALIGNMENT
合作前會先釐清什麼
不是要求客戶一次準備完整規格，而是把模糊需求整理成能估範圍、能驗收、能導入的路線。
決策場景
這次要改善哪個決策、流程或工作量？成功後誰會每天使用？
資料現況
資料在哪些系統、表格或文件裡？哪些欄位、權限和更新頻率需要確認？
導入方式
第一期要先做 audit、dashboard、RAG、流程自動化，還是先用 prototype 驗證？
驗收與移交
如何判斷第一期成功？誰負責維護、操作和後續迭代？
3://SERVICE PROCESS
這一頁不是服務清單，而是導入路徑。
01
Audit
看現況、資料缺口、工具堆疊與團隊限制。
02
Prototype
做出可以被使用者試用的 AI / 數據原型。
03
Launch
把原型變成可維運、可交接的流程。