很多老闆談數位轉型，第一個問題是「要買哪一套系統」。這個問題很合理，但順序可能反了。我們這一年陪幾家中小企業導入系統，從專業洗滌、先進材料到客製團服，產業完全不同，真正的起點卻都很像：一張每個月都要重做一次的表。
這是《中小企業數位轉型，一步一步來》系列的第一篇。我們把實際導入時走過的順序整理成四個階段，每個階段只看一個數字。不用一次做完，但順序最好不要跳。
先別問買哪套系統，先問哪張表每個月都在重做
每家公司都有這樣一張表。月底對帳的時候，要從出貨單、簽收單、LINE 訊息裡把數字一筆一筆抄進去；客戶問報價的時候，要打開上一張相似的報價單改數字；工廠要開工的時候，要把訂單內容再打一次給廠商。
這張表的特徵很好認：
- 固定週期一定會出現。每個月、每張訂單、每一位客戶都要做一次。
- 只有一兩個人會做。那個人請假，這件事就停下來。
- 錯了要回頭追。數字對不起來，就要翻好幾個地方的原始紀錄。
- 同一筆資料被打了好幾次。報價打一次、訂單打一次、對帳又打一次。
符合越多條，越值得當成第一個數位化的對象。原因很實際：它的成本每個月都在發生，所以改善也每個月都看得到。第一個專案看得到成效，後面的專案才推得動。
四個階段，每個階段只看一個數字
下面這張表是我們在幾個導入案裡實際走過的順序。建議存下來，每走完一個階段，回來看一次那個數字有沒有變好。
| 階段 | 要做的事 | 只看這個數字 |
|---|---|---|
| 一、找出那張表 | 挑一個每月重複、只有少數人會做、錯了要回頭追的流程 | 每個月花在這張表的工時 |
| 二、讓數字從源頭就對 | 資料在發生的當下由經手的人輸入，不再事後抄寫 | 每個月要回頭更正的筆數 |
| 三、把資料接起來 | 報價、訂單、製單、對帳用同一筆資料往下流 | 同一筆資料被重打幾次 |
| 四、才讓 AI 上場 | 在乾淨的資料上做預測、推薦、預警 | 一個業務指標，例如缺貨次數或提案時間 |
很多公司想直接跳到第四階段，因為 AI 最吸引人。但 AI 需要的是乾淨、連續、定義一致的資料，而這正是前三個階段在做的事。跳過前面，AI 只會用更快的速度算出錯的答案。
階段一：那張表就是你的規格書
在一家專業洗滌業者的案子裡，我們做的第一件事不是畫系統畫面，而是把過去幾個月的月結表全部讀過一遍。結帳日怎麼定、計費方式有幾種、哪些例外每個月都會出現，答案全部藏在這些表裡。
這也是為什麼我們建議老闆在找任何廠商之前，先把這張表和它過去幾個月的實際內容準備好。比起口頭描述，真實的資料更能讓雙方在第一次見面就談到重點。這部分會在系列第二篇展開。
階段二：先決定誰在哪裡輸入
數字從源頭就對，關鍵不在系統功能多強，而在輸入的人用不用得順手。同一個系統，送貨司機在路上用手機、現場人員在工作台用平板、主管在辦公室用電腦，三種情境需要的畫面完全不一樣。
我們在導入時會先排出裝置的優先順序：誰最常輸入、在什麼地方、手上還拿著什麼東西。這一步決定了按鈕要多大、要不要支援標籤列印、表格在手機上要不要改成卡片。週邊硬體也一樣，像標籤機這類設備，建議先拿實機測過再下單，不要只看規格表。
階段三：讓同一筆資料往下流
在一家客製團服與紀念品業者的導入案裡，最花時間的不是任何單一步驟，而是同一筆資料在報價、訂單、工廠製單之間被重打好幾次。每重打一次，就多一次出錯的機會。
把資料接起來之後，報價確認了就能轉成訂單，訂單確認了就能產生製單，數字只需要在源頭輸入一次。這個階段通常是老闆最有感的，因為省下的不只是工時，還有「到底哪一份才是對的」的溝通成本。這部分會在系列第四篇談。
階段四：AI 上場，而且不一定在你以為的地方
走完前三個階段，AI 才有好的資料可以用。這時候 AI 能做的事可能比想像中多，而且不一定只是省人力：
- 把老師傅的經驗變成數字。洗滌業者的布品耗損，過去靠資深人員憑經驗估。有了連續的紀錄，就能讓系統提出修正建議，再由人決定要不要採用。系列第三篇會談這件事。
- 長出新的產品線。一家先進材料業者把「客戶需求換算成材料配置」這段判斷交給 AI，輸入 4 項參數，1 秒內就給出 3 組配置建議，協助他們切入高性能運動裝備的新品類。系列第五篇會談這件事。
反過來說，也有些流程不需要 AI。我們在團服業者的案子裡就刻意不放 AI 報價，因為那個流程真正卡住的是欄位與防呆，不是判斷。知道哪裡不用 AI，跟知道哪裡要用一樣重要。
一個常被忽略的條件：資料要能帶回家
不管選哪一套系統，建議在簽約前問清楚一件事：貴司的資料能不能隨時匯出成自己看得懂的檔案，放在自己的雲端。系統可以換、廠商可以換，但資料是公司這幾年營運累積下來的資產。能隨時帶回家，貴司才保有選擇權。
常見問題
公司規模很小，也需要數位轉型嗎？
規模越小，越適合從一張表開始。小公司的優勢是流程短、決策快，一個流程改好，效果很快就會反映在每個月的工時上。不需要先有完整藍圖，先把最常重做的那件事處理掉，就是很好的開始。
可以直接從 AI 開始嗎？
可以試，但成效通常取決於資料的狀態。如果資料散在不同的表格、定義不一致、常常要人工更正，AI 能發揮的空間就很有限。比較穩的做法是先讓數字從源頭就對，再讓 AI 在乾淨的資料上工作。
第一個流程要怎麼挑？
挑固定週期一定會出現、只有一兩個人會做、錯了要回頭追、同一筆資料被打好幾次的那一個。符合越多條，改善越容易被看見，也越容易爭取團隊支持下一個專案。
如果貴司想找出自己的那張表，歡迎聯絡品得網絡。我們的導入從一次流程訪談開始，先找出最值得改的那一個流程，再談系統。也可以先看看我們的導入案例。
