01
得到答案，不等於理解。
答案解決一個特定的疑問，也隨著那個疑問一起過期。理解是另一回事：辨認出模式、對成因起疑，並把學到的東西用在還沒發生的情況上。
資料庫、資料倉儲、BI、雲端、人工智慧：每一波都承諾要讓企業資料人人可用。數十年後，做決定的人還是在問別人。技術回答得更快了，提問的人卻什麼都沒變。
答案解決一個特定的疑問，也隨著那個疑問一起過期。理解是另一回事：辨認出模式、對成因起疑，並把學到的東西用在還沒發生的情況上。
當互動停在一個孤立的答案，幾乎什麼都留不下來。當它把同一件事攤開成好幾個角度，提問的人帶著累積離開——下一個問題一出生就更好。
組織不會因為儲存資訊而學習。它們學習，是當更多人能讀懂自己的數字、分享自己的發現，並在下一次做出更好的決定。
分析師和資料團隊依然不可或缺。但他們最大的價值不是回應需求，而是搭好讓公司其他人能自己提問的結構。
讓任何工作者——不論職位或技術背景——都能探索公司的資料、看見其中的關聯，並用在自己的工作上，不必開口拜託任何人。
讓資料不再被鎖在一份報表、一套工具或一個部門裡。讓不同部門、不同國家、不同語言的人，持續學習同一份事業。
我們不想做一套更快的工具。我們想做一套在使用結束後，留下自主能力的工具。
技術應該縮短人與決策之間的距離，而不是多加一層要跨過的門檻。
好的分析不是丟出一個答案就收工。它打開角度，讓提出假設的人自己去驗證假設。
我們的工作是一開始扶著你，之後愈來愈不被需要。製造依賴的軟體，解錯了問題。
資料庫、模型、圖表和 AI 都是手段。沒有一項是產品。產品是一個人更懂自己的事業。
Luminy 誕生於一個在每家拜訪過的公司都重複出現的問題：資料只增不減，理解卻始終集中在同樣的少數幾個人身上。
平台一開始解決的是取用的問題：任何人都能用自己的說法提問，並得到視覺化的答案。
用著用著，人們不再問「發生了什麼」，開始問「為什麼」、「在哪裡」、「接下來該怎麼做」。
我們明白了：手上做的東西和兩者都不競爭。它是更上面的一層，專門用來養成提問的人。
現在的工作，是打造把這份能力帶往其他市場的生態系。