10分鐘讀懂Open Data|數位時代 BusinessNext

[2014年8月號雜誌精選]

Q1 開放資料是什麼？

A1 開放資料（Open Data）、大數據（Big Data）兩者常被混淆。根據英國2012年發布的「開放資料白皮書」，開放資料指的是資料可以被任何人近用（Availability and Access），而且是可重製（指資料修改）、機器可讀（machine-readable）的資料格式，最重要的是，「沒有」任何使用或散布的限制。因此開放資料意涵重在「開放」兩字，是一種強調開放精神的態度及運動。而大數據重點在分析一堆高頻率獲取、大量、各種結構與類型的資料，是獲取「價值」的一種架構和技術，強調的是大量資料的商業價值或社會價值。

Q2 開放政府資料又是什麼？

A2 「政府部門」和「公有企業」本身在經營上的需要，持續生產大量資料與文件，這些資料大部分是公共資料，因此應開放提供給大眾使用。

enter image description here

Q3 開放政府資料為什麼重要？為什麼我應該要關注？

A3 也許你要說，政府目前還有很多事情比開放資料更重要，如核四續建、勞保破產、五都房價高漲等問題，開放資料和這些議題比較下不是「大事」，那你就太小看開放資料的重要性。以續建核四的爭議性來看，台灣現在到底缺不缺電？電力的需求預估都是台電自己估算，台電、工業局等政府單位應將電力需求評估所需資料全部開放攤在陽光下供大家檢視。

除了民生問題，開放政府資料也可以增加民眾對政府官員的監督力量。舉例來說，英國政府公開薪資高於15萬英鎊（約769萬元台幣）的公務員姓名、級別、職稱及年薪比率，以及台灣g0v零時政府公開政府預算編列與使用。在政府縮減預算、財政吃緊時，可以分析開放資料，知道政府預算如何使用，找到更有效率的預算使用方式。對於政府與民眾來說是雙贏的模式。

Q4 資料開放一定能帶來商機嗎？

A4 開放政府資料也是一個創業資源，創業家可以根據資料改善或是創建新的商品與服務。根據麥肯錫2013年研究報告指出，開放資料在交通運輸、教育、健康醫療等領域，預估全球每年最少可產生3.2兆美元（約96兆元台幣）產值。不過資料必須經過第三方整理分析，和生活中情境連結，解決生活問題，才能彰顯社會價值或商業產值。若沒有活躍的開放資料創業團隊或第三方開發者，所有產值數字只是空談。

Q5 各國開放政府資料的狀況？

A5 根據英國開放資料研究院（ODI）與網際網路基金會（World Web Foundation）的2013年年度報告「Open Data Barometer」，英國政府開放資料執行及成效排名第一，美國、瑞典、紐西蘭、丹麥、挪威僅次在後。英國在Open Data政策落實的成效受到高度肯定，領先歐洲各個國家。

英國是由前任首相布朗（Gordon Brown）與現任首相卡麥隆（David Cameron）等人推動，由政府最高領導人出面推動，底下各級層的配合度與整合度高。美國則是由總統歐巴馬發布行政命令，強硬要求政府各部會按照規定開放資料。

Q6 台灣開放政府資料的現況？

A6 台灣從2013年國發會設立「政府資料開放平台」（data.gov.tw）開始，已經開放2,017項以上的資料集，有超過160萬次瀏覽人數與51萬次資料下載，除了中央地府，雙北、台南市、宜蘭等地方政府也投入開放資料平台。同時台灣也有很活躍的開放政府組織，如g0v零時政府。

但台灣中央與地方政府開放出來的資料，在品質和數量上比英美等國仍有很大差距，多停留在把資料公布出來衝量的階段，卻沒有注意資料網路易用性、即時資料更新、機器易讀性、開放授權等問題，開放出來的資料雜亂無章、品質不高，很難被第三方開發者統整利用。

enter image description here

（更多精彩內容請見2014年8月號《數位時代》「開放！科技新倫敦」，全國7-Eleven、誠品等各大書店熱賣中。尊重智慧財產權，如需轉載請註明資料來源：《數位時代》第243期）

「過去我們教育教導學生如何從數據中找出標準答案，但在生成式AI的時代，標準答案往往是最廉價的。」臺大EiMBA執行長李家岩一語道破了這波商業典範轉移的核心。他認為，當資訊獲取邊際成本趨近於零，企業的競爭優勢已不再是單純的「掌握資訊」，而是「如何設計讓 AI 與人共同創造價值的流程」。這不只是一句口號，而是一場正在被驅動的轉型。從課程設計的邏輯重組，到學生創業專題的實戰演練，臺大EiMBA正將校園打造成一個允許失敗、快速驗證的「人機共創實驗場」。

告別標準答案，當教授變成「學習架構師」

「我們不再只是教導知識，而是設計學習。」李家岩指出，臺大EiMBA的課程正在經歷結構性的轉變。現在的教授角色更像是一位「學習架構師（Learning Architect）」，他們的任務不是單向輸出，而是設計出高強度的挑戰與情境，讓學生在解決問題的過程中，自然地將 AI 納入決策迴路。

以今年新開設的「雙軸轉型與人工智慧」課程為例，這並非傳統的技術概論課，而是場關於商業邏輯的壓力測試。學生不再只是繳交一份靜態的商業計畫書，反而被要求運用生成式 AI 輔助設計商業模式畫布（Business Model Canvas），甚至利用Vibe Coding技術讓不懂程式語言的商管學生，也能透過自然語言與提示工程，快速生成互動式的原型與操作介面來模擬市場反應。這項技術打破了傳統「文組企劃、理組執行」的藩籬，讓創意能即時轉化為可執行的程式碼。在這個過程中，AI 扮演的角色並非代筆的秘書，而是將概念具現化的加速器，以及最嚴厲的邏輯質疑者。

「這是我在課程中學到最深刻的一課，」臺大EiMBA二年級生、寵物百分百用戶體驗暨品牌行銷中心負責人鐘紫瀕分享道。身處近200人新創組織的高階主管，她坦言最初員工對 AI 充滿敬畏，甚至恐懼被取代。但在 EiMBA 的課堂上，她發現 AI 真正的價值在於「攻防」與「鏡像」。「老師設計了一種『沙漏式』的提問邏輯，迫使我們把策略餵給AI後，必須面對它無情的反問。」鐘紫瀕回憶，「這個市場假設有數據支持嗎？」、「你的競爭壁壘在哪裡？」這種高強度的追問，都是AI在對學員提出的挑戰，迫使她必須思考得比AI更深、更遠。「以前我們忙著找答案，現在我們學會如何設計出『連 AI 都沒想過的好問題』。AI就像一面鏡子，映照出我們思考邏輯上的盲點。」

數位孿生實戰，將「感覺」轉化為「數據決策」

除了策略層面的思維激盪，AI 在營運端的落地應用，更是讓許多直覺型創業者經歷了一場痛苦卻必要的轉型。臺大EiMBA一年級生、赤赤子設計師林宏諭對此感觸良多。

身處傳統服裝產業，過去他的經營模式多仰賴美感與經驗，「以前做決策就是憑感覺，甚至忙不過來時，連縫扣子這種小事我都自己跳下去做。」但在李家岩講授的「雙軸轉型與人工智慧」課堂上，他被迫面對冰冷的數據與流程，而這正是李家岩強調的「數位孿生（Digital Twin）」素養。

在虛擬世界中建立一個與真實工廠或商業流程一模一樣的模型，利用AI進行模擬與預測，是現代智慧製造的核心。對林宏諭而言這意味著必須將腦中抽象的「職人經驗」轉化為AI讀得懂的 SOP。「那段過程就像是被老師架著刀子往前走，非常痛苦，」林宏諭形容，為了讓 AI 能協助優化流程，他必須把每一個步驟定義清楚，無法再用「大概」、「憑感覺」含糊帶過。

雖然煎熬但成果是豐碩的。當感性的創意被裝進理性的數據框架後，林宏諭發現自己的決策不再是賭博，而是可被驗證的科學。「現在AI不僅幫我理清思緒，更像是團隊的外掛大腦。我開始能鼓勵員工使用AI釋放重複性勞動，讓大家能準時下班，去做更有價值的事。」這正是課程希望帶給學員的轉變，從「事必躬親的管理者」進化為「善用工具的跨域系統設計者」。

跨域共創，打破同溫層的「破壁效應」

如果說AI是另一位虛擬組團員那麼課堂上原本的同學們，就是來自多重宇宙的戰友。這裡匯聚了醫師、網紅、工程師、律師與傳產二代，如此多元的背景在AI的催化下，產生奇妙的化學反應。

李家岩特別提到了榮獲霍特獎（Hult Prize）肯定的「RiiVERSE」團隊。這個由臺大管院 EiMBA 與 GMBA 學生組成的團隊，成員涵蓋了時尚、行銷與創新創業等不同領域。他們利用舊衣回收再製技術，打造出循環經濟的生態圈。「這就是我們強調的跨域共創。」李家岩解釋，在過去，不同領域的專業人士溝通成本極高，但現在，AI成為了通用的翻譯機與黏著劑。

「AI不僅降低了技術門檻，讓文組生也能做Prototype，更讓理組生也能懂得商業敘事。」在這樣的環境下，創新不再是單打獨鬥，而是像RiiVERSE團隊一樣，結合理性與感性，共同回應全球永續（ESG）的艱鉅挑戰。

為了內心的狂熱，動手去做

然而，隨著AI涉入決策越來越深，一個核心問題浮現：在演算法能預測趨勢、生成文案甚至編寫程式的時代，人類領導者的價值還剩下什麼？「我們教的不是被AI取代，而是擴增智慧。」李家岩眼神堅定地說。他強調，未來的領導者必須具備三項關鍵特質：AI素養、跨域系統設計能力，以及科技人文的反思力。

其中最關鍵的，是懂得界定「自主邊界（Autonomous Boundary）」。領導者必須清楚判斷：哪些決策該放手讓 AI 自動化？哪些時刻必須保留人類的溫度與價值判斷？「例如在智慧工廠中，AI 可以預測機台何時需要維修保養，但『什麼樣的風險可以接受』、『我們要解決什麼社會問題』，這些涉及價值觀的決策，永遠需要人類來定奪。」李家岩補充道。

在李家岩眼中，真正的創新往往不是來自同類型人才的討論，而是從不同背景、不同世界觀的碰撞中誕生。「一個人能看到的只是片段，跨域合作才能讓問題完整。」他再次提到。對他而言，EiMBA 想培養的不是知道最多的人，而是能讓「各種智慧」一起工作的人。在AI與人類智慧並存的年代，領導者最重要的能力，不是掌握所有答案，而是打造一個能讓答案自然生成的組織環境。「未來需要的領導者是能整合技術與人、懂得跨域系統思考、也能『擇人(含機器人)而任勢』的人。」李家岩說，而這群充滿創業創新的管理者也將在未來商業戰場上奏出人機協作的新樂章。