[專訪] 核桃運算薛文蔚：每個人都可以成為資料科學家|數位時代 BusinessNext

硬體科技的進步，促成大數據

核桃運算創辦人薛文蔚指出，「目前處理大數據的技術還是在非常早期的階段，很多技術還不是很方便，這就好像我們現在回頭談70年代的電腦一樣。」

薛文蔚說，「昨天的垃圾，是明天的黃金。」隨著硬體科技不斷進步，現在儲存資料的代價很低，所以有各式各樣沒有目的的資料被儲存起來，才會形成這3-5年很紅的「大數據」概念。

大數據面臨的挑戰是，很快獲得很多資料，卻難以想像要如何處理資料。當資料量很大的時候，要怎麼做才能快速處理這些大數據？

三年前，薛文蔚遇到中國供應商的單品項管理問題，必須同時處理40萬個品項，乘上1萬個通路時，預測出來的值是幾百億點。然而，現行的資料運算架構主流根本沒辦法處理，才讓他進而去解決架構所產生的問題，直接從運算模式下手。

（圖說：核桃運算創辦人薛文蔚推出即時資料分析引擎，推翻工程師長久以來對資料運算的看法。圖片來源：郭芝榕攝影。）

顛覆資料運算模式

「我們現在還在用1945年所設計出的電腦運算模式！」（也就是范紐曼架構）薛文蔚解釋，以前記憶體很小，把資料當成外來物，程式和原始碼是一等居民，支配資料。每次要運算時，都要把資料從硬碟內搬移至記憶體運算，再搬回硬碟，花費很多時間在「搬移」。

目前大多數使用者端的資料庫和程式都以這種邏輯設計出來，薛文蔚說，這樣的工作台模式適合資料運算嗎？

所以，核桃運算3年前設計出不必搬移資料的「in-place computing model」，試圖要顛覆資料運算的模式。記憶體從32位元前進到64位元是一個很重要的觀念改變，用空間換取時間，用有效率的方式對映到現有的CPU和記憶體，創造出一個無限的空間，把程式送到資料儲存地運算，避掉資料搬移的過程。

例如，HTC就推出64位元處理器的智慧型手機Desire 820，可以把資料放在雲端、伺服器和物聯網上。

（圖說：核桃運算顛覆資料運算的模式，開發出資料運算引擎BigObject。圖片來源：取自核桃運算官網。）

此外，核桃運算在做運算時，會用各式各樣的轉換技術做分門別類，例如分開性別和收入，並善用關聯，讓4G記憶體可以跑100G資料，比MYSQL快100至1000倍。

薛文蔚指出，「只要一台64位元的電腦，就能處理幾十億筆資料，未來也可以用在手機上。降低一般人使用的門檻，展現平民化的大數據運算力量。」可處理關聯式分析、多維度分析。

未來，嵌入式裝置愈來愈多，大數據將是隨處可見的技術。他更進一步指出，未來的使用者將會是資料導向，10年後可能變成人人都對資料「有感覺」，資料科學將成為基礎知識，而非現在的專家系統。

大數據四大類：應用、產品、工具、底層科技

薛文蔚是台大資工系第一屆畢業，在哥倫比亞大學念資工博士學位，1995年就開始創業。他將大數據分成應用、產品、工具、底層科技四大類，目前切入大數據領域的新創團隊，大多都是大數據應用，包括手機、物聯網，有一大部分落在社交媒體，用心理學分析關聯度，例如兩個人的相似度。

做大數據的平台和科技比較少，薛文蔚說，底層科技還有許多可發展空間，會形成一個生態系統。台灣的強項在硬體，像是固態硬體、永久記憶體、快閃記憶體等等，核桃運算也許會進一步結合硬體，讓運算模式更快速。而10年後，底層的硬體可能會被生物記憶體所取代。

在 AI 快速進入企業營運核心的時代，數據不再只是被動的分析素材，而是 AI 模型運作與決策優化的重要基礎。

零售品牌積極累積大量第一方數據，例如會員資料、交易紀錄以及線上與線下行為數據，但因這些數據分散於不同系統，缺乏統一的身分識別機制以及明確的元數據（Metadata）定義，導致難以整合與分析，同時，也影響 AI 對這些數據資產的理解與應用。

為解決上述挑戰，Vpon 威朋將累積十餘年的實務經驗轉化為產品與服務，如 Audience Center 與 AI Agent 等解決方案，並透過專業顧問團隊協助企業完成數據收集、清理、整合與分析等關鍵流程，從資料清理到 AI-Ready 再到落地應用，讓行銷與業務團隊能以自然語言將數據查詢與分群受眾逐步自動化，大幅縮短過去仰賴技術與分析團隊溝通需求與開發分析邏輯的時間。

Vpon 助零售業打造 AI-Ready 數據基礎，以 Audience Center 驅動業務商機

如何建立 AI Ready 數據基礎建設？

Vpon 威朋數據科學經理廖宜楷指出，在 AI 驅動的時代，數據的品質決定模型價值。其中四個關鍵分別是：建構標準化的數據採集與處理管線，透過統一的工程規範，確保所有進入系統的數據在格式、維度與質量上具備高度一致性；其次是定義語義清晰的元數據（Metadata）體系，確保數據能夠被 AI 理解與使用，從而產出具備可靠性的產出結果；再來是打破企業內部的「數據孤島」，透過完整整合線上（Web/App）行為與線下（POS/CRM）會員資訊，建構全方位的會員數據輪廓，精準捕捉消費者的跨通路行為軌跡。最後，數據的價值隨時間遞減，AI 的決策品質取決於數據的「新鮮度」，因此，數據的持續更新與自動化維護，不僅能讓企業在動態市場中保持敏銳，還可進一步深化會員輪廓分析的即時性。

舉例來說，在 Vpon 團隊的協助下，台灣百貨零售龍頭透過整合 Web 與 App 行為資料，並將線上與線下數據集中於數據中台進行分析，將傳統耗時數小時的複雜資料庫分析工作縮短至秒級回應，並基於此高效率基礎，進一步開發不同業務主題的預測與分群模型，提升行銷精準度與營運決策的敏捷性。

扎實數據基礎的價值落實：Audience Center 如何賦能企業實現「數據即戰力」？

有了堅實的數據底座後，下一步是透過 Audience Center 將數據資產轉化為商業動能。

廖宜楷指出，在變化快速的零售與數位行銷市場中，速度就是競爭力。然而，仍有許多企業在數據應用上面臨嚴重的溝通與技術斷層。過去，當行銷或業務人員需要數據支持時，通常得花費繁複的內部流程申請需求、討論需求，才會進到後續的資料清理、建模與分析，最後才能得到想要的分析結果或行銷名單。這種以「週」為單位的進程，不僅拖慢了決策效率，更讓企業在競爭激烈的市場中錯失先機。

Audience Center 的核心價值在於徹底翻轉上述流程，將數據處理轉化為數據服務，透過直覺的介面與背後扎實的數據基礎支撐，讓非技術人員不用編寫程式碼，即可自行組合維度，大幅縮短從需求到執行的距離，將原先需要耗時數週的作業流程優化成秒級產出。

「Audience Center 的導入，不僅有助於提升效率，更賦予企業快速試錯與精準捕獲趨勢的能力，讓數據真正成為驅動業務增長的引擎。」廖宜楷如此總結。

以 AI Agent 重塑數據使用方式，讓數據更貼近決策流程

「Vpon 除提供 Audience Center 協助品牌發揮第一方數據資產價值、提供豐沛的第三方數據助品牌深化對客戶輪廓的掌握度，更推出 AI Agent 服務讓品牌與行銷人員能更直覺地使用數據。」Vpon 威朋數據科學資深總監陳文謙表示，在數位轉型的過程中，許多企業面臨的挑戰不僅是數據整合，更包括如何讓不同部門的人員都能更即時協作與應用數據，有鑑於此，Vpon 推出四種 AI Agent 協助企業分析與應用數據，極大化第三方數據成效：

第一，以 Reporting Agent 讓高階主管或行銷人員可以自然語言查詢數據與生成報表，即時掌握市場動態，加速決策下達與決策品質。

第二，透過 Insight Agent 確保數據分析不受分析人員的主觀意識或產業知識侷限，可以輕鬆完成跨領域數據分析、快速挖掘潛在市場機會與消費者洞察。

第三，藉由 Audience Agent 將客戶分群方式從規則導向（Rule-based）轉變為關聯導向，以關聯分析擴大受眾範圍，協助品牌找出更多潛在客群。

第四，推出 Creative Agent 協助行銷人員分析廣告素材表現的根本原因，釐清受眾喜歡的素材跟不喜歡的素材，藉此優化廣告投放內容，持續提升轉換率。

陳文謙表示：「透過 AI Agent 的輔助，品牌不僅能更快完成數據分析，也能將分析結果直接轉化為行銷策略與創意建議，降低跨部門溝通成本，讓數據真正參與決策流程。」

鏈結數據生態夥伴，以跨境數據放大行銷效益

除了協助品牌主建立 AI Ready 的數據基礎環境並提升數據使用效率，Vpon 也持續拓展數據生態圈，協助零售品牌更精準布局海外市場。

Vpon 威朋產品行銷資深經理邱心儒表示，跨境行銷過去多仰賴經驗與市場直覺，但透過數據整合與 AI 分析，品牌能更精準理解海外消費者的旅遊與消費行為。

以 Vpon 與日本 Loyalty Marketing Inc. 合作為例說明，透過雙方的獨家合作，企業可以結合 Ponta 超過一億的會員數據、問卷調查結果以及 Vpon 的七大數據來源，深入分析日本消費者的消費偏好與購買力——包括哪些日本族群對台灣品牌最感興趣、最受歡迎的台灣商品類型，以及不同客群的價格敏感度與回購行為等，將行銷決策從過往的經驗判斷轉變為精準的數據洞察，成為品牌出海的重要工具。

簡言之，對零售品牌而言，跨境數據是理解海外旅客真實樣貌的一大利器，也能進一步優化廣告投放、內容策略與商品布局，讓品牌在拓展國際市場時，可以更有效率地接觸潛在客群，放大行銷效益。

展望未來，Vpon 將持續擴展數據生態圈並優化產品服務，幫助零售品牌從數據整合、AI 分析到市場決策建立完整的數據應用循環，希望以數據夥伴的角色與品牌共同成長，打造互利共贏的數據生態。