[專訪] 搶當大數據科學家，5大特質你有嗎？|數位時代 BusinessNext

大數據科學家有多夯？讓我們從有史以來市值最高的科技公司蘋果看起。為搶大數據科學家，蘋果開出美金16萬到20萬（約合台幣400萬到600萬）的年薪，以及任何你想得到的好康福利：美味員工餐、健身中心、教育津貼甚至凍卵補助，但蘋果不是唯一一個需要數據科學家的公司，打開領英（LinkedIn），上頭至少有5萬3千個數據科學家的職缺，而這還只是美國的統計數字。

美國專業招聘公司羅致恆富（Robert Halt）公布的《2015薪資指南》把大數據工程師列為今年薪資漲幅最大的六大行業之一，預計薪資年成長率9.3%，平均年薪119,250美元至168,250美元，在國內根據經驗平均也有100萬到500萬的薪資行情。

鼎鼎大名的數據科學家你也許聽過不少，諸如美國白宮首席數據科學家帕帝亞（DJ Patil）、被選為全美Top 4技術長的寶立明又或者是阿里巴巴集團大數據的第一把交椅車品覺，但這些如雷貫耳的大數據科學家動輒掌管一個個國家或跨國企業的海量數據，彷彿離一般人很遙遠。其實，現在各行各業都亟需大數據科學家，你也可以加入大數據淘金潮，但到底什麼樣的人才適合做大數據的工作呢？想要搶搭大數據人才熱潮，晉身高薪一族，又需要注意哪些事情？

大數據行動廣告平台威朋是一家藉由分析行動裝置的數據，為客戶找到精準行銷目標的數據管理平台（DMP）與即時廣告競價（RTB）投放公司，業務橫跨台、日、中、港等地，數據分析為其業務核心，數據分析部門佔其人員大宗，威朋數據科學研發經理彭智楹與張嘉祜分別擁有多年數據分析經驗，現身說法分享數據科學家到底在做什麼以及如何成為數據科學家。

威朋大數據科學家
（圖說：威朋數據科學研發經理彭智楹擁有將近8年的數據分析經驗，張嘉祜則是4年。照片來源：蔡仁譯攝。）

威朋大數據科學家現身說法
張嘉祜
學歷:
臺灣大學資訊工程學系網路與多媒體研究所博士
中央大學通訊工程學系碩士
中興大學電機工程學系學士

彭智楹
學歷：
臺灣大學資訊工程研究所博士
臺灣大學物理系學士
臺灣大學心理系學士

就跟絕大數從事電腦工程的人一樣，張嘉祜和彭智楹皆畢業於資工系，在學期間就已開始從事資料分析工作，每日需與大量數據為伍，兩人皆認為在學校所學的知識和技能有助於他們進入職場從事相關工作。張嘉祜念博士時分析大量的影音多媒體資料，而彭智楹曾與生物學家合作分析生物影像，分析影像資料看似與分析廣告數據大不相同，但其實背後原則相差不遠，重點都是要從茫茫資料海中找到有價值的資訊，只是資料種類不同而已。

兩人的工作雖然都是大數據分析，但張嘉祜更專注於幫助線上廣告投放達到最大效益化，偏向商業智慧分析，並且發展幫助其他同事可以快速找到問題答案的工具，快速從大數據中檢索需要的統計資料，幫助客戶改善行銷策略。另一方面，從市場反應決定要做出什麼相對應措施，時常與點擊率、轉化率和流失率等數據為伍。而彭智楹則負責開發資料探勘系統、寫演算法和機器學習，例如預測點擊率，判斷使用者打開App時點擊廣告的機率有多大，較偏向於垂直面的研究。

特質一：定義和釐清問題

談及好的數據科學家具備什麼條件，彭智楹認為可以分成兩種等級：一種是是別人幫你把問題定義好，然後你來解開，但更厲害的是你知道怎麼找問題，什麼問題才是重要的，自己發現問題。「你要定義最有前瞻性最重要的問題，結果不只正確還要顯著性，對各領域發展有貢獻，要有商業價值和技術進步的空間，兩者能兼備是最好的。」彭智楹說。張嘉祜也認為在分析數據時，定義問題的能力很重要，因為問題分成很多層面，數據科學家必須要看當下要解決什麼問題，再用那個指標去回答。因此數據科學家首要具備的條件就是：定義和釐清問題。

特質二：想像力

不要以為數據科學家整天在電腦前面工作，只要一板一眼地分析數據就好，其實想像力也很重要。張嘉祜根據自己的工作經驗指出，有一定的創意才能幫助自己找到不一樣的觀點，學校會訓練你使用習慣的工具，但你應該要嘗試各種可能，如果沒有專業知識判斷，最後得到的結果就會跟大家差不多。

例如在威朋工作常會需要幫助客戶找到具有某種特徵的族群，這個時候若只靠經驗和專業是不夠的，還需要發揮一些想像力。「我們在描述一個人的行為傾向時是很多維度的東西去做整合，除了你對生活經驗的豐富度之外，你還要有創意去描述這種人具有什麼樣的行為特徵，我們再透過機器學習的輔助，幫助你快速收斂這些特徵背後隱含的意義是什麼，不然一般人就是我想到什麼樣的資訊我就勾一勾，這樣不夠。」張嘉祜說。

特質三：邏輯思考能力

數據科學家的工作時常需要建立假設然後去驗證它，並且建立模型，這個過程仰賴優秀的邏輯思考能力，否則追尋答案到一半可能不小心就會走到岔路。大學時期雙修物理和心理學的彭智楹認為，心理系的訓練幫助他可以更容易了解他人的動機和想法，也因此在分析數據時常有意想不到的收穫。

以數據科學家最討厭的機器人為例，這類的假數據抓不勝抓，又會影響到統計結果，令人不堪其擾，但彭智楹認為與其去思考機器人在哪裡，要怎麼抓，不如反向思考什麼樣的網頁需要機器人，機器人的數據從哪裡來，就像是偵探福爾摩斯一樣，「偵探怎麼找出犯人，他不是從犯案手法去看的，而是從動機。」

威朋大數據科學家
（圖說：彭智楹平時就喜歡分析生活中的常見現象，例如觀察公司電梯哪一台跑最快，為什麼最快。照片來源：蔡仁譯攝。）

特質四：基礎數理與資訊工程能力

雖然彭智楹和張嘉祜都同意數據科學家不一定非得要是理工學院或電資學院出身的，但也都異口同聲地指出數據科學家還是必須具備基礎數理與資訊工程能力。

張嘉祜說，你也許可以用Excel去處理數據，但如果想要加快資料處理速度的話，程式能力依然是必須的。彭智楹認為不能害怕數字很重要，必須要培養對數字的敏銳度，例如他在念博士時就會用眼睛觀察數列是否有周期性的變化，從中訓練自己對數字的敏銳度，他甚至寫了一個產生各種亂數模型的程式，然後用眼睛一一把每個數字看過一遍，分析影像時也一樣，每張影像他都一一檢視過，「什麼時候要把資料分開或結合看，這都需要經驗。」彭智楹說。

但在工具之外，張嘉祜認為最重要的還是商業嗅覺，現在很多人隨隨便便就說自己會做數據分析會用什麼資訊工具，但沒有商業眼光依然白搭。

特質五：跨界合作能力

最後，由於大數據科學家必須膽大心細又要天馬行空，邏輯好之外還得要融合自身生活經驗，這些特質要在一個人身上面面俱到非常困難。張嘉祜指出，跨界合作能力在這裡就顯得格外重要，因為不同的產業別需要不同的觀點，如果不懂得傾聽別人的意見，恐怕陷入盲點而不自知，跨界合作有助於發現不同面向切入分析，更有效率地做決策。

和沛科技創辦人翟本喬曾說：「在大數據領域的英雄不是圖靈，也不是克勞德·夏農（發明資訊概論的人），而是福爾摩斯，這種有點自閉但能夠看出事情關鍵的人，如果只是因為大數據很紅就去學這些工具，你學這些工具就是賺22K的，把專業領域做好，你可以賺2200K。」因此，與其盲目追隨大數據熱潮，不如看看自己是否具備這些特質以及專業，再來決定要不要加入大數據淘金潮。

@@ACTIVITYID:513@@

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。