為什麼打造一支資料科學團隊如此重要？|數位時代 BusinessNext

IT單位不只要會蒐集數據，還要學商業分析

為什麼打造一支資料科學團隊如此重要？中華電信總公司資訊處科長楊秀一表示，資料科學的核心知識可以分成三部分，分別是幫助客戶帶來營收的業務能力、IT技術以及量化分析技巧，三者之間的核心交集知識包括IT人員必須懂驗證統計的結果、會用說故事的方法解析數據背後意義、和業務人員合作的能力等等，不過，多數的人卻只能擁有其中一到兩項的技能。

（圖說：傳統數據與大數據分析比較表。圖片來源：蘇宇庭攝影。）

「期待人人都是擁有三種領域的能力是不切實際的，打造資料科學家團隊才是務實的做法。」楊秀一說，懂得做資料探勘（Data Mining）的人，不一定懂商業分析，然而「分析」這件事情應該是往外延伸，變成跨部門的合作。

研究機構Gartner曾經預期，在兩到三年之後，「大數據」就不會再是神話，資料探勘的系統會直接嵌入在企業內部的IT基礎建設，形成企業很自然的一部分。「所以現在應該要開始培訓，讓IT人員有機會進入到這個領域，去學習匯集分析的方法，創造業務機會。」楊秀一說。

楊秀一接著強調，「現在連買車買房都可以大數據，分析已經是各企業單位重視的事情，雖然路程比國外慢了兩年⋯⋯分析不是只有專家與業務單位的事，IT單位也可以，也應該要學著運用分析技術，而且IT人員最懂系統的流程，更要進一步掌握商業的know-how、具備創新能力。」

中華電信已從今年開始啟動了資料科學團隊培育計劃，由公司內部的IT人員自行報名，授課內容著重在商業分析心法、商業論戰、巨資技術等課程，目標希望IT人員成為企業內部資料科學團隊的中堅戰力。

確立目標，創造Try and Error的空間！

但是在企業內部打造一支資料科學團隊又談何容易？東森科技、隆中網絡大數據顧問趙國仁說，「跨」是打造資料科學團隊的核心價值，但是「跨」就會踩到別人，會遇到很多部門組織的阻力，還必須要跟現有系統做整合，「人家為什麼要讓你整合？人家為什麼要花功夫幫你找Data？這牽扯到權力關係。」

既然跨組織這件事本身就會碰到許多問題，那又該怎麼辦？趙國仁的答案是「既然會失敗，那就快點失敗吧！」他接著說，早點失敗，才能快速調整。

趙國仁也建議，企業可以從建立資料探勘系統開始，不要一下子就要趕著到資料分析階段，最重要的，是企業必須給團隊足夠的時間和信任，不斷做實驗，慢慢找到自己的核心價值；此外，一個強而有力的領導人也很重要，他必須能夠承擔來自股東和公司內部不同單位給的壓力。

沛星互動科技（Appier）營運長李婉菱也舉自己公司實際營運的狀況為例，她認為最重要的一件事是「確定目標，確定你想從Data中得到什麼？」

李婉菱說，因為我們不可能把所有數據都蒐集起來，所以必須要先確定目標，知道哪些數據是有意義的，才能著手進行。她也再次強調，資料科學一定要「做實驗」，所以企業內部要有允許資料科學團隊試錯的彈性空間，整個企業環境必須鼓勵、支持資料科學團隊的「實驗精神」。

（圖說：2015年資料科學年會邀請中華電信、宏碁物聯網事業處、通用移動（GMobi）、沛星互動科技等企業，分享運用資料科學及大數據的經驗。圖片來源：蘇宇庭攝影。）

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。