為什麼打造一支資料科學團隊如此重要？|數位時代 BusinessNext

大數據真有這麼神奇嗎？要有多少資料才算是「大」數據？傳統數據分析跟大數據分析有什麼不同？一個接著一個的疑問，是許多企業在迎接大數據潮流中可能面對到的問題。如果覺得「大數據」這三個字看起來神秘而悠遠，可敬而不可親，那麼何不先從建立一支企業內部的「資料科學團隊」開始？經實地分析資料、踏實地從資料中創新找商機，那麼，或許大數據三個字幾年之後也將不再是遙不可及的神話了。

2015年台灣資料科學愛好者年會於8月20～23日在中央研究院盛大展開，過往為期兩天的年會內容，今年加長為四天，除了年會主要議程外，還包含了「R資料分析上手課程」、「g0v零時政府黑客松」、「DSP資料開竅・企業論壇」、「資料新聞實戰營」、「Hadoop/Spark 資料科學快速體驗營」、「地圖資料視覺化課程」等內容。

在21日的「DSP資料開竅・企業論壇」活動中，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，則個別分享自家企業如何培養資料科學人才、建立資料科學團隊並透過數據發掘新的商業模式？
資料科學年會

#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。

資料科學年會
（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。）

近年談 AI 轉型的金融業者不少，多半從技術切入，闡述架構藍圖與導入策略。富邦人壽則選擇從行政端著手，先問哪個場景最攸關保戶，再決定 AI 該往哪裡導入。「關鍵在於回歸以人為本的核心，專注於客戶體驗。」保單行政處處主管蔡佳蓉副總經理指出，核保、理賠與客服，是服務價值鏈中與保戶互動最直接的三大關鍵，自然成為富邦人壽 AI 布局的起點。

以 AI 賦能核保，審查時間省六成

開始一張保單的旅程，核保是第一步，攸關保戶是否能儘速取得保障。投保過程中，若涉及既有病史或體況，核保便須介入評估，綜合審視商品條款、投保規則與法律規範，以決定是否承保，可說是一項高度專業的決策工程。

「以一份新契約為例，客戶的病歷資料可能厚達百頁。核保員得逐頁翻找診斷紀錄、用藥史與手術紀錄，判斷其對承保的影響。但大多數核保人員並不具備醫護背景，這方面的專業判斷力全靠長期經驗積累，導致傳統作業十分耗時。」蔡佳蓉解釋。

為此，富邦人壽建構「核保智能助理」，運用生成式 AI 摘要病歷，解決過往判讀大量專業英文病歷的痛點。這可不是把資料丟進 AI 資料庫就好——蔡佳蓉分享，導入過程中的挑戰之一，是為特種個資去識別化，需先透過個資遮罩工具處理病歷；此外，針對 AI 常見的「幻覺」風險，團隊也反覆調校提示詞，讓摘要報告力求精準正確。

她強調， AI 定位為「初篩與重點整理」的助手，最終決策權仍歸於核保員。透過 AI 摘要、核保員決策的人機協作模式，體況審查平均作業時間成功從 40 分鐘縮短至 15 分鐘，核保效率提升六成，讓核保同仁能將心力集中於高風險案件與例外處理。

以 AI 輔助判讀，加速理賠條款今昔對照

同樣面對大量資料判讀挑戰的，還有理賠。理賠是保險公司實踐承諾、展現服務價值的重要時刻，但隨著醫療技術不斷進步，許多保單條款當年訂定的手術項目，到了今天可能已發展出全新的治療方式。理賠人員需要從大量醫療資料中，判斷新技術是否符合條款約定，過程相當耗時，也需要高度的醫療專業知識。

對此，富邦人壽導入「理賠智能助理」，整合醫療資訊與內部顧問醫師的專業意見，協助理賠人員快速比對保單條款與客戶所接受治療的對應關係。例如，當醫療科技演進產生新的手術方式時，AI 可協助理賠人員快速了解該疾病與手術的進行方式，並檢索相關條款與內部規則，提供理賠判斷建議，縮短過去需逐一查找資料的時間。此外，系統亦能協助摘錄擷取診斷書、病理報告及醫療費用單據等理賠文件審核重點，大幅縮短人工判讀比對時間，讓理賠人員更專注於專業判斷與保戶溝通，加速理賠服務效率與一致性。

客戶服務處處主管張婉茹指出：「AI 除了加速理賠作業，也能將資深理賠人員的專業經驗與判斷邏輯濃縮為高效吸收的知識庫，協助新進同仁快速掌握案件重點與判斷依據，縮短學習曲線，並提升理賠判斷的一致性與品質。」透過 AI 助理減輕資料整理的負擔，理賠人員得以將精力回歸專業決策與客戶溝通。

以 AI 客服加速分流，前線服務更到位

在核保與理賠之外，最大量的服務場景是客服。張婉茹表示，隨著數位原生世代逐漸成為保戶主力，客戶傾向先自主操作解決問題，不會直接撥打電話；一旦選擇撥打電話，就代表問題已超出自助服務能處理的範圍。

對此，AI 客服的導入，不只是回答問題，更是協助客戶找到最適合服務管道的「智慧導航員」。「我們是第一線面對客戶，因此 AI 客服最重要的不是回答得多，而是回答得正確。」張婉茹表示，富邦人壽在設計上特別重視回答來源的可信度，透過既有知識庫與 FAQ 資料治理機制，讓 AI 優先扮演「理解需求、引導服務」的角色，確保保戶獲得正確且一致的資訊。

事實上，富邦人壽的文字客服早於大型語言模型盛行前便已上線，目前文字客服平均每月處理超過六萬則訊息，智能助理能即時理解客戶需求，將保單查詢、資料變更等簡易服務導引至 App 或線上平台快速完成；面對理賠、保單變更或保障內容等較複雜的需求，則由真人客服接手提供專業協助。讓簡單問題快速解決、複雜問題由專人服務，將有限的人力資源投入最需要專業與溫度的服務情境，讓分流機制發揮實際成效。

從核保員手中的病歷、理賠人員桌上的單據，到線上客服的迅速回應，富邦人壽的 AI 布局，始終緊貼第一線作業現場。張婉茹表示，科技發展不一定要一次 end to end 全到位，應該是不停小步快跑，慢慢把應用場景擴大。去年底推出的全新富邦人壽 App，將「簡單、貼心、隨行」的理念落實在使用者介面體驗上，就是一次階段性集大成的成果。

但無論 AI 如何加速資料判讀、優化流程，專業判斷與服務溫度仍是機器無法取代的核心。「要有專業，才能判斷 AI 的產出品質。」富邦人壽兩位主管也強調，科技迅速發展下，富邦人壽導入 AI，不是要取代核保員、理賠人員或客服人員，而是希望讓每一位同仁把時間花在最有價值的地方。當AI承接了流程中繁瑣的資料負荷，人員就能更專注在判斷、溝通與服務，讓同仁的專業與心力回歸到最需要判斷力與人情味的溝通之上，這才是真正以客戶為中心的 AI 轉型。也是富邦人壽實現「AI Everywhere」的旅途上不忘的目標。