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。）

曾是台灣製造業重要根基的塑膠射出產業，如今正面臨人才斷層危機。尤其桃園聚集大量工業區與製造業者，老師傅退休、新人才接不上的現況，更是許多工廠正在面對的現實難題。

從汽車零組件、網通設備、醫療器材到半導體載具，許多產品都離不開射出成型。智穎智能創辦人暨執行長張詠翔指出，全球塑膠射出市場規模超過 3000 億美元，每年仍以約 3% 至 4% 的幅度成長。需求並未消失，只是製造基地從台灣、中國逐步往東南亞等地移動。但機器可以搬、訂單可以轉，老師傅數十年累積的經驗卻很難複製。

這道人才缺口，正是 2020 年成立的智穎智能切入市場的機會。團隊從桃園中原大學的研究能量出發，歷經近十年研究與工廠驗證，嘗試把老師傅腦中的射出經驗，轉化成可以計算、保存與持續學習的 AI 模型，解決產業第一線面對到的挑戰。

把老師傅經驗交給 AI，射出成型從「導航」走向「自駕」

「餐廳沒有廚師是不行的。有再好的設備，不會做的人還是會把它做失敗。」張詠翔如此比喻射出成型的技術門檻。當模具完成後，生產現場仍得依產品、材料與機台特性，調整溫度、速度、壓力、位置等條件；即使使用同一種塑料，不同產品的調整方式也可能完全不同。

而老師傅的珍貴之處，不只是記住參數，而是知道面對材料、機台與環境變化時如何修正。智穎智能要做的，就是把這些難以傳承的「火候」拆解成可以運算的製程邏輯。目前其 AI 解決方案已應用於超過 200 種材料、50 多種產品類型。

把老師傅的經驗轉化為製程邏輯後，第一步就是讓 AI 協助操作人員找到合適的成型條件。智穎智能為此開發智能成型導引系統，工廠只要輸入材料、機台規格、產品尺寸等資訊，sMolding 便能計算第一組成型參數；若試模後出現產品缺陷，再由 sTroubleshooting 提供修正建議。

「它就像導航。我今天告訴你要從 A 點到 B 點，但不知道路怎麼走，導航會把路徑算給你。」張詠翔說。對射出成型而言，這條「路徑」就是溫度、速度、壓力與位置等參數如何組合。以半導體載具試模為例，傳統方式需 7.5 小時，導入系統後縮短至 2 小時，材料使用量從 23 公斤降至 8.7 公斤，整體試模成本降低 64%。

但找到正確參數只是第一步，真正進入量產後，工廠面對的「路況」還會持續改變。溫溼度、材料批次與機台耗損，都可能讓原本設定好的製程條件產生偏移。智穎智能因此進一步開發 StabMolding 成型穩定模組，透過射出壓力數據持續監控品質，並依生產狀態自動補償關鍵參數。換言之，AI 不只在試模階段提供一條正確的「導航路徑」，進入量產後還能因應製程變化持續修正，進一步朝「自駕」邁進。

從產線驗證到海外布局，桃園如何助攻智穎智能跨過0到1？

但要讓 AI 真正走進工廠，智穎智能採取 SaaS 訂閱模式，將核心運算留在雲端持續學習與更新，降低中小型製造商一次投入大量資金的門檻。另一項差異則是「跨廠牌」。現實中的射出工廠往往同時擁有台灣、日本、歐洲不同品牌與年份的設備，因此智穎智能的方案既能導入既有設備，也能與射出機、控制器業者合作，在新機出廠時直接整合。「一個工廠不會只有一個廠牌，就像你家的車庫不會永遠只放同一品牌的車。」張詠翔說。

對智穎智能而言，AI 真正走進製造現場的關鍵，在於不同世代、不同品牌的設備都能導入。只是對工業 AI 而言，降低導入門檻還不夠，更關鍵的是能否取得真實產線反覆驗證。對從中原大學研究成果衍生創立的智穎智能而言，桃園不只是公司所在地，也提供了技術走向市場的第一塊試驗場。「對新創來說，第一個就是要經費、要人才、要場域，再來就是客戶與合作夥伴資源。」張詠翔說。

成立初期，團隊透過桃園市政府研發補助、新創競賽與基地進駐等資源，降低早期研發與營運負擔。更重要的是，桃園密集的製造業聚落，本身就是智穎智能最直接的潛在市場。透過市府串聯工業區與在地企業，智穎智能在創業初期接觸到位於桃園的「良器」，成為公司第一個客戶。從概念驗證、產品調整到實際導入，合作一路延續至今。對必須進入產線反覆驗證才能成熟的工業 AI 而言，第一個願意開放場域的客戶，意義遠超過第一筆營收。

如今，從桃園製造現場磨出的解決方案也開始往海外走。「日本這一次，完完全全都是桃園市政府帶著我們去做這件事情。」張詠翔表示，透過市府帶領團隊前往日本神戶，智穎智能接觸當地官方與企業資源。在市府引薦下，團隊成功對接了神戶知名加速器，更取得日方針對外資新創設立公司與拓展市場的兩階段實質補助資訊。目前團隊正籌備日本布局，為下一階段海外市場拓展做準備。

AI 解決「怎麼生產」後，下一步是「替誰生產」

當 AI 開始解決「怎麼生產」，張詠翔看到的下一個問題，是「替誰生產」。部分製造商提高生產效率後反過來問他，如果我的產能多了 20%，但沒有多 20% 的訂單，我何必要做那麼快？

這個問題催生了智穎智能下一階段的製造媒合平台構想。隨著供應鏈分散至不同國家，品牌要在海外重新尋找符合特定規範與製程能力的供應商，也愈來愈困難。團隊因此希望串聯既有使用 AI 方案的製造商，讓品牌端能依條件尋找供應商，也讓製造端的閒置產能有機會被看見。團隊預計 2027 年上半年推進平台服務，初期規劃串聯超過 200 家製造商與破千台機器。

從中原大學的研究，到桃園工廠提供第一個實際驗證場域；從把老師傅經驗變成 AI「導航」，再走向能自行修正製程的「自駕」，智穎智能試圖數位化的，是製造業最難被保存的資產：人的經驗。而當全球供應鏈持續移動、製造基地愈來愈分散，這套從桃園工廠磨出的 AI，下一步不只要替老師傅找到數位接班人，也要重新連結散落全球的製造能力。
而「Meet 桃園+」也期盼持續透過計畫的媒體報導與宣傳資源，將更多像智穎智能這樣扎根在地、走出海外的創業故事傳遞出去，讓外界看見桃園豐沛且具實戰力的創新動能。