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。）

若將生成式人工智慧（GenAI）技術視為改變人與資訊互動的重要分水嶺，Physical AI（實體AI）則讓 AI 真正理解並介入真實世界：從機器人、自駕車到智慧製造，AI 正從「理解內容」走向「理解物理世界」，其中，自駕車被公認是 Physical AI 最具代表性的落地場域，也是目前最能驗證 AI 感知、推理與決策能力的應用，因為，不僅要控制車輛，還必須即時與人流、車流、道路設施及各類載具互動，需要極高的 AI 感知、推理與執行能力。

對深耕智慧移動多年的勤崴國際而言，Physical AI不只是 AI 技術演進，而是自駕車產業邁向下一個世代的重要轉折：從依賴規則控制（Rule-based）的自駕系統，逐步升級為具備感知、推理、學習與持續優化能力的智慧移動平台，讓全球自駕車產業競爭從單一技術比拚，走向資料、場域、生態系與 AI 能力的全面競賽。

Physical AI讓自駕車從「照規則開車」走向「理解世界」

過去，自駕車依靠高精地圖、光達（LiDAR）、攝影機等感測器，以及大量預先設定好的規則進行判斷，這種作法能處理相對固定的情境，但一旦遇到複雜且快速變化的交通環境，例如大量機車穿梭、行人突然穿越、不同國家的交通規則，系統很容易受到限制。

勤崴國際認為，Physical AI 的出現正改寫自駕車的發展模式：透過更強大的 GPU 算力，結合世界模型（World Model）、數位孿生（Digital Twin）與模擬器（Simulator），AI 能先在虛擬世界完成大量交通情境模擬，再將學習成果快速部署到真實道路，不僅大幅縮短訓練與驗證時間，也讓自駕系統持續學習與進化。

「在 Physical AI 賦能下，自駕車將從依照規則開車轉變成能理解環境、預測意圖，再做出最佳決策。」勤崴國際副總經理林映帆表示，例如當系統看到路邊有人揮手，不只是辨識動作，而是能推論對方有搭車需求；當機車快速切入車道，也能提前預測可能路徑，而非等事件發生後才反應。

這也意味著，自駕車的競爭已從「規則設計」走向「AI學習能力」的競爭：自駕車不僅是智慧移動的新載具，更是觀察 Physical AI 是否真正成熟的重要指標；換言之，Physical AI比拚的不是演算法，而是誰能持續累積真實場域、建立與完善資料庫，讓 AI 在每一次行駛中不斷學習、持續進化，形成下一波智慧移動競爭的關鍵。

七年累積三十個場域，勤崴國際打造台灣智慧移動新能量

相較於 Waymo、Tesla 的優勢來自數百萬輛車持續累積道路資料，勤崴國際的策略是透過不同場域的長期營運，建立屬於台灣的智慧移動資料庫。

自2019年投入自駕車商業化應用以來，勤崴國際不僅持續深耕高精地圖、自駕系統、車聯網及自駕運輸技術、於全台完成超過30個自駕場域部署，累積自駕行駛里程突破38萬公里、服務超過80萬人次，更逐步建立台灣少數具規模的智慧移動資料庫；為進一步加速自駕車產業價值鏈發展，勤崴國際也攜手車廠、路側設備，感測器、AI 平台、車聯網、客運與場域業者打造完整的自動駕駛生態系。

以台積電南科園區的自駕巴士服務為例，由於路線涵蓋園區內外道路，自駕車不僅要與物流車、叉車及一般車流共存，離開園區後更須面對台灣特有的高密度機車交通環境，對 AI 的感知與決策能力形成高度挑戰；截至今日，該服務已累積超過92,435人次搭乘、自駕行駛里程超過83,542公里，接駁率高達96.7%；此外，勤崴國際也於廠區內導入自駕接駁車與自駕載貨車，累積服務超過216,794人次，驗證自駕技術在智慧工廠場域的落地能力。

除了工業場域，勤崴也將自駕技術延伸至觀光應用，例如今（2026）年6月在南投埔里福興溫泉區推出「啡嚐咖心」觀光自駕車服務；林映帆指出，相較於工業場域重視效率，觀光應用更重視人車互動與乘車體驗，遊客只需一鍵即可啟動自駕接駁，系統除了安全辨識行人與周遭環境，也能透過語音互動提升搭乘安心感，證明自駕車不僅適用於產業應用，更可成為偏鄉觀光與高齡化社會的新一代公共運輸解決方案。

接下來，勤崴國際將憑藉著在南部科學園區、南投與新北市的落地運行經驗，攜手產業夥伴、針對未來對自駕公車有需求的城市，協助客運業者解決公車缺工等議題。

林映帆說：「我們的目標是提供自駕全方位解決方案。」在累積物流、廠區接駁、觀光、無塵室搬運等多元場域經驗後，勤崴逐步發展出「一個平台、多種載具、多種場域」策略：將共通技術平台模組化，再依不同客戶需求進行客製化調整，讓每新增一個場域，都成為下一個場域快速且安全部署的重要養分。

勤崴國際副總經理林映帆表示，將以「一個平台、多種載具、多種場域」策略，攜手自駕車產業鏈夥伴，協助AI自駕車等智慧移動落地應用，以及打造「國家隊」前進海外市場。

圖／數位時代

隨著Physical AI的成熟與落地，未來智慧移動的競爭，不再只是比誰擁有更大的模型，而是比誰能持續累積場域、建立完整資料庫，以及串聯完整生態系；在這個關鍵時刻，勤崴國際除因應不同場域客戶需求提供自駕車解方，也希望攜手更多產業夥伴，共同打造具有國際競爭力的智慧移動國家隊，讓台灣在全球自駕與 Physical AI 的新賽局中，占有一席關鍵位置。