為什麼打造一支資料科學團隊如此重要?
為什麼打造一支資料科學團隊如此重要?
2015.08.24 | 科技

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」。

資料科學年會
(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。)

往下滑看下一篇文章
從切菜到乾燥加工!宜展如何結合桃園市政府創業資源,以AI開拓農產加工第二成長曲線?
從切菜到乾燥加工!宜展如何結合桃園市政府創業資源,以AI開拓農產加工第二成長曲線?

走進蔬果加工廠,同樣是100公斤高麗菜,最後能做出多少成品?答案不見得相同。氣候、產地與品質影響原料條件,客戶要求的切法、重量與交期也各不相同。對曾任科技業研發主管十多年的宜展科技農業執行長林佑澤而言,這是與科技製造截然不同的世界。

「農業部分全部都不一致。」林佑澤以青江菜為例,即使機械手臂已經訓練好辨識特徵,面對形狀各異的蔬菜,仍難以判斷該從哪裡抓取。農產品的天然變數,卻得面對學校團膳、連鎖餐飲、航空空廚等企業客戶對品質與交期的要求。如何讓加工流程穩定運作,成為宜展投入數位轉型的起點。

從紙本、LINE到數據,先把現場經驗留下來

目前宜展一年處理數千噸蔬果、服務超過120家企業客戶,業務涵蓋採購、截切、清洗、包裝與配送。林佑澤觀察,農產加工的關鍵經驗往往掌握在資深員工手中:該買多少菜、原料損耗多少、訂單增加又該安排多少人力,都仰賴現場判斷。

「主要就是把人的經驗變成數據。」林佑澤說。過去客戶透過LINE或紙本下單,現場靠人工整理訂單、對照不同客戶的加工規格;如今宜展利用AI辨識訂單內容並匯入ERP,再依客戶、品項與規格進行標籤化派工。製程則透過QR Code記錄原料投入量與成品產出量,逐步掌握各環節的加工損耗。

接下來是整理現場的判斷依據。林佑澤透過與資深員工對談,了解採購、派工與品管的作業方式,再利用AI協助找出規則、建立SOP。AI整理出的流程仍須由現場人員逐項確認、修正,才能實際執行。

品質管理也在持續改善。傳統金屬檢測器難以辨識菜蟲、橡皮筋等非金屬異物,宜展正與技術夥伴規劃導入AI影像辨識,輔助產線末端檢查。林佑澤表示,每批農產品品質不同,比起單看良率,他更重視客訴是否減少。隨著訂單與製程資訊逐步累積,宜展也希望進一步建立需求預測、採購建議與生產排程模型,減少營運對資深員工個人經驗的依賴。

不只把菜切好,乾燥加工尋找第二成長曲線

除了改善截切本業,宜展也開始發展乾燥加工。學校團膳在寒暑假面臨需求波動,生鮮蔬果則有保存期限短、價格易受產季影響等限制。林佑澤希望藉由乾燥技術延長農產品保存期限,開拓附加價值更高的加工業務。

不過,乾燥同樣有依賴經驗的問題。傳統做法是太乾就降低溫度、縮短時間,不夠乾就反向調整。每批原料的水分與成熟度不同,反覆試做不僅增加成本,也難以維持品質一致。「品質目標沒有設定的話,前面的製程參數就不知道怎麼調整。」林佑澤將過去研發車用面板的思維帶進農產加工:先決定產品希望達到的口感、含水率與水活性,再回頭檢視原料成熟度、截切厚度及乾燥參數等條件。

團隊進一步結合不同乾燥技術、自行改造設備,並接洽桃園的設備業者合作。林佑澤曾比較其他地區的設備,最後選擇設備構造、乾燥均勻度與可靠度較符合需求的桃園業者。宜展也持續累積製程參數,希望未來透過AI找出適合不同原料的乾燥曲線,減少反覆試做。

「我們主要還是要做代工,想要做一個功能性的原料平台。」林佑澤說,果乾目前更像是展示技術能力的產品,未來希望將服務延伸至辛香料、中藥材、太空食品、超級蔬菜及寵物食品等領域。現階段宜展主要營收仍來自蔬果截切本業,乾燥事業尚未形成主要收入。未來若能建立穩定的乾燥製程與代工能力,宜展便有機會從既有蔬果供應鏈,切入附加價值更高的食品原料市場。

從彰化走向桃園,驗證營運方法能否跨區複製

隨著加工流程逐步數位化,宜展也開始思考,這套管理方法能否帶到彰化以外的場域。

參與桃園市政府青年事務局天際線加速器及Meet桃園+後,宜展擴大與桃園產業生態系的連結。林佑澤提到,天際線協助邀集不同局處了解團隊需求,並提供資源媒合機會。宜展也開始與桃園市農會及在地農民合作,增加北部原料來源。這項合作不只拓展了供應來源,更成為宜展因應極端天候、穩定供貨的重要助力。林佑澤回憶,先前中南部連日降雨,蔬菜供應受到影響,宜展便從北部調度蔬菜,以不同產區互相支援,降低天候對供貨的衝擊。此外,團隊也透過天際線資源,獲得參與日本國際伴手禮設計競賽的輔導,並成功榮獲金賞獎肯定,除了展現產品的創新與設計實力,也為宜展拓展海外市場、提升國際能見度創造更多機會。

下一步,宜展規劃以桃園大溪作為第二個驗證場域,將彰化累積的資料、SOP與加工管理經驗,轉化為可複製、可優化的營運管理模式,帶到不同產地、供應鏈及人員條件下驗證。林佑澤指出,未來若要跨區域擴張,不可能每到一個新地方,就把原有團隊整批搬過去。因此,宜展希望將資深員工的實務經驗,轉化為標準化流程與數據模型,結合AI進行生產排程、資源配置及營運決策,讓新場域能依據當地條件快速調整,降低對特定人員經驗的依賴。

從彰化到桃園,宜展接下來要驗證的,是這套從傳統農產加工現場整理出來的管理方法,是能夠跨區域複製、快速部署並持續優化的農產加工營運系統。 長期目標是降低新場域的建置成本與管理複雜度,提升擴張效率,讓傳統農產加工業具備規模化發展的能力。

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
一次搞懂工業AI
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓