阿里巴巴、KKBOX資料科學年會同台尬大數據心法|數位時代 BusinessNext

第二屆台灣資料科學愛好者年會於8月22日至23日舉行，加上協力廠商論壇，活動共為期四天。年會總召陳昇瑋表示，今年與會人數有1300人，去年只有800人，與會者中有七成是男性，三成為女性，今年邀請共24名來自各行各業的大數據科學家，傳授不同專業領域的大數據心法，從公共衛生、漫畫、政治、新聞到網路業一應俱全。

阿里巴巴副總裁車品覺也特地出席演講，分享阿里巴巴的大數據心法，會後車品覺被聽眾重重包圍，反應熱烈。陳昇瑋表示最初沒料到車品覺會答應演講邀約，沒想到車品覺只回了他：「行，年輕人我一定支持。」就應邀了，讓他備受感動。

延伸閱讀：[專訪] 三大數據迷思，八個數據實戰密技！阿里巴巴副總裁一次教

##從預測數據到用數據，阿里巴巴分水嶺
車品覺表示，現在大數據已經從預測進化到行動決策了，而這也是阿里巴巴近年來大數據應用的分水嶺，當企業領導認識到數據的力量之後，他不會只滿意於描述現象，而更需要診斷，也因此數據的精準度變得越來越重要，畢竟用來看的數據跟用來做決策的數據，兩者的質量要求完全不同。

（圖說：阿里巴巴副總裁車品覺特地來台參與第二屆資料科學愛好者年會。照片來源：李欣宜攝。）

車品覺身兼阿里巴巴數據委員會會長，有一天車品覺走到總裁辦公室問：「我身為一個數據領導，我能做什麼讓你爽的？」總裁回覆：「我想知道我上禮拜做的什麼事情是對的，什麼事情是錯的。」他因而體會到應用數據做行動的重要性。

##數據科學兩大派別
車品覺指出，數據科學現在有兩大派別：數據很平但用深厚的演算法解決問題，另一種是數據廣泛而大但是用簡單的演算法。「我個人的喜好是第二個，發現好的數據策略，當演算法變得複雜的時候，背後的假設也很複雜，我會懷疑它的穩定性，當你老闆問你預測準確率多高的時候，你要反問他三個問題：對的概率？錯的概率？穩定嗎？因為我們做數據的人常常發現現在的演算法過了半年就不能用了。」

數據種類也可以分成兩種：快加準或廣加亂。第一是在已知的規律裡面產生價值，第二種是可以找到自己不知道的東西。「數據不僅是資產，也是一種信仰。」車品覺說。在行動互聯網時代，企業不必在乎使用者喜歡什麼，只要知道使用者下一步會做什麼就可以了，而且每個行業都對應不同的數據框架，例如有一個美國調研公司的報告顯示有65％的人會在廁所裡看手機，這就是非常好的行銷點，行銷人員應該去思考要趁機推播什麼商品給這個消費者，因為現在手機不只是傳感器還是媒體，手機已經不是手機，他就是媒體。

（圖說：阿里巴巴大數據十誡。照片來源：李欣宜攝。）

##KKBOX用大數據提升歌曲觸及率
年會第二天則由全球唯一獲利的音樂串流業者KKBOX資料科學家接力，分享KKBOX月初才推出的大數據個人推薦歌單服務。KKBOX研究中心資料科學家羅經凱表示**，KKBOX歌單雖然號稱2千多萬首，但是實際上會被點播的只有340萬首，有將近八成的歌無法觸及使用者。除此之外，KKBOX用戶偏好的音樂類型高度集中，收聽率前10％的歌佔了所有被播放歌曲次數的87％，顯示音樂播放多樣性不足。**

由於音樂播放次數決定歌手收入，為了維護體系健全，如何維持音樂多樣性，刺激用戶脫離「同溫層」，成了KKBOX大數據科學家的首要挑戰。KKBOX根據用戶的收聽習慣和時段，將華語音樂聽眾分成九大族群，將收聽行為類似的用戶歸類在同一個群體，推薦他們風格類似但前所未聞的音樂。

圖說明
（圖說：KKBOX近三年歌曲點擊率逐漸趨向集中。照片來源：李欣宜攝。）

但有時候用戶聽音樂是有目的性的，例如哄小孩睡覺放輕音樂、工作時放心靈音樂等等，KKBOX又再根據用戶在不同時間點下的音樂收聽習慣，推薦各式情境歌單。KKKBOX研究中心資料科學家羅經凱表示，目前編輯團隊推薦的歌單還是比機器學習推薦的更精準，再加上每個國家的使用者都有不同的喜好，要精準推薦使用者新歌又不招致反感其實是很困難的。

KKBOX研究中心經理林佑璟是KKBOX第一個研究員，剛來KKBOX的時候發現資料取得困難度高，遇到資料散亂、溝通成本高昂以及資料格式不齊等問題，他建議有心從事數據分析的企業，一定要做好內部溝通，讓大家了解做數據分析對於公司有好處，而且數據是重要公司資產，絕對不會拿去變賣或者侵犯使用者隱私。

KKBOX羅經凱
（圖說：KKBOX研究中心資料科學家羅經凱。照片來源：資料科學愛好者年會提供。）

@@ACTIVITYID:602@@

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。