阿里巴巴、KKBOX資料科學年會同台尬大數據心法
阿里巴巴、KKBOX資料科學年會同台尬大數據心法
2015.08.24 | 科技

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。

車品覺
(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。

阿里巴巴大數據十誡
(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@@

往下滑看下一篇文章
業績兩年從28億突破百億,諾億保經攜手自由系統強化IT與資安以接住高速成長
業績兩年從28億突破百億,諾億保經攜手自由系統強化IT與資安以接住高速成長

企業高速成長,市場最先看見的是業務營收與市場排名的飆漲,但真正決定企業能走多遠的,往往是水面下看不見的IT與營運骨幹。

諾億保經就是一個經典案例。

2024年,諾億保經的全年保費規模約28億元,隔年直接翻被衝破60億,今年,更預計挑戰120億到150億大關,強勢躍居台灣前十大保經公司;業績快速成長的同時,諾億保經的組織配置也很精實:外勤業務團隊約500人,負責核保、行政與稽核的後勤單位卻僅約30人。

值得特別注意的是,隨著營收在短時間內翻倍,受到考驗的不只是業務能力,也包括後台系統、資訊設備、網路、資安,以及法遵與內控能否同步跟上。

諾億保經總經理賴柏翰直言:「客戶資料是諾億保經的核心資產,特別是我們以投資型保單為主力業務,對個人隱私與財務資訊的防護要求極高。」此外,隨著營運規模擴大,金管會對資訊安全與內控稽核的監管標準也隨之提高,必須重塑IT與資安體質以回應高速成長。

評估完自身資源後,諾億保經做了一個重要決定:不從零自建IT團隊,而是採取資訊外包模式,提供企業擴展所需的支援。

諾億保經
諾億保經總經理 賴柏翰
圖/ 數位時代

諾億保經總監張維倫表示:「我們需要合作夥伴提供完整支援,自由系統不僅具備金融產業經驗與深厚維運實力,還能提供一站式服務,因而雀屏中選。」由自由系統負責台北與台中辦公室的端點設備、儲存架構、網路與資安維運等工作。

診斷重於工具:先清查環境盲點,再談防禦升級

缺乏專職資訊人力的中小企業或快速成長型組織,很常陷入一個迷思:市場上出了什麼新工具、新架構,就急著導入;然而,自由系統的作法是先回歸營運本質:盤點現況。

在雙方正式簽約前,自由系統的顧問團隊便深入檢視諾億保經的既有環境,找到一個最急迫的營運隱患:內勤行政人員與外勤業務人員,竟在辦公室內共用同一套網路網段,這意味著外部裝置一旦連網中毒,極可能直接橫向感染存放敏感保單資料的內部系統,為降低風險,自由系統隨即協助諾億保經進行網段隔離與權限切割,在第一時間化解安全未爆彈。

這套「先釐清現況、確認優先級、消弭落差」的邏輯,也體現在資安合規的推進上。

自由系統服務顧問黃麒翰以ISO 27001認證輔導為例指出:「諾億的認證合規由專職顧問主導,但底層關鍵的端點偵測回應(EDR)、託管偵測回應(MDR)、防火牆規則、特權帳號管理及硬體資產盤點,全由自由系統提供技術支援。我們的目標是替企業建立完整的『環境可視性』(Visibility),讓風險一目了然。」

對諾億保經來說,資訊設備、網路與日常維運雖然是營運不可或缺的基礎,卻不是公司的核心業務,如果自行建立完整IT部門,不僅要負擔人力成本,也必須長期維持涵蓋網路、設備、資安與系統維運的專業能力;相較之下,將這些工作交給自由系統的專業團隊負責,諾億保經可以將時間與精力放在可直接創造營收的核心業務。

「與自由系統合作至今,我們不僅更好強化IT體質、順利補強合規缺口,也為接下來的AI應用打下穩健基礎。」張維倫如是說道。

從防守走向進攻:雲地協同架構,讓AI真正走入第一線

IT與資安基礎逐步穩定後,諾億保經開始將資源放到下一階段:如何利用AI提升業務與營運效率。

在業務端,諾億嘗試透過AI實現「保險情境遊戲化」。

賴柏翰指出,一般客戶很難體會重大疾病帶來的財務衝擊,與其單向說明「萬一罹癌怎麼辦」,不如透過AI模擬動態情境,讓客戶在虛擬人生中面臨關鍵決策;甚至,將台股加權指數、S&P 500走勢融入情境,模擬面臨資金缺口時,抵押借款或贖回投資將對個人資產產生何種實質影響,讓保險規畫轉化為主動的探索體驗。

同樣的邏輯也導入內部培訓與後勤自動化。

過去高度仰賴資深講師與紙本教材的訓練流程,被轉化為AI互動式推演,讓500位業務能在高度擬真的客戶抗拒或理財情境中反覆演練,大幅縮短新人上手週期。至於在行政方面,傳統業務助理得耗費大量時間進行分類、掃描、校對保單文件的繁瑣流程,也交由AI與自動化工具處理,助理僅需做最終核對與歸檔,使30人的後勤編制得以支撐暴增數倍的合規案件。

在AI探索的過程中,自由系統就像是諾億保經的IT團隊、協助評估與提供所需產品服務。

自由系統售前顧問劉威利強調:「金融保險業涉及大量機敏個資,絕不能盲目把所有資料拋上公有雲AI。」因此,自由系統協助諾億精準劃分「地端與雲端邊界」,例如,哪些非機敏資料可藉助雲端模型運算、哪些敏感核保數據必須保留在地端進行私有化推論,並協同評估相應的地端硬體算力與加密機制,讓創新應用不以犧牲資安為代價。

總的來說,從28億飆升至百億規模,諾億保經展現了一家新銳金融服務企業的高敏捷度;而自由系統則證明了託管服務(MSP)已不再只是被動的修電腦與顧網路,更是高速成長企業在架構選擇、資安風控與AI轉型路上,不可或缺的最佳夥伴。

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