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
廢棄碳纖維也能變再生材料!天翊綠能靠低溫解聚技術,獲桃園SBIR助攻產品驗證
廢棄碳纖維也能變再生材料!天翊綠能靠低溫解聚技術,獲桃園SBIR助攻產品驗證

碳纖維因重量輕、強度高,廣泛應用於自行車、汽車、航太及無人機等產業,每公斤原生碳纖維價格可達數百元,部分高階材料甚至高達數千元。然而,這些高價材料製成複合材料後,生產過程產生的邊角料與廢棄物,卻因熱固性樹脂難以分離,往往只能焚化、掩埋或降級使用,讓耗費大量能源製造的碳纖維失去再利用價值。

「產業真正需要的不是把廢棄物處理掉,而是如何把裡面的碳纖維、玻璃纖維重新變成有市場價值的材料。」天翊綠能科技執行長莊文彥指出。深耕複合材料產業約20年的他,於2023年成立天翊,希望透過自主開發的低溫常壓解聚技術,讓廢棄複材重新回到製造業供應鏈。

低溫解聚保留纖維性能,從廢料處理走向材料再生

熱固性複合材料難以回收,關鍵在於樹脂固化後無法像一般塑膠重新加熱熔融。傳統高溫熱裂解雖能去除樹脂,卻可能損傷碳纖維性能;若回收碳纖維強度下降,製造商可能需要增加材料用量以滿足產品的強度要求,反而削弱碳纖維原有的輕量化優勢。

為突破限制,天翊開發低溫常壓化學解聚技術,在約90°C、常壓環境下分離樹脂與纖維,降低高溫處理對纖維性能的影響。不同於將樹脂直接燒除,天翊也推進樹脂回收再利用及化學溶劑循環,提高材料利用效率。根據天翊提供的第三方檢測結果,回收碳纖維在受測性能項目上的表現達原生材料的98%以上。團隊也將回收纖維製成再生碳纖維不織布、板材、塊材及工程材料。

莊文彥表示,再生碳纖維每公斤價格約150至300元,具備成本競爭潛力。天翊也規劃三層商業模式:取得合法處理資格後,協助製造商處理複材廢料並收取處理費;將回收纖維製成再生材料銷售;再與客戶共同開發終端零組件。「我們不希望公司的主要價值停留在『每公斤收多少處理費』,而是希望營收逐步往再生材料與高值應用移動。」莊文彥強調,讓回收材料具備市場需求,才是循環經濟能否持續運作的關鍵。

桃園 SBIR 助攻百公斤級驗證,跨越技術走向產品的關鍵門檻

對技術型新創而言,證明技術可行只是第一步。要讓再生材料進入製造業供應鏈,還必須建立可重複的處理流程、穩定的材料品質及產品驗證機制。這些工作需要投入設備、人力與檢測費用,對商業化初期的天翊而言,是不小的負擔。

在桃園市政府地方型SBIR計畫的研發經費支持下,天翊得以加速推進製程測試、材料檢測與產品驗證。莊文彥指出,過去團隊主要仰賴實務經驗調整回收製程,但要讓技術進入產業應用,還必須建立標準作業流程、進出料紀錄及材料品質數據。透過計畫,天翊逐步完善這些機制,並針對碳纖維自行車、碳纖維預浸布邊料、高壓氣瓶與車用零件等廢料進行測試,完成超過100公斤複材廢料的處理驗證,建立相應的操作條件。

除了製程驗證,補助也支持團隊將回收纖維製成不織布、模具及相關產品,確認再生材料能否符合實際需求。其中,以再生碳纖維氈製作的模具,相較原本的玻璃纖維模具,減重約56.96%;以再生碳纖維氈製作的產品,相較原本玻纖產品,減重約27.77%。這些成果讓天翊不再只能向客戶說明技術可行性,而能透過具體的材料與產品數據,爭取後續合作機會。

天翊也與既有下游夥伴推進汽車零組件應用,累積再生材料進入供應鏈所需的驗證經驗。「SBIR對我們而言,不只是補助研發,而是幫助公司跨過了『實驗室技術走向實際產品』非常重要的一段。」莊文彥表示,政府資源不僅分攤研發成本,更協助團隊補足商業化所需的品質管理與產品驗證基礎。

以桃園為循環基地,從碳纖維走向風機葉片回收

除了研發補助,桃園聚集電子、汽車、航空與複合材料產業,也讓天翊有機會就近尋找廢料來源、加工夥伴及應用客戶。此外,天翊與桃園市政府消防局就高壓氣瓶展開合作,嘗試將回收技術應用於地方政府實際產生的循環需求。團隊目前持續推進桃園廠區設置與再利用相關申請,希望建立「在地廢料、在地回收、在地再製」的產業模式。

不過,即使技術與產品驗證已取得初步成果,天翊仍須完成事業廢棄物再利用相關許可程序,才能依核准條件擴大收料與處理規模。漫長的審查過程雖然增加營運成本,但莊文彥認為,除了回收技術,合法處理資格、穩定料源與產品市場,同樣是建立長期競爭優勢的關鍵。天翊的長期目標則不止於碳纖維。莊文彥補充,當初投入低溫常壓解聚技術,也考量到未來大型風力發電機退役葉片的回收需求。風機葉片主要由玻璃纖維、樹脂及部分碳纖維構成,體積龐大且難以回收,隨著全球風電產業發展,退役葉片處理將成為重要課題。天翊也已取得風機葉片回收處理方法的臺灣發明專利與美國發明專利。

因此,團隊選擇先從材料價值較高的碳纖維切入,累積技術驗證、設備放大與商業化經驗,再逐步拓展至大型風機葉片。「我們希望證明,複合材料不是只能從製造走向廢棄,而是可以從廢棄再回到材料、再回到產業。天翊要做的,就是把這條循環真正建立起來。」莊文彥說。

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