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
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