[尤川豪] 寫程式不需要天份，也不需要熱情|數位時代 BusinessNext

從來沒有一個技能，曾經被神化到這個程度：「你不但要有天份，還要有熱情，才適合寫程式。」那些寫資訊工程師，好像「從小就立定志向，決定未來要寫程式了」。如果你缺乏其一的話，要嘛你是個假貨，要嘛你走不遠，總之就是不適合。這種深植人心的刻板印象不但大錯特錯，同時還是有害的。隨便找幾個工程師都能證明這點。

Jacob Kaplan-Moss（Django創造者）在今年全球 PyCon 的主講一個平庸工程師的自白：這種關於「程式天才」的神話非常有害，一方面它把行業門檻設置得特別高，令很多人望而卻步，另一方面它也在折磨產業內的人，因為你如果不能 rocks ，就會變成 sucks ，所以不得不用一切時間來努力學習和工作，導致影響生活。…（略）… 我們應該改變這種態度，寫程式只是一些技能，並不需要太多天分，它是可以學習的，而且做一個平庸的工程師不丟人。

圖說明
（Jacob Kaplan-Moss 在 2010 年 DjangoCon.eu 的咖啡時間，Aidas Bendoraitis 分享於 Flickr，CC by 2.0）

而他本人甚至在 Twitter 的自介直接寫「不是真的程式設計師（not a real programmer）」，透漏著他對這種迷思的不耐煩。

在 Github 擁有八萬顆星的 Bootstrap 作者，前 Twitter、現任 Medium 工程師 Jacob Thornton 的一篇採訪也是這種迷思的反例；當他在 Jacob Thornton 痛恨電腦文章裡描述

「我討厭電腦的時候，並不完全在開玩笑；我本來要去唸社會學的」

他描述了他第一份工作的情況：「我拿到了一個遠超我能力的工作。每一天都可能被開除。所以我非常努力工作，想搞懂 JavaScript ，因為我不懂它到底在幹嘛。」我一生中最現實的一刻，整間公司的人圍在我身邊，要我做一個 XHR request。我根本沒做過，我只稍微聽過而已。於是我開始打字、重新整理瀏覽器，然後什麼都沒出來。我反覆做了幾次，知道自己完蛋了，他們發現我是假貨了。接著我突然發現自己忘記加「.send()」。我加了之後再次重新整理瀏覽器，畫面成功顯示。整個團隊感覺像在說「喔，酷。」，然後就各自回辦公桌了。我在那裡坐了15分鐘。心想，就這樣。我搞定了。我不會被開除了。這段描述一點也不像「程式天才」在職場的表現。

圖說明
（Jacob Thornton 在 2010 年 JSConf US，數位時代翻攝）

至於支持他一路走來的動機是什麼呢？他說：我是一個高度在乎同儕的人，我做前端的朋友總是會告訴我哪個地方做很醜或是在哪個瀏覽器上壞掉。感覺真的很棒。我真的只想跟朋友一起寫程式，一起工作。他本人的 Twitter 自介則是寫著「computer loser」，置頂推文是「公司裡第一爛的工程師，但是第三酷」。這種態度跟刻板印象完全相反。

PHP 之父 Rasmus Lerdorf 的言論常常引起廣泛爭議，

「我其實很討厭寫程式，不過我喜歡解決問題。」
「有些人熱愛寫程式。我不懂他們為何會這樣。」
「我不是一個真的工程師。我把東西弄一弄，弄到能跑之後就不管了。真的工程師會說「這段程式能跑，但記憶體沒管理好，我們來修好它。我只會說，一直重新開機不就好了。」

從他的言論，很難看出他對電腦本身有多少熱情。他也跟 Jacob Kaplan-Moss 以及 Jacob Thornton 一樣，懶得對寫程式的迷思多做解釋，乾脆直接說自己是 loser、假工程師了。

圖說明
（Rasmus Lerdorf 於 DrupalCon Copenhagen 2010，Michael Schmid 分享於 Flickr，CC by 2.0）

Rails之父 David Heinemeier Hansson 在接受 Big Think 訪問時提到：

「說來有點好笑。我以前寫PHP跟Java的時候，常常花時間去摸其他程式語言。到處摸看看其他程式語言…隨便什麼都好。寫 PHP 跟 Java 實在太悶了，我需要用這種方式讓自己暫時抽離。」
「我以前寫 PHP 跟 Java 的時候，完全不覺得自己之後會當程式設計師。」

這整段看起來都不像是一個「電腦天才」的自我介紹。最後讓他愛上的不是電腦本身，而是 Ruby 程式語言的優雅性。如果 Ruby 沒有被發明，DHH 現在也許會做完全不同的事情。

圖說明
（David Heinemeier Hansson 於 Railsconf Europe，Jesper Rønn-Jensen 分享於 Flickr，CC by 2.0）

這一類可以說明刻板印象大錯特錯的文章實在太多了，看看「關於工程師 59 條搞笑但卻真實無比的語錄」

一個人寫的爛軟體將會給另一個人帶來一份全職工作。

傻瓜都能寫出電腦能理解的程式，優秀的工程師寫出的是人類能讀懂的程式。

開發軟體和建造教堂非常相似——完工之後我們就開始祈禱。

如果工程師都很有天份跟熱情，這些笑話又怎會受歡迎呢。

再看看 Medium 上很受歡迎的「資深開發者給後輩的七個 Coding 學習心得」其中的幾個建議：

也許常常有人說你是錯的

也許常常會有人跟你說「你並不是個 Coder」

不要在意外表，能力才是一切

無非就是想打破這類寫程式的迷思、無意義的資格論神話。

下次又有人學到一半，開始反省自己適不適合、夠不夠資格的時候，我只想跟他說：你就多找幾種方式學學看吧，不要抱持那種奇怪的資格論。很多時候其實只是搞錯方法、搞錯心態而已。真的完全學不懂再放棄吧。寫程式不需要天份，也不需要熱情。

在 AI 快速進入企業營運核心的時代，數據不再只是被動的分析素材，而是 AI 模型運作與決策優化的重要基礎。

零售品牌積極累積大量第一方數據，例如會員資料、交易紀錄以及線上與線下行為數據，但因這些數據分散於不同系統，缺乏統一的身分識別機制以及明確的元數據（Metadata）定義，導致難以整合與分析，同時，也影響 AI 對這些數據資產的理解與應用。

為解決上述挑戰，Vpon 威朋將累積十餘年的實務經驗轉化為產品與服務，如 Audience Center 與 AI Agent 等解決方案，並透過專業顧問團隊協助企業完成數據收集、清理、整合與分析等關鍵流程，從資料清理到 AI-Ready 再到落地應用，讓行銷與業務團隊能以自然語言將數據查詢與分群受眾逐步自動化，大幅縮短過去仰賴技術與分析團隊溝通需求與開發分析邏輯的時間。

Vpon 助零售業打造 AI-Ready 數據基礎，以 Audience Center 驅動業務商機

如何建立 AI Ready 數據基礎建設？

Vpon 威朋數據科學經理廖宜楷指出，在 AI 驅動的時代，數據的品質決定模型價值。其中四個關鍵分別是：建構標準化的數據採集與處理管線，透過統一的工程規範，確保所有進入系統的數據在格式、維度與質量上具備高度一致性；其次是定義語義清晰的元數據（Metadata）體系，確保數據能夠被 AI 理解與使用，從而產出具備可靠性的產出結果；再來是打破企業內部的「數據孤島」，透過完整整合線上（Web/App）行為與線下（POS/CRM）會員資訊，建構全方位的會員數據輪廓，精準捕捉消費者的跨通路行為軌跡。最後，數據的價值隨時間遞減，AI 的決策品質取決於數據的「新鮮度」，因此，數據的持續更新與自動化維護，不僅能讓企業在動態市場中保持敏銳，還可進一步深化會員輪廓分析的即時性。

舉例來說，在 Vpon 團隊的協助下，台灣百貨零售龍頭透過整合 Web 與 App 行為資料，並將線上與線下數據集中於數據中台進行分析，將傳統耗時數小時的複雜資料庫分析工作縮短至秒級回應，並基於此高效率基礎，進一步開發不同業務主題的預測與分群模型，提升行銷精準度與營運決策的敏捷性。

扎實數據基礎的價值落實：Audience Center 如何賦能企業實現「數據即戰力」？

有了堅實的數據底座後，下一步是透過 Audience Center 將數據資產轉化為商業動能。

廖宜楷指出，在變化快速的零售與數位行銷市場中，速度就是競爭力。然而，仍有許多企業在數據應用上面臨嚴重的溝通與技術斷層。過去，當行銷或業務人員需要數據支持時，通常得花費繁複的內部流程申請需求、討論需求，才會進到後續的資料清理、建模與分析，最後才能得到想要的分析結果或行銷名單。這種以「週」為單位的進程，不僅拖慢了決策效率，更讓企業在競爭激烈的市場中錯失先機。

Audience Center 的核心價值在於徹底翻轉上述流程，將數據處理轉化為數據服務，透過直覺的介面與背後扎實的數據基礎支撐，讓非技術人員不用編寫程式碼，即可自行組合維度，大幅縮短從需求到執行的距離，將原先需要耗時數週的作業流程優化成秒級產出。

「Audience Center 的導入，不僅有助於提升效率，更賦予企業快速試錯與精準捕獲趨勢的能力，讓數據真正成為驅動業務增長的引擎。」廖宜楷如此總結。

以 AI Agent 重塑數據使用方式，讓數據更貼近決策流程

「Vpon 除提供 Audience Center 協助品牌發揮第一方數據資產價值、提供豐沛的第三方數據助品牌深化對客戶輪廓的掌握度，更推出 AI Agent 服務讓品牌與行銷人員能更直覺地使用數據。」Vpon 威朋數據科學資深總監陳文謙表示，在數位轉型的過程中，許多企業面臨的挑戰不僅是數據整合，更包括如何讓不同部門的人員都能更即時協作與應用數據，有鑑於此，Vpon 推出四種 AI Agent 協助企業分析與應用數據，極大化第三方數據成效：

第一，以 Reporting Agent 讓高階主管或行銷人員可以自然語言查詢數據與生成報表，即時掌握市場動態，加速決策下達與決策品質。

第二，透過 Insight Agent 確保數據分析不受分析人員的主觀意識或產業知識侷限，可以輕鬆完成跨領域數據分析、快速挖掘潛在市場機會與消費者洞察。

第三，藉由 Audience Agent 將客戶分群方式從規則導向（Rule-based）轉變為關聯導向，以關聯分析擴大受眾範圍，協助品牌找出更多潛在客群。

第四，推出 Creative Agent 協助行銷人員分析廣告素材表現的根本原因，釐清受眾喜歡的素材跟不喜歡的素材，藉此優化廣告投放內容，持續提升轉換率。

陳文謙表示：「透過 AI Agent 的輔助，品牌不僅能更快完成數據分析，也能將分析結果直接轉化為行銷策略與創意建議，降低跨部門溝通成本，讓數據真正參與決策流程。」

鏈結數據生態夥伴，以跨境數據放大行銷效益

除了協助品牌主建立 AI Ready 的數據基礎環境並提升數據使用效率，Vpon 也持續拓展數據生態圈，協助零售品牌更精準布局海外市場。

Vpon 威朋產品行銷資深經理邱心儒表示，跨境行銷過去多仰賴經驗與市場直覺，但透過數據整合與 AI 分析，品牌能更精準理解海外消費者的旅遊與消費行為。

以 Vpon 與日本 Loyalty Marketing Inc. 合作為例說明，透過雙方的獨家合作，企業可以結合 Ponta 超過一億的會員數據、問卷調查結果以及 Vpon 的七大數據來源，深入分析日本消費者的消費偏好與購買力——包括哪些日本族群對台灣品牌最感興趣、最受歡迎的台灣商品類型，以及不同客群的價格敏感度與回購行為等，將行銷決策從過往的經驗判斷轉變為精準的數據洞察，成為品牌出海的重要工具。

簡言之，對零售品牌而言，跨境數據是理解海外旅客真實樣貌的一大利器，也能進一步優化廣告投放、內容策略與商品布局，讓品牌在拓展國際市場時，可以更有效率地接觸潛在客群，放大行銷效益。

展望未來，Vpon 將持續擴展數據生態圈並優化產品服務，幫助零售品牌從數據整合、AI 分析到市場決策建立完整的數據應用循環，希望以數據夥伴的角色與品牌共同成長，打造互利共贏的數據生態。