IEEE公布2016年熱門程式語言排行榜：C語言最熱門、大數據相關語言成長快|數位時代 BusinessNext

熱門前三名：C、Java、Python

IEEE透過分析來自10種來源的12個指標，算出2016年熱門程式語言排行榜，其中包含Google搜尋、GitHub、Stack Overflow、Reddit、Hacker News、IEEE Xplore數位圖書館等網站，並依照不同類別（整體、趨勢、工作、開源）調整分析指標權重，得出對應的熱門程式語言排名。

（圖片來源：IEEE）

整體而言，前兩年位於第2名的C語言，在今年以微幅差距超越Java，成為最受歡迎語言。去年第4名的Python，則是取代C++成為第3名；用在統計分析和資料探勘的R語言，近年隨著大數據分析的竄紅，排名也逐年攀升，在今年擠下C#成為第5名。

此外，Google和蘋果的競爭拉到程式語言戰場，今年，Google的Go打敗蘋果的Swift擠進前10名，然而Swift的成長速度也不容忽視，相較於去年，躍升了5個名次到第11名。

2015年 IEEE Spectrum 熱門程式語言排行榜
1.Java
2.C
3.C++
4.Python
5.C#
6.R
7.PHP
8.JavaScript
9.Ruby
10.Matlab

Python：最熱門大數據相關語言

觀察歷年趨勢，大數據相關語言成長幅度明顯，其中包含Julia、Python、R和Scala等，皆提供許多能快速分析大量資料的工具。

其中，成長最多的是由Google在2007年推出的開源程式語言Go，從2014年至今已前進10個名次。其他持續成長的大數據語言則是R和Scala，從2014年分別前進4名和2名；而在去年才開始列入追蹤的Julia，一年內從第40名成長到33名，雖然影響力不如其他熱門語言，但後續成長值得關注。

以工作類別的熱門排行榜來看，儘管Java和Python依然位居領先，但對R和Scala的工作需求大幅成長，根據IEEE的數據，2014年僅有146個Scala相關職位，到2016年已成長4倍至631個。

從R語言持續成長的態勢來看，其是否有機會取代Python成為下一個市場最炙手可熱的語言？

市場對Python和Java相關工作需求量大

目前，市場對Python和Java的工作需求仍最大，Python的工作需求約為R語言的15倍。IEEE分析，R語言是視覺化和探索性分析的熱門工具，受到學術研究的歡迎，然而Python整合至數據生產工具中更為容易，且用途也較廣，因此對使用者而言，使用Python在開發環境中更有優勢。

和由軟體評價公司TIOBE推出的熱門程式語言排行榜相比，除順序稍有不同，前5名排名差距不大，唯R語言在此榜單並未擠進前10名。該排行榜為分析全球工程師、課程和第三方廠商使用各程式語言的數量，以及該程式語言於各大搜尋引擎（Google、Bing等）的搜尋次數作為指標，每月更新一次。

TIOBE 熱門程式語言排行榜
1.Java
2.C
3.C++
4.Python
5.C#
6.PHP
7.JavaScript
8.Visual Basic .NET
9.Perl
10.Assembly language

精通Google Analytics數據背後的意義，才能真正產生數據的價值！
訂購《數位時代》1年，送《流量的祕密》作者最新力作《透視數據下的商機：運用Google Analytics發掘商業洞見》
立即訂購>>http://goo.gl/A1kOuF

在台灣，多數人的第一份保障來得很早，可能來自父母，或是出社會後自行投保。然而，直到今天仍有許多人即使手握數張保單，仍說不清自己到底保了什麼。條款繁複、名詞艱澀，導致投保當下似懂非懂，過一陣子就全忘了。保險資訊的不透明，讓風險管理變成了一場全憑印象、依賴業務員的信任遊戲。

自從國泰人壽推出 App 3.0，以「陪伴」重塑保戶與保險的關係，下一步，更要讓資訊變得透明、易讀、好上手。於是，「保險視圖」誕生了—由國泰人壽戰情室 diLab（Digital Insurance Lab）領軍打造的這個平台，試圖翻轉保單難懂的問題，將散落於規範、條款與系統的資訊重新整理、轉譯與可視化，讓保戶終於能「一圖看懂」保障全貌。

「我們希望做到的不只是查詢工具，而是讓保戶真正理解風險、開始做決定。」diLab 經理林蔚安說，這項專案從發想到上線歷時多年，可說是完成了連同業都不敢想像的艱鉅任務。這場透明革命如何開始？國泰人壽又如何讓這個看似困難的挑戰落地？

資訊透明：讓保險回到能被理解的語言

「保險商品本身就很複雜，很多人買了保險，打開保單還是看不懂。」林蔚安指出，國泰人壽累積 800 萬保戶，團隊在梳理客戶旅程時發現，即使擁有多年的資歷與服務經驗，卻未能讓保戶更清楚自己的保障；大多僅在與業務員討論時略有概念，事後又陷入陌生感。因此，「保險視圖」的構想，就是要讓保戶能在同一平台掌握所有保障與資產資訊。

第一步，是處理「看不懂」這件事。diLab 從資料盤點開始，依照生涯階段與保障屬性，將保單內容重新分為「我的健康照護」、「我的保險資產」、與「我的壽險傳承」三大方向，讓保戶以更貼近日常的邏輯理解保障結構，例如「住院時有哪些保障？」。

「調研時發現，國內幾乎沒有成熟案例可參考，國外雖有概念但差異極大。」林蔚安表示，圖表複雜，反而增加理解負擔，因此團隊反覆推敲呈現方式，「要放什麼、怎麼放、放到什麼程度，光這個架構就討論了數個月！」每一個看似微小的改變，背後都是無數次的反覆測試與訪談，「我們帶著不同版本的草稿詢問保戶，在沒有業務員引導下是否看得懂。」最終，團隊定調以金字塔結構建構視圖基礎，從保戶自己的健康保障，到未來可運用的累積資產，最終到照顧家人的壽險傳承。沒有看似花俏的圖表，只希望讓多數保戶好理解的簡單呈現。

但挑戰不只在前端設計，還有保險條款轉譯。傳統保單以商品邏輯分類，與使用者思考「何時會用到」的方式完全不同。為了讓資訊更貼近生活情境，「保險視圖」不再以條款分類，而以場景情境作為基準。例如保戶生病住院時，介面會按照基礎醫療、意外、癌症、重大疾病、長照與壽險等六大結構分層呈現，先呈現核心，再逐層深化，視覺化整體保障全貌，並同步提供現金價值與現金流資訊，形成一套完整的理解脈絡。

風險洞察：AI協助人們看清保障缺口

當保險資訊透過直覺式的設計變得透明，下一個挑戰就是讓保戶理解「自己目前的保障夠不夠」。

因此「保險視圖」也導入保障目標試算功能，保戶只需回答幾題簡單問題，如：住院希望住單人房或雙人房、對疾病治療的費用承受度等，系統即可推算個人的保障目標。接著，AI 會即時計算保障達成率與缺口比例，將複雜的理賠與條款結構轉換成直覺的百分比。「醫療保障達成率 60％」、「癌症保障達成率 45％」，藉由直觀的數字圖表呈現，讓保戶能一眼看出自己保障的完整程度。

此外，平台不只呈現差距，還會以情境推估可能的支出。例如住院五天、手術一次的費用與實際理賠差異，讓保戶真正感受到風險的具體樣貌。「保戶不再是聽到『癌症住院很貴』這種抽象說法，而是看得到具體數字。」透過以場景為基礎的推算，使保戶終於能對模糊的風險概念有畫面，並對理賠內容有更直觀的理解。

平台也提供「熱門推薦」與「 AI 推薦」兩種建議模式。前者以性別、年齡作為分析基礎，後者則依個人資料與既有保單做更客製化的配置。保戶可在平台初步理解現況後，再與業務員討論，透過數位賦能、與有溫度的人性服務建立互補機制，也讓業務溝通更聚焦、更有效率。

領航轉型：戰情室以創新實踐「以人為本」

保險視圖歷經多次迭代上線，雖仍在推廣階段，但初步成效已浮現。以今年 4 月關稅議題為例，資產型保單查詢需求明顯攀升，保戶登入次數從每週平均 4 萬次提升到 5 萬 6 千次，大幅成長40%。以往查詢保單價值需透過業務員協助或臨櫃辦理，如今登入平台即可取得資訊。

此外，視覺化呈現保障缺口後，有保戶回饋「看到達成率 70％，就想補到 100％」，顯示視覺化真正促進了主動管理的行為轉換。

能完成一份視覺化介面不難，但能把 60 多年累積的保險商品結構、條款邏輯與資料系統重新整合再轉譯，背後極度仰賴組織文化。尤其，保險視圖的誕生，從構想到落地，專案歷時 4 年，期間國泰以「區塊化堆疊」的方式逐步發展服務功能，包括資產總覽、健康與壽險視圖、缺口試算與 AI 推薦，每一步都需要長時間協作與反覆推敲。

林蔚安形容：「戰情室就像加速器。」其角色是串聯商品、數據、數位、UI與UX設計、開發工程與行銷等多個團隊，以使用者中心作為共通語言，讓跨部門能在同一個目標下推進。「大家的專業不同，但只要目標一致，就能共同前進！」

展望未來，透明化只是起點。林蔚安指出，下一步是讓更多保戶願意使用平台，使行為軌跡形成數據基礎，再透過個人化推播與 App 串接，發展國泰人壽保戶更完整的數位體驗。「這條路很難，但值得做。」他分享，有一次泰國人壽數位團隊來台交流，第一眼看到保險視圖就說：「這真的很不容易。」但也因此，更突顯國泰人壽勇於創新、以人為本的服務精神。同時，保險視圖也不會是終點，卻會是打開未來保險模式的一把關鍵鑰匙。國泰人壽以具體行動落實「Better Together 共創更好」，在每一項細節中重塑保險服務的日常價值。

保險視圖：https://cathaylife.tw/VoeoOdb