不論是通勤時、工作中、下班後，生活中的每個片刻，有了音樂陪伴總是更美好。不過，你可能沒有想過，當你無意識地按下播放鍵時，遙遠的另一端，有一群人正忙著讀取你傳遞出來的每一個訊息。他們，是KKBOX的資料科學家。關於你的音樂偏好，這群人很可能比枕邊伴侶還懂你。
KKBOX資料科學家陳怡安擁有土木專業背景，取得台大資管所博士學位後，她在2011年加入雅虎，參與過新聞和電子商務相關專案。並在去年11月進入KKBOX，擔任研究中心機器學習組經理，運用機器學習技術打造個人化音樂串流體驗和音樂內容解析。今年10月，KKBOX發表一套與台大、政大和中研院合作開發的新版演算法，就是研究中心團隊努力的成果。
「我的資料科學旅程，其實是從兩、三年前正式開始的。」陳怡安說。當時還在雅虎服務的她，正好加入電商推薦技術開發團隊，而她也因此一腳踏入資料科學領域。
音樂聆聽行為很細膩，考驗資料科學家功力
陳怡安表示，雖然同樣是資料科學，但是電子商務和音樂領域差異極大。
「以電商來說，大部分的人都有非常明顯的intention（意圖），就是『我要買東西』。」她以女性服飾為例指出，消費者挑選服飾時，除了風格之外，品牌和身材等也是重要的購買決定因素。「可是在音樂的世界不太一樣，音樂的聆聽自由度是很高的。你可能觀察到一個人聽A曲風、BPM（Beats Per Minute，每分鐘節拍數）是多少、喜歡這個歌手，但是這並不代表他對其他BPM或是歌手不感興趣，而是你要在比較適當的時候推薦給他，他可能就會買單。」陳怡安強調，聆聽音樂，其實和使用者當下的心理狀態有很深的關係。
此外，在電商和新聞領域中，很少會發生「重複購買和觀看」的現象，但是在音樂領域中，反覆聽同一首歌反而是主流行為。因此，什麼時間點要推薦什麼歌曲、推到第幾次才算夠，在在考驗資料科學家的經驗和功力。
「最難的一點是，很多推薦都有demographic（人口統計學）的資訊在裡面，比如說你的年齡和性別，可能可以做很準的預測。可是聽音樂是非常個人的事情。」她舉例說，一位女性用戶或許也會聽搖滾、龐克等比較陽剛的音樂，「所以你很難用年齡和性別去猜她喜歡什麼，還是要從她一些細微的動作去推測。」陳怡安說，使用者聽到一首歌時，有沒有把它加入收藏、是否反覆聆聽，都是重要的判斷依據。
懂音樂會加分，但是合作力才最重要
身為串流音樂產業中的資料科學家，陳怡安自己喜歡聽音樂嗎？「我很喜歡聽音樂。不過有些人聽音樂聽得很專業，可能曲風很挑或是設備很好，可是我不是那一種。」陳怡安說：「來KKBOX之前，我是『有得聽就好』，也會聽熱門的歌手像陳奕迅、王菲。來KKBOX之後，做了蠻多專案，有的專案是和曲風有關，所以越聽越廣，越聽越多。然後你就會發現，聽音樂真的是還蠻個人的事情。」她笑說，經過這幾年的工作歷練，回想起來，以前自認的「喜歡聽音樂」和現在的程度又差很多了。
其實，熟悉音樂對資料科學家來說，只是加分條件，並非決定成敗的關鍵因素。陳怡安解釋，KKBOX平常需要和許多音樂人、專業策展人合作，因此，資料科學家如果對音樂有興趣，當然可以幫助自己更進入狀況。「但是以音樂領域來講，只靠一個人的力量是不太夠的。」
她以曲風分類為例指出，「曲風其實不是固定的分類架構，它會隨時間變動，有時候會有新的曲風出現，有時候會有舊的曲風被併到別的地方。這就要靠專家的力量，幫助你判別分類器好不好，再來就是看使用者的點擊率、留存率等等的反應。」
陳怡安強調，相較於音樂專業，資料科學家更需要具備溝通能力和合作能力。「因為一個人不能懂所有的domain。」
