Excel之亂!英國新冠肺炎確診名單漏數據,1.6萬名病例沒有被追蹤到
Excel之亂!英國新冠肺炎確診名單漏數據,1.6萬名病例沒有被追蹤到

為什麼不要用Excel紀錄確診病例?這個答案或許問英國公共衛生部最知道。

週一(5日),在武漢肺炎確診病例飆破51萬8,000人的英國,傳出在9月25日到10月2日這8天內,有將近1萬6,000起新的確診病例沒有被追蹤到,這代表原本應該接受隔離治療的患者依舊在外頭,加劇疫情蔓延的風險。

將Excel當作大型資料庫

而這1萬5,841起確診病例之所以被英國公共衛生部(Public Health England)漏掉,原因就出在英國公共衛生部將微軟推出的Excel試算軟體當作大型資料庫使用,沒有注意到Excel並不適合拿來紀錄和追蹤每天增幅調整的確診病例數據。

如果要還原整起漏數據事件,必須先從英國公共衛生部如何記錄武漢肺炎確診病例說起。每天,英國各地的公私立檢測中心會將確診病例和檢測人數等數據以CSV檔寄給英國公共衛生部,而英國公共衛生部再將收到的數據匯入在Excel建立的資料庫。

雖然CSV的檔案大小沒有限制,但英國公共衛生部使用舊版Excel所呈現的檔案格式XLS只能呈現65,536列,這代表多出來的數據會自動被刪除,這也就是為什麼確診病例數會被遺漏的原因。

如果是新版的Excel,呈現的檔案格式XLSX可以容納1,048,576列,能夠紀錄的檢測數據量是前者的16倍,相對來說就不容易發生數據遺漏的問題。

僅供刊物用途_shutterstock_1067559380_excel.jpg
Excel試算其實不適合當作大型資料庫使用。
圖/ PixieMe via shutterstock

Excel不適合存放大型數據

不過,IT專家指出,不管是1987年推出的Excel XLS檔案格式,還是2007年更新的XLSX檔案格式,這些都不適合拿來存放武漢肺炎的檢測數據,其箇中道理連中學生都知道。

英國劍橋大學計算機實驗室通訊系統教授克羅克洛夫(Jon Crowcroft)說:「一直以來,Excel都是專門給小型公司處理數據,並且大致看看數據長相的軟體。」

「當你要做某些比較嚴肅的正事時,你會用為那些正事量身打造處理數據的方式,你有很多其他的選擇,但你不會用Excel,沒人會用這個起頭。」

回到Excel漏數據事件,在發現漏了1萬5,841起確診病例沒有被追蹤後,英國公共衛生部表示他們立刻回溯追蹤,並且在3號凌晨1點已大致補完,這項「技術問題」已經被解決。

各方撻伐!英國衛生大臣:這起意外根本不該發生

週一,當英國衛生大臣韓考克(Matt Hancock)在下議院接受質詢時,也提到了Excel漏數據事件,他坦言整起事件肇因於英國公共衛生部使用「老舊系統」統計確診和檢測數據,兩個月前當局就已經決定要更換這套系統。

英國衛生大臣
英國衛生大臣韓考克
圖/ 截圖自網路

「這起意外根本不應該發生。」,韓考克承諾當局除了會深入調查該事件之外,也會立刻升級過時的電腦系統。

對於這起意外,來自工黨的影子衛生大臣阿什沃斯(Jonathan Ashworth)表示,就算英國公共衛生部事後力挽狂瀾,人民的生命安全照樣因為延遲追蹤而陷於危險。

阿什沃斯說:「成千上萬的人根本不知道他們曝露在染疫的風險中,在住院人數不斷增加的情況下,這種致命的病毒很有可能散播。」,「這起事件不僅僅是一團亂,這比一團亂還要更糟。」

蘇格蘭愛丁堡大學全球衛生治理學程主任斯里達(Devi Sridhar)說:「這起事件發生的時機不能更糟了,隨著時序準備進入冬季,我們早就知道到時病例數會增加,現在正是需要當局『檢測和追蹤系統』(test-and-trace system)好好發揮功用的時候。」

沒想到,英國公共衛生部的檢測和追蹤系統卻出了這樣的大包。斯里達繼續提到,除了漏數據一事,當局在防疫上還有許多地方做不好,像是把人送去離家好幾百公里遠的地方做檢測、實驗室的檢測效率太慢、累積大量民眾沒有檢測等等。

解決之道:拆成小檔案匯入Excel

面對各方撻伐,發生Excel漏數據事件的英國公共衛生部表示,他們現在將檢測數據拆分成小檔案匯入能容納大量數據的Excel模板內。如此一來,就不會發生數據量超過上限、數據被自動刪除的情況。

Excel
圖/ Flickr

然而,IT專家對此表示,英國公共衛生部該做的是尋找更適合的資料庫軟體來取代Excel,而不是繼續使用Excel。

根據《衛報》的報導,Excel雖然是全世界最受歡迎的商業工具,但在某些情況下並不適合使用Excel來記錄數據,過去也有不少企業使用Excel出錯,結果付出高昂代價的例子。

Excel並非萬用!一失算,恐釀成巨大損失

舉例來說,2013年,摩根大通集團(JPMorgan)使用Excel出錯,讓他們損失將近60億美元(約1,741億5,000萬元台幣)。當時,Excel試算表中的單元格錯誤地除以兩種利率的總和,而不是除以平均值。這個錯誤也讓美國康乃狄克大學法律系教授柯克(James Kwak)警告大眾,Excel其實「非常脆弱」。

摩根大通
圖/ 科技新報

柯克說:「對初學者來說,Excel沒有辦法追蹤你的數據從哪裡來,它也沒有審計追蹤的功能,所以你有可能不小心重複打了某些數字,但自己卻沒發現。此外,Excel也沒有簡單的方式可以測試試算表。」

「Excel最大的問題在於人人都能生出Excel試算表,但可能做得並不好,因為Excel的操作太過簡單,人們在製作重要試算表時,並沒有侷限於一定要給了解程式設計的人去做。在製作時,也沒有以系統性、能夠追蹤製作紀錄的方式製作。」

責任編輯:文潔琳、蕭閔云
本文授權轉自:地球圖輯隊

往下滑看下一篇文章
從智慧助手到自主代理:博弘雲端如何帶領企業走上 AI 實踐之路
從智慧助手到自主代理:博弘雲端如何帶領企業走上 AI 實踐之路

「代理式 AI 」(Agentic AI)的創新服務正在重新塑造企業對AI的想像:成為內部實際運行的數位員工,提升關鍵工作流程的效率。代理式AI的技術應用清楚指向一個核心趨勢:2025 年是 AI 邁向「代理式 AI」的起點,讓 AI 擁有決策自主權的技術轉型關鍵,2026 年這股浪潮將持續擴大並邁向規模化部署。

面對這股 AI Agent 浪潮,企業如何加速落地成為關鍵,博弘雲端以雲端與數據整合實力,結合零售、金融等產業經驗,提出 AI 系統整合商定位,協助企業從規劃、導入到維運,降低試錯風險,成為企業佈局 AI 的關鍵夥伴。

避開 AI 轉型冤枉路,企業該如何走對第一步?

博弘雲端事業中心副總經理陳亭竹指出,AI 已經從過去被動回答問題、生成內容的智慧助手,正式進化為具備自主執行能力、可跨系統協作的數位員工,應用場景也從單一任務延伸至多代理協作(Multi-Agent)模式。

「儘管 AI 前景看好,但這條導入之路並非一帆風順。」博弘雲端技術維運中心副總經理暨技術長宋青雲綜合多份市場調查報告指出,到了 2028 年,高達 70% 的重複性工作將被 AI 取代,但同時也有約 40% 的生成式 AI 專案面臨失敗風險;關鍵原因在於,企業常常低估了導入 GenAI 的整體難度——挑戰不僅來自 AI 相關技術的快速更迭,更涉及流程變革與人員適應。

2-RD096270.jpg
博弘雲端事業中心副總經理陳亭竹指出,AI 已經從過去被動回答問題的智慧助手,正式進化為具備自主執行能力、可跨系統協作的數位員工。面對這樣的轉變,企業唯有採取「小步快跑、持續驗證」的方式,才能在控制風險的同時加速 AI 落地。
圖/ 數位時代

正因如此,企業在導入 AI 時,其實需要外部專業夥伴的協助,而博弘雲端不僅擁有導入 AI 應用所需的完整技術能力,涵蓋數據、雲端、應用開發、資安防禦與維運,可以一站式滿足企業需求,更能使企業在 AI 轉型過程中少走冤枉路。

宋青雲表示,許多企業在導入 AI 時,往往因過度期待、認知落差或流程改造不全,導致專案停留在測試階段,難以真正落地。這正是博弘雲端存在的關鍵價值——協助企業釐清方向,避免踏上產業內早已被證實「不可行」的方法或技術路徑,縮短從概念驗證到正式上線的過程,讓 AI 真正成為可被信賴、可持續運作的企業戰力。

轉換率提升 50% 的關鍵:HAPPY GO 的 AI 落地實戰路徑

博弘雲端這套導入方法論,並非紙上談兵,而是已在多個實際場域中驗證成效;鼎鼎聯合行銷的 HAPPY GO 會員平台的 AI 轉型歷程,正是其最具代表性的案例之一。陳亭竹說明,HAPPY GO 過去曾面臨AI 落地應用的考驗:會員資料散落在不同部門與系統中,無法整合成完整的會員輪廓,亦難以對會員進行精準貼標與分眾行銷。

為此,博弘雲端先協助 HAPPY GO 進行會員資料的邏輯化與規格化,完成建置數據中台後,再依業務情境評估適合的 AI 模型,並且減少人工貼標的時間,逐步發展精準行銷、零售 MLOps(Machine Learning Operations,模型開發與維運管理)平台等 AI 應用。在穩固的數據基礎下,AI 應用成效也開始一一浮現:首先是 AI 市場調查應用,讓資料彙整與分析效率提升約 80%;透過 AI 個性化推薦機制,廣告點擊轉換率提升 50%。

3-RD096215.jpg
左、右為博弘雲端事業中心副總經理陳亭竹及技術維運中心副總經理暨技術長宋青雲。宋青雲分享企業導入案例,許多企業往往因過度期待、認知落差或流程改造不全,導致專案停留在測試階段,難以真正落地。這正是博弘雲端存在的關鍵價值——協助企業釐清方向,避免踏上產業內早已被證實「不可行」的方法或技術路徑,縮短從概念驗證到正式上線的過程,讓 AI 真正成為可被信賴、可持續運作的企業戰力。
圖/ 數位時代

整合 Databricks 與雲端服務,打造彈性高效的數據平台

在協助鼎鼎聯合行銷與其他客戶的實務經驗中,博弘雲端發現,底層數據架構是真正影響 AI 落地速度的關鍵之一,因與 Databricks 合作協助企業打造更具彈性與擴充性的數據平台,作為 AI 長期發展的基礎。

Databricks 以分散式資料處理框架(Apache Spark)為核心,能同時整合結構化與非結構化資料,並支援分散式資料處理、機器學習與進階分析等多元工作負載,讓企業免於在多個平台間反覆搬移資料,省下大量重複開發與系統整合的時間,從而加速 AI 應用從概念驗證、使用者驗收測試(UAT),一路推進到正式上線(Production)的過程,還能確保資料治理策略的一致性,有助於降低資料外洩與合規風險;此對於金融等高度重視資安與法規遵循的產業而言,更顯關鍵。

陳亭竹認為,Databricks 是企業在擴展 AI 應用時「進可攻、退可守」的重要選項。企業可將數據收納在雲端平台,當需要啟動新型 AI 或 Agent 專案時,再切換至 Databricks 進行開發與部署,待服務趨於穩定後,再轉回雲端平台,不僅兼顧開發效率與成本控管,也讓數據平台真正成為 AI 持續放大價值的關鍵基礎。

企業強化 AI 資安防禦的三個維度

隨著 AI 與 Agent 應用逐步深入企業核心流程,資訊安全與治理的重要性也隨之同步提升。對此,宋青雲提出建立完整 AI 資安防禦體系的 3 個維度。第一是資料治理層,企業在導入 AI 應用初期,就應做好資料分級與建立資料治理政策(Policy),明確定義高風險與隱私資料的使用邊界,並規範 AI Agent「能看什麼、說什麼、做什麼」,防止 AI 因執行錯誤而造成的資安風險。

第二是權限管理層,當 AI Agent 角色升級為數位員工時,企業也須比照人員管理方式為其設定明確的職務角色與權限範圍,包括可存取的資料類型與可執行的操作行為,防止因權限過大,讓 AI 成為新的資安破口。

第三為技術應用層,除了導入多重身份驗證、DLP 防制資料外洩、定期修補應用程式漏洞等既有資安防禦措施外,還需導入專為生成式 AI 設計的防禦機制,對 AI 的輸入指令與輸出內容進行雙向管控,降低指令注入攻擊(Prompt Injection)或惡意內容傳遞的風險。

4-RD096303.jpg
博弘雲端技術維運中心副總經理暨技術長宋青雲進一步說明「AI 應用下的資安考驗」,透過完善治理政策與角色權限,並設立專為生成式 AI 設計的防禦機制,降低 AI 安全隱私外洩的風險。
圖/ 數位時代

此外,博弘雲端也透過 MSSP 資安維運託管服務,從底層的 WAF、防火牆與入侵偵測,到針對 AI 模型特有弱點的持續掃描,提供 7×24 不間斷且即時的監控與防護。不僅能在系統出現漏洞時主動識別並修補漏洞,更可以即時監控活動,快速辨識潛在威脅。不僅如此,也能因應法規對 AI 可解釋性與可稽核性的要求,保留完整操作與決策紀錄,協助企業因應法規審查。

「AI Agent 已成為企業未來發展的必然方向,」陳亭竹強調,面對這樣的轉變,企業唯有採取「小步快跑、持續驗證」的方式,才能在控制風險的同時,加速 AI 落地。在這波變革浪潮中,博弘雲端不只是提供雲端服務技術的領航家,更是企業推動 AI 轉型的策略戰友。透過深厚的雲端與數據技術實力、跨產業的AI導入實務經驗,以及完善的資安維運託管服務,博弘雲端將持續協助企業把數據轉化為行動力,在 AI Agent 時代助企業實踐永續穩健的 AI 落地應用。

>>掌握AI 應用的新契機,立即聯繫博弘雲端專業顧問

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
2026 大重啟
© 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