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
AI NAS 何時才值得部署?QNAP 拆解地端 AI 的成本、算力與資料門檻
AI NAS 何時才值得部署?QNAP 拆解地端 AI 的成本、算力與資料門檻

當資料不能離開企業,運算就得靠近:AI 先改寫儲存架構

AI 帶來的第一個變化,不只是運算能力提高,而是企業必須重新決定資料放在哪裡。

儲存架構大致分為雲端與地端兩塊,QNAP 身為資料安全的守護者,長期發展的是地端網路儲存設備(NAS),並擴展至 25GbE、100GbE 高速網路交換器產品線,提供完整的儲存與高速網路基礎架構。威聯通科技(QNAP)總經理劉文義解釋,當資料因合規要求或敏感度不能上雲,就必須留在靠近使用者與應用的地方;運算需求一旦增加,承接資料的裝置也自然被推向地端 AI。

不能上雲的名單比想像中長。醫療業持有大量醫療個資,金融與保險業受到合規與法規限制,部分大學院校與設計公司也不希望資料被雲端存取。對這些組織而言,問題並不是雲端好不好用,而是一開始就沒有把核心資料全面上雲的選項。

qnap2.jpg
威聯通科技(QNAP)總經理暨威強電集團(IEI)董事長 劉文義
圖/ 數位時代

真正讓更多企業回頭計算的,則是長期成本。劉文義指出,資料上傳雲端可能免費,下載卻會按流量收費;當企業把一年、兩年、三年的費用加總回推,可能會發現,購買一台同等容量的 NAS,還能使用 7-10 年。資料規模愈大、存取愈頻繁,總持有成本的差距就愈值得評估。

這並不代表雲端與地端只能二選一。雲端仍適合模型訓練、程式開發與波動大的工作負載;地端則較適合高頻存取、對延遲敏感,或不能離開企業邊界的資料。企業真正要回答的,是每一類資料與任務應該放在哪裡。

依 QNAP 觀察,客戶過去關心的是需要幾 TB、幾 PB,或備份速度有多快;現在更常問的是,機器裡的資料要如何被 AI 活用。QNAP 也從 2021 年起,把公司發展定調在 AI 與高速網路的融合,試圖讓 NAS 從資料保存的位置,進一步成為資料被調用的位置。

當資料量持續擴大,搜尋與管理方式也會跟著改變。「在 NAS 裡放入 AI Agent 會越來越不可或缺。」劉文義舉例,當照片累積到 10 萬、20 萬張,要找出其中幾張特定畫面,已不可能只靠人工翻找。此時,能理解內容、接受自然語言指令的 AI 工具,會從加分功能逐漸變成必要條件。

從資料治理到地端推論:AI NAS 如何進入企業工作流?

AI NAS 不是「多了 AI 功能的 NAS」,而是 NAS 在企業工作流裡換了位置。
依 QNAP 觀察,目前客戶大致分布在一條導入光譜上。人數最多的一群,仍在把資料集中、分類、清理與建立權限。這一步看似與 AI 無關,卻決定後續系統能不能找到正確資料、辨識版本,並把答案交給有權限的人。

中間一群開始建置私有的檢索增強生成(RAG)知識庫。RAG 並不是重新訓練一個模型,而是在模型回答前,先從企業的 SOP、合約、法規或技術文件中取回相關內容,再產生附有來源依據的答案。QNAP 以 Qsirch 的語意搜尋能力協助建構這類應用,協助企業建立私有知識庫;而走在最前面的少數企業,則已經嘗試地端推論與 AI Agent。

模型的選擇權,QNAP 刻意留給客戶。知識庫背後採用哪一個模型,可由企業依需求決定,不綁定單一 AI 供應商。QNAP 也以 QuAgent AI 助理與模型情境協定(MCP)相關能力,讓管理者透過自然語言查詢狀態、調整設定,並讓 NAS 成為 AI Agent 可調用的資料節點。

不過,劉文義沒有把這條路說得太容易。他坦言,目前 NAS 硬體的 AI 運算能力仍有限。一般企業期待的應用,可能需要約 300 到 800 TOPS,甚至 1,000 TOPS,因此多數方案會以 NVIDIA 顯示卡補足算力;一張卡約需新台幣 10 萬至 12 萬元,一張算不完,就得配置 2 張或 4 張。

「整體成本可能是過去單獨一台 NAS 的 5 倍到 10 倍,並不是大部分中小企業都能接受。」除了硬體,使用者還需要 AI 應用的 Know-how、程式背景與開發資源,這些都是落地成本。

QNAP 則是透過算力分級讓各規模與需求的企業都可以有適合的解決方案。在 Computex 2026 搶先亮相的 QNAP AI NAS 中,一類是採用含有 iGPU 與專屬 NPU 的處理器平台,以一百多 TOPS 的範圍,可順暢使用 AI 應用程式;另一類機種則可安裝 1 張或 2 張 NVIDIA 顯示卡,處理更大的運算量。

同時 QNAP 也在軟體端也持續開發,目標是讓 NAS 裡的資料更有效率地被 AI 工具調用,讓資料成為有價值的知識。

從規格走到現場:能源公司如何導入私有 LLM?

本地 AI 實際落地部署會是什麼模樣?劉文義舉了一家約 50 多人的能源公司為例。這家公司原本想用 NAS 搭配雲端 AI 建置內部資料庫,但很快遇到兩個瓶頸:一是員工查詢時明顯出現卡頓;二是專利、技術與合約都高度敏感,高層不願上傳至公有雲,擔心機密資料會有外洩的疑慮。

後來,該公司導入 QNAP AI NAS 的旗艦機種 QAI-h1290FX,搭配顯示卡與全快閃 SSD,在地端部署私有大型語言模型,把數十年來封存的靜態檔案交給 AI 調用,進行跨檔案摘要與精準搜尋。員工因此省下翻找合約與報告的時間,核心機密也能留在企業內部。

這個案例說明,若任務範圍明確,有些應用不必動用雲端大型模型,地端運算量就可能足以支應。

但不同企業的資料量、查詢方式與模型大小不同,導入前仍需要概念驗證(POC)與技術人員評估。

而且,資料留在地端並不等於自動安全。企業仍要處理帳號權限、網路隔離、備份復原、漏洞修補與日常維運。地端的價值,是讓資料邊界與控制權回到企業手上;相對地,安全責任也會更直接地回到企業。

哪些企業現在該做,哪些再等?先看重複性與三個條件

能不能導入地端 AI,不只由產業標籤決定,也要看工作是否重複,以及場景能不能被清楚定義。劉文義觀察,第一批走進來的,除了受法規限制的醫療、金融與保險業,也包括利用地端 AI 加速資料處理的科技業,以及會計、律師等有大量重複文書工作的專業服務業,因為效益較容易被看見。

工廠也是可預期的場景。一條生產線可能有 10 台、20 台機器,每台處理與儲存資料的 Protocol 都不同,需要相對應的儲存裝置;生產過程累積的影像與紀錄可能要保存 3 年到 5 年。當企業要跨設備調用這些資料,AI Agent 與地端資料節點就有發揮空間。

「重複性資料處理越多,或重複性動作越多的產業,越容易透過導入 AI 提高工作效率。」反過來說,較傳統、人力密集,或仍高度依賴人工判斷的製造業,短期內未必能快速導入地端 AI。

依 QNAP 提供的資料,企業也可用「高頻、大量、敏感」三個條件做第一輪判斷:資料是否被頻繁調用?規模是否大到雲端傳輸與長期費用開始變得明顯?內容是否涉及個資、法規、智慧財產或商業機密?三個條件愈集中,地端部署愈值得評估;三者都不成立時,使用雲端 API 往往更簡單,也可能更划算。

可以先等的企業,大致也有三種。第一,資料仍分散、版本混亂、權限不清,急著上 AI 只會把混亂放大,先完成集中與治理,效率就可能先提升。第二,找不到一個具體且反覆發生的業務痛點,只因為「別人都在做」而採購,設備很可能變成昂貴的展示品。第三,使用量仍小、需求偶發,現階段雲端的彈性反而更有優勢。

因此,POC 不應只驗證「模型答不答得出來」,還要回答三個問題:資料由誰負責,誰可以存取?導入後能節省多少查找時間、傳輸成本或人工作業?正式上線後,誰負責資料、模型與資安維運?只有當效益與責任都能被量化,才適合從展示走向正式部署。

企業願意把部分資料留在自己的機房,動力最終仍回到資料主權。QNAP 的主要市場分布在歐洲、美洲與亞太,其中歐洲占比將近一半,而歐洲也正是全球推動資料主權的最大動力。

QNAP 的產品已取得 ISO 27001、ISO 27017 與 ISO 27018 等多項認證,並滿足 GDPR、HIPAA 等資料保護與法規遵循需求;累積至今,已售出約數百萬台裝置,協助企業打造智慧、安全的儲存方案。

至於普及時間點,劉文義提出一個明確的價格與效能交會點:地端應用若要順暢運作,運算量可能至少要達到 300 至 600 TOPS,甚至 800 TOPS,同時價格要落在新台幣 5 萬至 8 萬元。目前符合這些條件的硬體方案仍很有限。

qnap3.png
「AI NAS 不是多了 AI 功能,而是改寫了資料在工作流的位置。」威聯通科技總經理劉文義坦言,地端算力成本高昂,QNAP 透過「算力分級」與開放模型架構,助企業逐步建構私有 RAG 知識庫與 AI 團隊。
圖/ 數位時代

「預測約兩、三年後,應該很快會看到符合一般大眾期待、具備合理 CP 值的產品。那個時間點,就會是 AI 落地最蓬勃發展的時候。」在此之前,企業真正能先做的,不是搶著買最大的模型或最昂貴的顯示卡,而是把資料治理、使用權限與高價值場景準備好。

QNAP 以「資料煉油廠」比喻自己的角色:原油再多,沒有整理、提煉與配送的過程,也無法成為可用的能源。這個定位也點出地端 AI 的競賽條件——不是誰先買到算力,而是誰的資料先準備好被調用。模型會持續更換,但企業自己的資料層則會長期存在。

AI NAS 不是把模型塞進儲存設備,而是在資料必須留在企業內時,讓搜尋、推論與管理靠近資料的地端節點。

QNAP World Tour 2026 台北場將於 2026 年 9 月 18 日(五)舉行,現場將聚焦 AI 應用、儲存備份、網通產品、資安與監控,並安排 Live Demo,適合 IT 管理者、系統整合商與企業決策者參加。

活動地點:新板希爾頓酒店|如意 AB 廳

活動時間:09:20–16:00

地址:新北市板橋區民權路 88 號 2F

立即報名:https://bnex.tw/9f7my4

2026 QNAP 台灣企業資安韌性大調查,填問券抽好禮,倒數計時:https://www.surveycake.com/s/q4abw

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
台達電全解讀
© 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