越來越多的人使用Fitbit手環，小米手環或蘋果手錶記錄生活的點點滴滴，為每日生活做下記錄；就算沒有用這些裝置，智慧手機也悄悄的透過GoogleFIT或是AppleHealthKit，收集使用者的每日走路步數，爬梯階數，睡眠時間和生理資訊（透過配戴許多其他感測裝置）;當然這些數據的量並不大；不過透過長時間的收集，也能符合樣本數是可以趨近統計母體數的大數據特徵。再透過數據分析的相關技術，越來越多的APP都可以提供相關的建議。

這些行為數據的收集和分析，透過更多的感測裝置和連網能力，配合習知的演算法，已經有非常多的廠商提供解決方案;不過大數據的強項在於由不精確的數據中看出一些不為人知的相關性，也就是許多原本不以為重要的參數，反而展現出很強的相關性，例如之前我們用網路上減重日記的資料，搭配雲端有大師的大數據服務做交叉分析，可以清楚地顯示日記的填寫頻率，比起其他的條件更能顯示出一個會員的減重成功率。

拜資訊科技進步所賜，現今我們已經把社會中大部分的活動過程和記錄都已經數位化（digitalization）;然而數位化僅僅是把類比的訊號轉為零與壹的位元，現在我們才剛剛開始面對大量數位化之後堆積如山的資訊;這些大量的資料究竟是被放成堆棧還是倉儲，就在於最近開始的資料化（datafication）浪潮，透過數據分析的技術，在茫茫資訊瀚海中，找到有用的方向來發現持續收集這些資訊帶來的價值。

大數據分析產生的價值，就如同麥爾荀伯格所說的”是通知，而不是解釋”，透過已經成熟的技術，我們可以從數據觀察中預知一些可能性;根據穿戴裝置回傳的數據，分析你有可能變胖，有可能患上代謝症候群，但這並不代表這就是你被安排的結局;我們藉由這些先期的警告，透過和專家的對談，找到合理的解釋，做對應改變;激勵自我找出路徑，導向理想結果。

李世白

Dennis Lee
圖現科技 創辦人

更多文章

目前單部車輛的自動駕駛基本原理（在尚未於其他車輛、號誌、道路與交通中心做訊號信息交換時）是：利用自身安裝的各種感測器與行車電腦，快速運算四面八方數據，做出即時的動態預測與控制，例如估算前方可行駛的最小安全空間，估算前方可剎停的最小安全距離，等等…。

哈佛大學哲學教授Michael Sandel在其著名的開放課程《正義》，善用許多假想或實際案例，設法使倫理道德安置在爭辯點，顯現其不確定性與矛盾本質，第一堂課的開場就用思辨的方式展開：「假設你駕駛著一部輕軌電車，發現前方有四個工人在施工，又驚然察覺煞車無效、喇叭失靈，你可以任由車子撞上四人，或是急轉到另一軌道，但會犧牲另一工人，你會怎麼做？…」

科幻作家Issac Asimov於1942年的一部科幻小說，其中藉由一本2058年的機器人手冊，列出了人工智慧機器人的三個基本守則：1）機器人不能傷害人類，或以無作為而造成人類傷害，2）機器人要絕對服從人類的指令，除非指令是抵觸第一守則，3）機器人也要隨時保全自身完整，除非情況預測是抵觸第一與第二守則。真是經典與合理的邏輯想像，也造就日後機器戰警與終結者等系列電影的高娛樂性。

對於目前偕同人類於工廠生產的重型機器人（手臂），若有足夠感測器，這樣的基本守則是必要的與可達成的。但當機器人裡也有人時，內部與外部的人類安全，孰重孰輕？也就是回到本文的主題：Robocar。

當前方緊急狀況發生時（例如，對向車輛不當超車失控滑入），自動駕駛車輛判斷已無法直線安全剎停時，是要保護自身人員與自身車輛的安全，而轉向造成路邊行人或車輛的犧牲？還是就是不管結果地只能直線煞車？資本論的世界，或許靠保險來賠償一切民事責任，但是電腦已高速預知結果，還是行車電腦連保險賠償都做了分析比較。在論述一般職業倫理時，判斷違反人員的三個基本共識是：1）直接造成非倫理結果的前因相關人員、2）知曉會有如是結果的相關人員、3）若能有其他避免選項而不採取的相關人員。或是就可以直接問：現在的自動駕駛車輛，有無類似的機器人守則？又是誰決定了一切？

當然這樣的討論可以反觀飛機的自動駕駛，但施行情況與所處環境是相當不同，特別的是飛行訓練的重心是利用科技設計出多樣模擬，以提升人類的應變能力，而車輛的自動駕駛的發展卻是取代人類的應變失誤。人類文明進化，需要持續做道德倫理的思辨，就像小到只是幾行程式規避車輛排氣檢驗，大到用龐雜程式選擇處理人身安全模式。

彭光中

KC Peng, Ph.D.
彭光中 博士

更多文章

「開放資料」（Open Data）多被視為公共財產，大多是來自政府的資料，國家對其他資源都加以管理並設計增加稅收，那麼開放資料的延伸獲利，是否可以有如開放程式源般的授權管理？同時，開放資料造成的池魚損害，是否也在國家賠償範圍內？

拿紐約市公開租賃車（Taxi & Limo）2013年的資料為例，逾1億7千萬筆的載客趟次，項目包含了去識別化的代碼、起迄的日期時間、GPS座標位置、乘客人數等等，共約20GB容量，如預期地完成了圖形顯示全時全區的交通流量研究，但意想不到讓駭客以已知車牌格式，輕鬆地利用電腦窮極嘗試，破解了去識別化的車牌號碼，加上其他公開資料庫，可以得出司機個人資訊乘客習慣；始料未及的是，還有鬼才利用特種行業地點的特殊時段，找出上下車點的地址，搭配其他公開資訊（如美國選舉資料）比對，對一般市民加以勒索。雖然有的國家立法將試圖破解去識別化的行為即視為犯罪，但網路無國界，駭客無敵我。因此，針對開放資料更該提前擴大舉辦「駭客松」（Hackathon）作各式模擬破解，獎賞激勵下使之更安全。

「數據倫理」（Data Ethics）的關注肇因於數據分析的最後影響總是關係到人，因此在整個過程：「數據蒐集、數據傳遞、數據分析、與數據儲存」，都需要全程關注各項細節：「網路安全、個資保全、隱私尊重、與數據倫理」。數據本身是中性的，是任意蒐集與無意洩漏造成了保全問題，是分析的手段與目的造成了道德問題。論述一般職業倫理時，判斷違反人員的三個基本共識是：直接造成非倫理結果的前因相關人員、知曉會有如是結果的相關人員、若能有其他避免選項而不採取的相關人員。所以每個環節的單位企業，都該成立「數據倫理指導委員會」，做內部把關裁決。

試問台灣智慧醫療的目標是：提升醫事人員效率？降低醫院健保罰款機會？計算高利潤門診與用藥？篩選分類病患而服務？…若沒有同時量化分析，病患的長期身心效益作最高指導準則，智慧醫療就可能陷入道德倫理危機。

「資料科學」（Data Science）儼然是個新學門，就像是「電腦科學」於50年前產生，當初物理大師費因曼還公開嘲弄：電腦怎麼會是個科學？但看看這50年來的發展，是其他科學的重要工具，更是個需要多領域合作的學門。既然是科學，強調的就是實驗精神。過去的數據分析多是統計「描述性分析」（Descriptive Analytics），當前利用先進工具，重視的是模型「預測性分析」（Predictive Analytics），大數據分析最擅長的是找出兩兩相關性，但相關性並不代表因果性（Correlation vs. Causation），所以未來的數據分析挑戰是能自動釐清龐雜項目因果性的「處方式分析」（Prescriptive Analytics），方法之一是善用電腦的窮極迴圈，輪流抽換不同項目，排列出影響預測的準確程度，再於時間序列上，實驗出相關項目的影響變化，有了虛擬世界的模擬，再於實際世界實驗確認。

舉例美國線上售票TicketMaster，多年來一直為黃牛大量搶票造成的民怨所苦，試過多種方法分析研究，但對於以秒殺搶購過程與靈活善變的黃牛而言，都無法有效對付，多是失敗實驗結果，只好求助Hackathon腦力激盪，一旦觀念轉對，問題可迎刃而解：重點不在於確認誰是黃牛，而是要讓良民順利買票。所以採行的是即時分析線上購票者的行為，只要是疑似黃牛就技術性的拖慢或跳出，順利讓一字一字輸入卡號的良民完成購票程續。

「資料經濟」（Data Economy）在在強調企業營運不再只靠傳統的人力、金錢、土地，數據資料已成為第四項重要的生產要素。那麼某公司低價或無償地提供數據，讓其他（子）公司分析獲利炒作，算不算是掏空資產？目前有相關法條可規範嗎？數據資料該如何鑑價與追蹤？

Big Data或許像是個噱頭口號，但大數據分析就像科技產品一般，將持續提升人類文明。

彭光中

KC Peng, Ph.D.
彭光中 博士

更多文章

人與人在網路之間隔了一層螢幕，發表的內容更非實名制，反而有很大的程度和空間能表達出人性心裡最底層最真實的想法，由越來越多的公共議題在網路上發酵可見一般。當議題發酵同時，使用者利用社群網站輕易地將想法擴散出去，再藉由回饋意見，快速吸收後再分享。訊息反覆流通後產生出「意見領袖」，吸引與其同一理念的人加入，稱為「婉君」(網軍)。也因此有人深信，若能得到眾多民意之一的「婉君」，便能探得趨勢潮流、引領潮流。

網路大小聲
藉著yodass所提供的網路爬蟲(Crawler)技術，我們能夠擷取網路上各媒體網站的特定文字區塊，取得「來源」、「時間」、「使用者」、「內容」等資訊，將網路上蒐集之文章內文句一一輸入至輿情統計模型。此模型主要以情緒辭彙庫為基礎，結合統計模型及機器學習技術，訓練出分析模組，提供系統解析每一個文句的正、負面情緒機率值。

以下為我們在yodass上的實作展示案例，資料來源為蒐集某間銀行發行的「信用卡」在4個指標性的網路社群媒體一年內網友所有評論，透過圖一、圖二視覺化的圖表展示，發現一項有趣現象：2月份前後為全年度文章聲量比例最高的月份，由實際討論內容去看才發現這是因為信用卡發行業者於春節前推出促銷活動，才使得網路上討論的聲量大幅增加。待春節結束、促銷活動時限已過，網路上的討論聲音再度回復平均值。

概況總覽
蒐集臺灣數個著名的大型論壇、BBS站、Facebook粉絲團，使用者設定某間銀行的「信用卡」為目標，依關鍵字取得相關討論串，輸入至輿情分析模組，最終以圖表方式呈現統計結果。此案例透過總覽資訊，提供使用者瀏覽各網路媒體的聲量平均意見傾向。舉例來說，藉著圖一的儀表板可快速得知「信用卡」討論較熱烈的網路社群媒體、網友對於「信用卡」的聲量情緒指標，包括正面、負面及中立言論在時間軸上的增長趨勢等。

熱度總覽
揭示討論議題的重點月份，標記出關鍵字「最高溫」的月份，再依照不同資訊來源、不同輿情判斷、不同月份，使用顏色深淺表示討論文章的數量、使用不同顏色表示意見的正、反面，提供使用者關注事件發酵、燃燒、延燒、平穩等階段的生命週期。

近年來興起群眾募資平臺，提供專案提案者能透過網際網路廣宣，並達到募取計劃資金效益，若為產品設計者能透過群眾募資平臺，能有效掌握未來開發生產狀況，得以降低庫存及成本的負擔。因此，透過網路資訊自動化蒐集與巨量資料分析技術，來觀察投資人偏好習性及其市場需求分析，讓創新、創業夢想家能更有效掌握市場脈動，並能突破經濟及環境困境。

本系統運用網路資訊定時自動化蒐集與巨量資料分析技術，統計全球最具有代表性群眾募資平臺之龍頭Kickstarter與Indiegogo，顯示此兩大平台之募資專案，平均募資目標位於臺千元以下的，成功達標率較高的機會點。透過網路資訊自動化蒐集與巨量資料分析技術，一項有趣的觀察發現結合國外Kickstarter、Indiegogo與國內FlyingV、群募貝果四大群眾募資平臺統計歷年來最吸金的產業實為科技應用產業，但反觀近年遊戲動漫產業興起，又不似硬體產業需注入資金較高，反而更吸引投資人關注，並成為近年來最感興趣的產業。 舉例來說「最吸金產業分析」與「投資態樣分析」為其中兩項統計視角，說明如下:

最吸金產業分析：整合各大熱門群眾募資平臺，透過巨量資料分析處理，彙整出投資人關注度最高之產業，藉此分析圖表得以觀察到哪些產業募資成功率相對較高，作為創投公司或個人工作室參考依據。

投資態樣分析：透過巨量資料分析處理，觀察哪些區域經濟崛起，藉此掌握產業變動脈絡，並探討成功專案之產業，該網站經營主要的成功要素，是如何能成功吸引投資者目光。

如對更多業界創業投資募資情報分析感到興趣，歡迎至經濟部中小企業處 「財務數據創新趨勢平台」網站參考，資料內容定時蒐集更新。

「全球國家地理檔案」蒐集全球各國人口、經濟與健康因素數據資料，使用者可透過選擇圓圈項目大小與顏色所代表之因素意義，將各國資料呈現於世界地圖中，大幅提高使用者對於資訊的理解力，在解讀資料上一目了然。於1950年左右，亞洲與非洲的平均壽命為30-50年之間，但同樣時期的歐美國家皆已達到60-80年，兩者不管是在社會還是經濟方面，有相當大的差距，而到了現今，全球平均壽命皆已達50年之上，亞洲與非洲已可與歐美國家並駕齊驅。

「全球國家關鍵因素追蹤」呈現全球各國人口、經濟與健康因素，藉由不同對象之相對關係及歷史追蹤的動態，試圖了解各因素之間為非獨立性，具一定程度上相關。使用者可調整展示案例項目，包含年度、橫軸與縱軸、顏色、大小、各圖形單位、顯示國家，以多維度方式易於解讀各因素間的相關性，亦可點選指定國家圖形顯示因素歷年消長情形。有趣的是，在1950年代，科威特的人均所得為全球之冠，相較於人均所得第二高國家汶萊多了有三倍之多，甚至在1956年達到高峰，而科威特的人均壽命成長幅度也在此段期間有了大幅成長，但卻由於1990年被伊拉克入侵而淪陷，造成人均所得數質一蹶不振，人均壽命成長亦逐漸趨緩。

「全球國家發展因素態樣分析」使用分群演算法，選定特定因素將各國家加以分類，試圖找出特定因素相近之國家，期望可藉由相近國家之比較預測未來發展。目前使用之因素為各國國內人均產值(GDP per capital)、人口數目(Life Expectancy)及平均壽命(Life expectancy)，未來再改版時，將新增更多不同分群因素。由畫面呈現結果我們可以發現，在人均產值(GDP per capital)、人口數目(Life Expectancy)及平均壽命(Life expectancy)的標準下，台灣與加拿大、阿富汗、伊拉克等國家是屬於同一個群組，表示在這三個因素下是相近的，而也許在某個時期或時間點上，同一群組內的國家發展會相當接近，或許我們可以猜想是否可以藉由改善某些原因，而使得我們可以與某個國家更靠近、更相近，甚至預測國家未來發展!

鍾昀珊

關貿網路股份有限公司
資料科學課

2009年作者試著探討經濟發展重要還是人身壽命的重要，也受到非營利Mind Gap網頁與Hans Rosling的TED演講之啟發，曾對各國平均壽命與其他數據做簡易相關性研究，以Life Expectancy at Birth的跨國數據作為比較橫軸，掃瞄各式數據（如圖一所示：人均購買力與平均壽命）。金錢或生活滿意，或許能促進健康與生命長度；但是，目前生命長度似乎有一難以突破的極限。難以靠無限多的金錢與幸福，能換取時間與生命（以圖1為例，顯示各國縱軸人均PPP經濟表現與橫軸平均壽命的關係）。

圖1呈現一類似對數的發展趨勢，PPP在US$10000以下的國家，可以因小幅的經濟發展，而能達到大幅的壽命增長。有錢的國家是否也能留意這樣小成本重分配的人道精神呢？

對一國家整體而言，有難以避免的自然分佈不均，但政府不該放任差異化的擴大與惡化。以經濟不均為例，維持同樣的整體經濟表現，改善收入的分配不均，意味著高收入轉移部份財富予低收入戶，使整體平滑分布，縮小貧富差異；高收入戶的些微損失，不致於影響其健康或生命表現太多。而低收入戶，將因重新分配的收入增加，而能大幅改善健康程度。就國家整體的生命期望長度，將因原本低收入戶的健康大幅改善，而獲得增長。已有多數文獻探討此議題。

圖2顯示家庭收入之不均指標與平均壽命之比較（縱軸GINI Index，數值大代表差異性大，綠色菱形代表千萬人口以上的國家）。約略可看出平均壽命較長之國家，有較佳之貧富分配。

圖3顯示各國個人收入之不均性（兩端10%富貧之差距，資料為2002年），相較於世界各國，台灣還是有不錯之表現。維持良好的貧富差距，也能維持社會品質的良性發展，例如：互相信任與幸福生活。

圖2與圖3是採用不同之定義計算，表達的多是同樣的意念：Inequality，但是GDP或各種收入的計算，皆未將家庭主婦等之貢獻量化為金錢，性別收入的差異，也會於家庭收入表現中產生不同；圖2與圖3的差異（例如台灣與日本的比較），應當是能再作深入探討的，作者暫不在此評述。

較易量化的經濟指標，若不能完全表達整體的生活品質與狀態，主觀的問卷統計調查，或許能表現人生滿意度或是生活幸福感。圖4顯示各國人民對生活滿意度調查下的分歧與不均（資料為2000年）。類似先前經濟收入的不均比較結果，顯示出平均壽命較長的國家，皆有著國內分佈較均衡的表現。而台灣在此項目的表現，僅僅是在趨勢上，並非有著極佳表現，仍有努力的空間。

避免死亡減少疾病，當然會立即影響整體平均壽命，圖5顯示台灣與日本的差異，日本總死亡率是高於台灣，也有著較高的平均壽命，因為台灣在年幼與年輕族群的分齡死亡率較高，意外事故死亡率較高。這些都是政府民間能努力的方向。

另外，也可以快速掃瞄台灣文明病的異常發展，如圖6顯示於2003年台灣子宮頸癌發生率並不在各國發展的趨勢上，也才鼓勵了「6分鐘護一生」的措施，以及青少年的疫苗注射。同年，青光眼也異常，2006年梅毒也有異於其他國家的發生率。所以可以利用簡單的逐年掃瞄，找出異常線索，再請各領域專業人士查證與解釋，進而提出因應對策。

本簡短導讀，試著在提出跨國數據比較之實用性，相信均富與均樂的社會是有益於整體發展，並強調除了慣常的經濟指標，平均壽命可以是各國政府施政的重要指標，時間的流向是單方向不可逆的，生命是可貴的，不該有貴賤之分。但我的分析是時間的剖面及有限的。
感謝關貿網路團隊能掌握住Mind Gap的精髓，而重新展現歷史追蹤的動態，更增加地理位置的顯示選項，提供一平台讓台灣蒐集彙整自己的數據；未來再小改版時，或許能讓使用者自行組合參數作簡易比較，例如：可以除以人口數量或是國土面積，可以做指數間的加減乘除定義，如痛苦指數等等。雖然台灣不是聯合國成員，通常不見於各國比較，希望大家能持續協助蒐集跨國跨年代的各國數據，協助整合開放資料與發揮群眾綜效。
(請參閱: 各國壽命影響因子比較分析 )

彭光中

KC Peng, Ph.D. from KEC of ITRI
工業技術研院 知識經濟與競爭力研究中心

更多文章

過去高科技產業已將巨量資料分析應用於工程控制與良率分析上, 例如半導體晶圓製造中, 透過 FDC (Fault Detection Collection) 系統, 針對機台內部重要參數建立模型, 可以在製程發生問題前，提供預先警示，產生即時(Real-time)的資料分析，可大幅降低成本與提升良率。 將此應用概念推廣能源管理與耗能改善, 可以透過生產的效率及電力耗用的情況，機台設備資料與其他巨量資料以專業模型作關聯性分析，找出關鍵的問題並提供廠商決策所用。

以台灣最先進的12吋半導體晶圓製造廠為例，其廠房之廠務設施用電（如冰水機、空氣循環、氮氣、製程用水、空氣壓縮及照明等）約佔全廠用電量的 43%，而生產加工機台的耗電量約佔全廠用電量的 49%，其他如辦公區域用電約占 8%。然而過去的改善專案多以廠務系統為主，生產機台的耗能表現卻一直是個黑盒子，較少著墨於此，主要的原因在於過去生產機台端及其支援單元無法有效了解其耗能表現，尤其是比較老舊的工廠要佈建電錶做能源消耗資料收集更是一大投資且施工困難, 更遑論其與機台生產行為之關聯性。

隨著物聯網科技發展與進步，除了過去的接線電錶外，目前已可透過無線電錶裝置或先進自動化機台內建的感知器更簡便地收集生產機台相關之各部（如主機台與其他幫浦、加溫器、離子加速器等支援裝置）耗能表現。然而，解決了資料收集不便的限制，用電分析資料收集之數據量亦隨之急速增加（裝置電錶數目將是過去的十倍到百倍以上，乘以每5~10秒收集一次的頻率），因此，如何低成本、有效率地儲存、分析、應用與視覺化呈現巨量用電資料資訊，就成為生產加工機台端耗能改善問題的第一道門檻。

有了完備資料後, 我們可以透過巨量資料處理與分析及互動的視覺呈現技術, 建構一個分析流程, 工程師可以輕易地整合生產加工機台用電與製造資訊，建立每座機台的耗能基準線並了解其耗能的分配及流向、找出每個生產加工程式以及生產狀態下的改善機會、建立耗能與零件更換之連接並提供異常耗電樣型之偵測與處理，目前經過新加坡與台灣半導體工廠的實證，可以為各型機台帶來平均約13%的直接節電效益。另外，資料挖礦技術所建構之耗電因子與機台作動因子關係可作為生產機台之節能指導規則基礎，並進一步建構能源管理系統以獲得較佳之節電效率；所萃取之耗電樣型或歸納之規則更可進一步作為採購新設備機台驗證其節能效果或提供改善方向之用。
 

半導體Clean機台耗能分析與改善案例

徐 紹鐘

清華大學工業工程與工程管理所博士
宇清數位智慧研發副總與首席資料科學家

更多文章

由於本人過去對全球進出口數據的創意分析，待橄欖油與芝麻油等食安事件出包，才事後諸葛地意外發現，可以從巨觀的角度探索蛛絲馬跡。再加上近年食品安全持續是個利之所趨的道德問題，所以在此提出跨平台大數據監測的建言，為食品安全做自動化蒐集線索。

第一步，利用WTO的公開資訊網站，如TRADE MAP，可以蒐集2000年以後，全球分年分季，個別經濟體所有分類碼的進出口金額、數量，以及所有夥伴國。事關關稅收入與企業保險，加上海關抽檢查緝，因此有一定的精準性。利用各品項的金額與數量，可計算出單價（單位數量的金額）。要小心比較的是，各國數據是否是同一數量單位，例如會有件數或是重量的差異，而重量通常是包裝貨物的重量，所以並非內容物的淨重。但是利用此宏觀的單價定義，對同一品項跨國比較是極具參考價值的：可以得出某國進出口某品項與全球平均進出口單價的差異。在全球自由市場的報價競爭下，單價差異也隱喻了品質差異。

第二步，有了與全球平均單價以及各國單價的參考，回頭審視台灣海關有的公司級別的進出口數據，相比較能得出各公司進出口與全球的單價差異，再檢查進口來源國該品項之進出口單價差異，或是進口來源國該品項對其他出口國個別的單價差異，作為判斷該公司進口此品項之品質訊號依據。當然，食品公司進口了工業化學用品，或是食品上游原料公司進口了劣質原料，就是需要實地稽查的線索之一。

第三步，加上財政部所有的國內企業間電子發票，要求各企業提供國內B2B交易品項與海關進出口分類碼的聯結，而不合作之極少數企業，可以是實地稽查的參考線索之一，比對全國提報的品項聯結，完成單一且校正的Look-Up Table表單，也就做到宏觀與微觀品項數據的相關聯結，即時掃瞄國內企業間的可疑交易情況：例如，進口了非食用原料卻販售成食品原料，或是食品公司購入了非食用級化學品。

國際上，在金融保險或會計稽核等領域上，有採用大數據分析的趨勢，善用平行處理（Parallel Processing）、機器學習（Machine Learning）協助快速剝繭、抽象學習；將過去舊案例當訓練教材，而未來新經驗繼續累積，即使舊資料也能因新掃描而得以持續揪弊，人工智慧甚至可能協助預測舞弊序列，協助作為最終人為判斷決策的線索。

同理，藥品的安全監測也可以同時完成掃瞄。期待，食品藥品安全辦公室，就是個大數據掃瞄分析機房，每天自動列印實地訪察的建議名單。數據科學分析也是新式政策制訂（Evident-Based Policy Making）的重要工具之一。

彭光中

KC Peng, Ph.D. from KEC of ITRI
工業技術研院 知識經濟與競爭力研究中心

更多文章

零售業與民生需求息息相關，因此零售業的發展狀況，對於一般大眾而言，是最容易感受到的。此展示案例以近三年間的零售業^註二營業額及綜合商品零售業^註三營業額，進行視覺化的呈現。透過圖表可讓您快速觀察零售業各業種業態近三年的發展趨勢與循環特性。

註一：http://dmz9.moea.gov.tw/GMWeb/common/CommonQuery.aspx
註二：銷售單一系列商品之零售店。
註三：從事以非特定專賣形式銷售多種系列商品之零售店，如超級市場、百貨公司、零售式量販店及連鎖式便利商店等。

零售業儀錶板

綜合商品零售業儀表板