【113级智财组陈廷瑜撰稿】
114年04月15日的「市场与创新科技预测」课程中，我们有幸邀请到三位学长，分别是台北大学商学院数码行销学位学程蔡家昌老师、淡江大学管理科学学系吴健鑫老师以及品昕数码股份有限公司林大为执行长，为同学介绍不同种类的分析与预测法。
首先是蔡老师以「大数据分析与预测」为主题的分享。蔡老师先以台湾大车队为例，说明在出租车行业中有收入50万的司机也有收入200万的司机，两者的差距在于后者主动利用派遣系统搜集客户上车时间、地点，并先到地点休息等待，所以跑车时间较短。这点正好符合台湾大车队所拥有的资料：时间载客率低但每车每天空车时间高。发现这个问题后，车队选择建构一套以大数据预测乘客位置并引导司机前往热点的系统，在处理空车问题的同时也解决客人等待许久的困扰，三方皆能因此受惠。另一个问题是司机由于缺乏信用纪录，在无法寻求正规金融服务的困境下仅能选择高利贷。对此，台湾大车队从需求出发创造出「香蕉分」机制，纵使司机和车队之间并非僱佣关系，双方仍旧能以跳表数据作为上下班的推定，并以此种数据作为周转服务的审核基准。最后，蔡老师表示在数据取得相对容易的当今，我们对于数据应用的关注应从「因果关系」转变为「相关性分析」，在进行数据检索前应先设定目标再进行搜寻，才能真正利用大数据解决问题。
吴老师则是实机演示AI工具的应用。吴老师表示传统的资料取得多需要使用者自行浏览官网并在茫茫子标籤中找到契合的文件，并以IRENA的Renewable Capacity Statistics资料输出展示繁琐的操作流程。此种问题在自动化软件的协助下便能很好的解决，即便我们缺乏撰写程式码的技巧，在生成式AI成为趋势的时代，我们可以透过此类工具的运用补足不足之处。吴老师并以ChatGPT和GROK演示股价查询和分析，向同学呈现引入此种工具后所带来的便捷。但是，即便AI工具看似如此方便，吴老师还是提醒我们「不要过度相信所生成的内容」，AI产出的结果只是可供参考的方向，我们虽然能透过AI提升学习速度，但正确性还是仰赖于专业知识的判断。
最后，甫毕业的林执行长以「从数据开始：网络爬虫如何帮助预测创新市场分析」为题总结前二位讲者的观点。林执行长以先前在医美产业的创业和板材公司的工作经验为例，说明了解产业本质的重要性。例如诊所的本质就是做方圆10公里内的线下生意，而如果是医美，那在选择广告投放平台时应优先考量年龄层为35~45岁的脸书，而非需求导向的Google Search或话题导向的Dcard。林执行长表示「创业就是一个不断探索价值的过程」，而价值也正是市场预测的核心。模型只是一种工具，预测也不过是从「假设」到「验证」的动态过程。故应先从「财务模型」为基准获悉价值所在后，复以爬虫作为协助验证的工具。在介绍爬虫之前，林执行长先向我们介绍API的中介概念，并以餐厅服务生类比，说明爬虫所取得的资讯类似于没有经过服务生整理的原始资料。林执行长接续说明爬虫工具在To C端和To B端的应用，并呼应Bass Diffusion Model和实质选择权法，告诉我们爬虫真正的价值在于把「不确定性」变成可量化的数据。最后，林执行长以AI席捲世界的现况作结，向学弟妹们说明其选择进入何种产业背后的理由，以及他作为创业家的际遇与观察。
这堂课让我们对分析与预测法有了更广泛的认识，感谢三位学长结合案例和学理的分享，为我们带来所属领域不同但核心得以共鸣的精彩演说。也感谢吴丰祥老师用心的课程安排，相信本次讲座能为同学将来的研究提供不少帮助。
首先是蔡老师以「大数据分析与预测」为主题的分享。蔡老师先以台湾大车队为例，说明在出租车行业中有收入50万的司机也有收入200万的司机，两者的差距在于后者主动利用派遣系统搜集客户上车时间、地点，并先到地点休息等待，所以跑车时间较短。这点正好符合台湾大车队所拥有的资料：时间载客率低但每车每天空车时间高。发现这个问题后，车队选择建构一套以大数据预测乘客位置并引导司机前往热点的系统，在处理空车问题的同时也解决客人等待许久的困扰，三方皆能因此受惠。另一个问题是司机由于缺乏信用纪录，在无法寻求正规金融服务的困境下仅能选择高利贷。对此，台湾大车队从需求出发创造出「香蕉分」机制，纵使司机和车队之间并非僱佣关系，双方仍旧能以跳表数据作为上下班的推定，并以此种数据作为周转服务的审核基准。最后，蔡老师表示在数据取得相对容易的当今，我们对于数据应用的关注应从「因果关系」转变为「相关性分析」，在进行数据检索前应先设定目标再进行搜寻，才能真正利用大数据解决问题。
吴老师则是实机演示AI工具的应用。吴老师表示传统的资料取得多需要使用者自行浏览官网并在茫茫子标籤中找到契合的文件，并以IRENA的Renewable Capacity Statistics资料输出展示繁琐的操作流程。此种问题在自动化软件的协助下便能很好的解决，即便我们缺乏撰写程式码的技巧，在生成式AI成为趋势的时代，我们可以透过此类工具的运用补足不足之处。吴老师并以ChatGPT和GROK演示股价查询和分析，向同学呈现引入此种工具后所带来的便捷。但是，即便AI工具看似如此方便，吴老师还是提醒我们「不要过度相信所生成的内容」，AI产出的结果只是可供参考的方向，我们虽然能透过AI提升学习速度，但正确性还是仰赖于专业知识的判断。
最后，甫毕业的林执行长以「从数据开始：网络爬虫如何帮助预测创新市场分析」为题总结前二位讲者的观点。林执行长以先前在医美产业的创业和板材公司的工作经验为例，说明了解产业本质的重要性。例如诊所的本质就是做方圆10公里内的线下生意，而如果是医美，那在选择广告投放平台时应优先考量年龄层为35~45岁的脸书，而非需求导向的Google Search或话题导向的Dcard。林执行长表示「创业就是一个不断探索价值的过程」，而价值也正是市场预测的核心。模型只是一种工具，预测也不过是从「假设」到「验证」的动态过程。故应先从「财务模型」为基准获悉价值所在后，复以爬虫作为协助验证的工具。在介绍爬虫之前，林执行长先向我们介绍API的中介概念，并以餐厅服务生类比，说明爬虫所取得的资讯类似于没有经过服务生整理的原始资料。林执行长接续说明爬虫工具在To C端和To B端的应用，并呼应Bass Diffusion Model和实质选择权法，告诉我们爬虫真正的价值在于把「不确定性」变成可量化的数据。最后，林执行长以AI席捲世界的现况作结，向学弟妹们说明其选择进入何种产业背后的理由，以及他作为创业家的际遇与观察。
这堂课让我们对分析与预测法有了更广泛的认识，感谢三位学长结合案例和学理的分享，为我们带来所属领域不同但核心得以共鸣的精彩演说。也感谢吴丰祥老师用心的课程安排，相信本次讲座能为同学将来的研究提供不少帮助。
