产学合作让大数据分析不再有距离感

　　从市场供需面来探讨人力外流的问题，可以归纳出各种面向的可能，如何面对这个困境，产业面、企业端、教育界不断提出解决方案，而让教育贴近市场，降低学用落差，是目前教育界改善人才外流的做法之一。台北医学大学管理学院以实务为导向，培养未来生技、大数据、医疗管理专业人才，看中大数据相关人才将是未来市场需求的重要趋势，于2015年设立大数据研究中心，对大数据数据的收集、储存、分析、软件应用、解决方案等提供产学合作，加强学术与实务界连结，进而提升研发能量。

　　从应用面下功夫 推动大数据相关研究

　　不可否认， 一支智能型手机， 在五年内改变了我们的生活行为模式。当全世界都在谈大数据、物联网，聚焦在人工智能将对生活产生的改变，业界专家也预估，亚洲区大数据数据市场的人才需求量至少为100万人，可以想见，培养大数据数据分析的跨领域整合人才，将势在必行。

　　台北医学大学管理学院院长谢邦昌教授表示，发展大数据数据市场， 台湾的底子很好， 根据英国开放知识基金会( O p e n K n o w l e d g e Foundation)公布的全球开放资料指针(Global Open Data Index)评比结果，我国在2015年及2017年皆是全球第一。开放数据的应用与发展，有很大的发挥空间，可针对金融、健检、支付系统等各种产业主题提出解决方案。谢邦昌认为，或许台湾在培育人工智能人才的技术面还不能称为世界顶尖，但因为我们信息化相当早，有许多实战经验，更适合从数据面、解决面下功夫，推动大数据数据分析与相关学术研究、产业交流与人才培养。

　　透过产学合作 实际提出解决方案

　　台北医学大学管理学院中各系所，跟一般大专院校管理学院常设的系所类别不太一样。谢邦昌说： 「对台北医学大学管理学院而言， 会计、财务金融、信息管理等专长，是将大数据数据收集、储存、分析、应用后提出解决方案的过程中， 会运用到的一个工具。」也因此，培育数据科学家，提供企业需要的重点人才，并结合跨领域研究人力，将产、官、学、研……等资源加以整合运用，就成了台北医学大学大数据研究中心的成立目标。

　　AI人工智能与大数据的背后都指着同一件事，从累积的数据分析出有效的讯息，当讯息不断地累积，指令周期越来越快，就能产生很多人工智能的运用。谢邦昌表示，在培育大数据数据分析人才的过程中，产学合作能够让学生贴近了解企业需求，实际提出解决方案，避免学用落差的问题。

　　台北医学大学创校超过半个世纪，累积许多医学相关数据， 自然先以健康照护为中心， 做为大数据研究中心的主要议题， 例如： 与健康力公司产学合作， 研发全台湾第一个整合200家基层诊所、提供智能医疗服务「健康力 APP」，落实智慧诊所到居家照护零距离…… 等。但大数据的表现不只在健康照护层面，它走的是解决方案，因此可以快速与其他领域结合，解决生活中食衣住行的各种问题，例如：与建筑公司合作规划智慧养生宅、与银行公会合作金融支付方面的应用……等。

　　项目的深度与广度 决定研究期程

　　数据数据要化为有用的讯息，需要经过几个程序。基本上从数据库的信息搜集建立开始，透过储存、分析、软件应用、建立模型、提出预测与决策方案， 进而解决问题， 大数据说穿了，就是扮演着分析运用、平台整合的角色。

　　大数据产学合作随每个项目合作的深度与广度不同、规划的时程也不一样。谢邦昌说，以规划期程管理来看，最简单的形式是以半年为一期，看项目的发展状况，有些可能会延伸第二期合作。例如：大数据研究中心与英国保诚人寿独家携手合作开发「智能健康模块」，结合多种医疗数据库， 及医学文献数据、健检数据，从而建立健康风险测验分析模块，用户只需要输入简单的生活习惯及健康状况，即可了解其罹患慢性病与癌症的风险程度，及后续的健康提醒建议。推出之后反应非常好，目前也预计有第二期的产学合作。

　　专业领域 跨界合作

　　台北医学大学是国内唯一设有大数据研究中心的医学大学， 近年来对于A I 技术的应用与大数据数据分析结合产业研究，广受业界好评，也因此产学合作的机会持续不断。在产学合作的过程中， 学生可以获得专业知识与实战经验，而控管产学合作质量的指针之一，就是数据的获取与整理。谢邦昌说：「大数据发展最怕「garbage in, garbage out」，无效的数据分析只会得到无效的决策结果。数据获取首先需要整合数据、分析数据，因此如何得到有效的数据就是一个训练；掌握到有效的数据，再依想解决的商业命题来建构模型，提供决策参考；然而模型分析出来的结果很可能是个假象，这时候就需要各个领域专家加入，提供专业见解来定义，做为发展决策的桥梁。」

　　谢邦昌表示，大数据就是跨领域整合的学习，透过不同类型的产学合作，可以整合不同专业领域的研究人力资源进来。台北医学大学大数据研究中心也创立「台北大数据＋联盟」，透过召集产业、官方、学术及研究……等四方相关单位，共同合作为大数据提供更多方资源，以数据驱动、跨界发展为主轴，走向加值应用新世代。

　　做中学、学中做的产学合作过程

　　大数据的学习途径与过去认知的不太一样，因为是很新的议题， 技术进步的速度与变化甚至是以月份来论计， 也因此没有教科书可以参考， 最好的学习方法就是「做中学、学中做」，从解决方案中摸索，进而找到学习的途径。在大数据领域，不只学生们学习，连老师们也一起在学习。产学合作一方面训练研究生、研究助理的实作技术，另一方面也训练老师间的专业合作，透过不同合作案，整合更多专业领域的人才。这也就是为什么，谢邦昌认为产学合作对培养大数据分析人才，是不可或缺的过程，从实务面着手进行实体课程，让数据分析不只是有距离感的理论演练。而透过产学合作训练出来的研究员，因为实际面对过企业问题，有实战经验的能力，更容易为自己争取到毕业即是就业的机会。

　　此外，台北医学大学大数据研究中心也与台湾微软合作，宣布启动全台首创「AI人才培育计划」，北医提供7周的线下AI跨领域课程，台湾微软则是提供300小时的在线教学，以及全球认可的微软数据科学数字认证，让学生在完成课程后，能获得扎实的AI应用能力。

　　开放的心态 以团队合作的模式精进学习

　　有志投入大数据相关研究的人，一定要带着开放的心态去接受学习，知道自己的专业强项为何，不抗拒与任何产业的结合，才能在团队合作处理项目时，明白需要哪方面专业领域的协助与加入。谢邦昌说：「大数据相关研究必须以团队合作的模式来进行，在团队中不是比谁比较优秀，而是以各自专业激荡出最好的解决方式。因为大数据研究是新创立的课程，台北医学大学管理学院也设有学士后第二专长大数据科技与管理学士学程的课程，不少博士生、硕士生降格学习，期能具备大数据理论与实务操作能力，提升企业决策能力与营运效能，为工作增添效能与效率。」

　　未来，当AI、大数据已改变我们的社会结构、生活模式，迫切需要的已不再是技术平台层面的问题，我们将面临的，可能是伦理、道德、法律等问题，这也牵涉到社会制度规范，也是目前积极投入大数据研究领域的我们，需要用更宽广的视野与高度去思考的议题。