甫落幕的 2014 台灣資料科學愛好者年會，吸引全台對資料處理、Big Data 有興趣的人，在 8/30~8/31 兩天齊聚中研院人文社會科學館國際會議廳，一起聆聽資料科學家第一手的資料分析經驗，主辦單位也特別安排資料分析上手課程，以 R 語言帶領新手進入資料科學領域。
第二天的講者為 Gogolook（公司中文名為「走著瞧」）的執行長郭建甫與資料科學家高義銘，Gogolook 被視為台灣近幾年最成功的創業計畫，旗下來電辨識 App「Whoscall」，以能夠有效防制騷擾、惡意詐騙電話、騷擾簡訊功能而聞名，在 2013 年底的下載率就已突破 600 萬次，並獲 LINE 的母公司「NAVER」青睞，以 5.29 億收購。
在 8/31 的演講中，郭建甫與高義銘暢談 Whoscall 如何從一開始的創業發想，到成為現在大家所看到的模樣，他們以深入淺出、又略帶鄉民口吻的方式，將 Whoscall 的整個發展過程，與數據處理時所使用的概念與統計方法，大方公開給在場的聽眾，有興趣的讀者可以參考已釋出的投影片。
▲ 資料科學在 Whoscall 產品體系中的角色 from 台灣資料科學愛好者年會
演講完後，《科技新報》有幸邀請執行長郭建甫與行銷總監楊立德接受專訪，從 WhosCall 談起，最後以台灣資料科學家在 Big Data 熱潮中應該有的技能與想法，呼應台灣資料科學愛好者年會所期待的：讓資料分析在台灣不再是口號，而是大家手邊隨時可用來解決問題及創造價值的工具。
草創初期如何蒐集資料？
在使用者研究中有個方法叫綠野仙蹤法（Wizard of Oz，編按：採用幕後人工來模擬電腦系統人機介面的作法），如同電影《MIB 星際戰警》中的劇情般，有一台可以將信件分很快的機器，結果打開後裡面坐著一隻外星人。WhosCall 草創初期因使用者少，同樣利用工人智慧概念，先抓取全球所有的垃圾電話網站（Spam），接著標記（tag）這些電話號碼，等逐步累積夠多的活躍使用者，再將資料科學家的角色放入。
許多新事業在草創初期都必須有所突破，WhosCall 就是藉由網路的資訊，突破一開頭的瓶頸。除了抓取垃圾電話網站的資料，在台灣，一般人若被詐騙也會在網路上留下蛛絲馬跡，提醒其他人這支電話不要接，因此一開始我們將所有的網路使用者當作 WhosCall 的使用者，來標記電話，如此一來進入門檻就比較低，並可進一步達到足夠的資訊量，最後自然而然就會有資料科學分析。
萬事起頭難， WhosCall 成立時遇到最困難的事是什麼？
沒有人相信我們做 WhosCall 的價值在哪裡。一開始找錢很困難，當時很多人都不明白，一間專做防詐騙的軟體可以賺錢，但整個團隊目標很清楚──我們在做對使用者有用的事情，只是不知道怎麼賺錢，因此在募資方面進行的很辛苦，直到 Google 執行長 Eric Schmidt 訪台提到我們，才讓大眾開始關注 WhosCall。
但即使 Schmidt 點名我們，吸引很多創投來找我們談，卻仍然沒有資金進來，因為投資者還是看不懂為什麼要做防詐騙 App，也看不出有任何商業模式在，加上我們也表明不會跟任何電話中心、行銷公司合作，因此，最後資金來源仍然仰賴如資策會創投、國發基金等公家單位，沒有任何的私人資金挹注，直到 2013 年，LINE 的母公司 Naver 與 WhosCall 談妥 5.29 億收購金，才算是有穩定的資金來源。
如何吸引使用者持續回報資料？另外，一開始使用者回報錯字問題，之後怎麼改善？是以人工方式一個個確認嗎？
俗語說壞事傳千里，WhosCall 其實就是跟隨人性走。為什麼 WhosCall 可以在草創時靠著網路搜尋到的詐騙電話建立資料庫，因為大部分的人在接到類似電話時，不管是出自於抱怨或是提醒，會習慣上網分享。一開始 WhosCall 是把相關回報資訊放上去，但久而久之就發現用戶都很願意回報，因此只要提供入口，不需要加以引誘，使用者就會自動回報。把壞人揪出來的傾向是人的天性，而掌握人性永遠是成功的不二法則。
（圖片來源：WhosCall）
至於改進錯字的方法很多種，目前 WhosCall 使用投票方法，讓使用者從候選標記中選出最適當的，另外，WhosCall 也可以讓使用者看到其他人的票，所以雖然有些標記可能有錯字或不精確，但藉由投票，可讓回報狀態朝向更正確的意思。
有許多以在地為主的過濾服務是以人工確認，也做得很好，但 WhosCall 是以全球市場為格局，不可能每個市場都用人工來確認，例如 WhosCall 在阿拉伯語區很受歡迎、使用者很多，但 WhosCall 並沒有特別請一位會阿拉伯語的人進行標記確認，而是用群眾的力量進行修正。
有保險業、電話行銷公司或電信業者有跟你們接觸嗎？你們如何應付或建議？
最近有電信業者主動來與我們接觸，因為他們百思不得其解，為什麼接聽率越來越低，也拉不起來。電話中心的運作，主要是由機器每分鐘撥出一定數量的電話，再讓服務人員負責接聽。為了應付接聽率越來越低的情形，原本 1 分鐘打 100 通增加到 500 通，最後 1,000 通，但都不見起色。本來電信業者以為 WhosCall 影響力沒有那麼大，但後來發現台灣的 App 使用者有好幾百萬人，所以只要電話被一些使用者過濾與回報，之後標記速度會越來越快，再加上 WhosCall 使用的規則並非一般常見的，而是能貼近使用者的習慣，因此未來的電話行銷生態勢必得改變。
（圖片來源：TigerTel）
未來電話行銷不應該用這麼簡單的方法，應該針對目標客戶來著手。舉例來說想像某個情境，當電話行銷人員打給某個 60 歲以上的老人，WhosCall 接到這通電話時，上面就顯示為 XX 人壽、XX 保險，並將資訊列出來，如提供有關牙齒的保險，或是針對骨頭的保險，將事實講清楚，並在第一時間就將資訊呈現給用戶。
行銷公司也不應該用接聽率來評估整體情況，而是應該以使用者滿意度來評斷，必須將焦點放在「不適當的銷售上」，例如不應該在大中午打電話、不應該在 5~6 點下班時間打電話，還有什麼溝通方式較好。目前電話中心的解決方法是一直換電話，但全台灣的電話也沒有多少可以換，所以最恰當的方式，是整個電話中心或電話行銷公司的生態要改變，而 WhosCall 也正準備從這當中探討出新的模式。
演講中有提到「過去不知道怎麼用 Big Data 幫公司賺錢」，那現在的想法呢？
應該是說我不知道 Big Data 怎麼幫公司賺錢，但我知道 Big Data 怎麼滿足用戶的需求，只要能滿足用戶數的需求，使用者就會大增，只要消費者相信我們，最終我們將能找到對的決策方向。
Big Data 並不是告訴我們賺錢的方法，其實 WhosCall 從成立到現在，任何一個時間點都可以把資料賣給別人，但這無法真正幫到用戶，甚至會侵犯到使用者隱私。老實說 WhosCall 其實有競爭對手，像是印度、中國都有類似的 App，而且做的不錯，可是為什麼他們無法打進台灣、日本或韓國，原因是他們做的事情很像在賣資料，甚至毫不在意隱私權。相比之下，WhosCall 一開始就只取能幫助到使用者的資料，也只把資料應用到這些事情上。
（圖片來源：Nic McPhee CC BY 2.0）
WhosCall 也與新北市政府警局合作，由警察局提供即時警政訊息，再透過 WhosCall 內建的推播功能以及臉書粉絲團發布的方式，讓民眾接收到預警資訊。WhosCall 之所以會在兩三年間快速成長，完全是因為使用者信任我們。WhosCall 堅守對使用者的價值，這讓我們之後在建立商業模式時，是能夠創造獲利空間。
WhosCall 與 Line 結親後，下一步的規劃是甚麼？
即時通訊的市場很大，Line 的實力又很強，WhosCall 可藉由 Line 對全球快速的拓展，進軍到全世界，但 WhosCall 同時也要靠自己的力量，推到沒有 Line 的地方。
Big Data 怎麼改變你看事情的方法？
Big Data 幫助我把假設釐清，而且為這些假設找到更深層的價值。對於 Big Data 這個議題，我認為 「Big」是被炒作出來，其實還是在處理「Data」，而 Data 就是在探討直覺背後的邏輯。
當一通電話每次打出去都響一聲就掛斷，而且打給很多人，光想就覺得很有問題， Big Data 有辦法找到背後的脈絡，甚至能提供更高價值，告訴我們更多的事情，例如這樣的狀況只要發生在 3~5 個人身上，就可以做判斷。 Big Data 幫助我們將現實當中主觀又直覺的想法，以更精簡且具邏輯性的方式產出，有時候 Big Data 會讓我們看清事實是很簡潔的，就像 WhosCall 開始在做資料分析時，萃取了五六十個特徵，但最後發現只要十幾二十個就可以判斷。
（圖片來源：WhosCall）
有些專家學者預言，Big Data 最終的勝利者還是擁有資料的人，請問你怎麼看待這件事？
我的想法與他們類似，這也是 WhosCall 為什麼一定要蒐集自己的資料。若從 Google、Facebook、Amazon 等資料持有者那邊拿到資料，再做處理與分析，那我們還是跳脫不出「代工」的思維，仍得靠這些大客戶的臉色吃飯。此外最原始的資料其實非常醜，有很多雜訊與缺漏，而 Google、Facebook 內部真正在做資料分析的科學家，其實大部分都是資料「黑手」，也就是想辦法把資料變的乾淨簡潔，才能給下游的包商使用。
台灣由於市場規模的關係，缺少真正且龐大的原始資料，因此大部分的台灣資料科學家沒有處理過原始資料的經驗，而是將別人已整理好的資料套入模式，進行分析，這很可惜，因此建議有心想走資料科學領域的人，應該注重這方面的訓練。
對有相關資料分析經驗，又想創業的年輕人有什麼建議嗎？
雖然 Big 有點炒作過頭，但 Data 一定是未來的顯學，對於會資料分析的人，已經擁有這時代最有價值的能力，下一步就是想辦法學會 Coding，或找到一個 Coding 能力很強的同伴，另外要想辦法把靈光一現的想法、對資料價值的觀察建立成一個 App，不用侷限於只符合台灣人的需求，而是要把它放在全世界，更簡單的是將自己的想法快速建造出來，讓使用者告訴你甚麼地方需要他。
過去為什麼 Data 的價值無法展現出來，主要是因為成本太高，但現在每支手機都是個感測器，都可以從用戶中直接蒐集資料，例如有一個 App 叫「你那邊天氣如何？」就讓用戶回報當地的天氣資訊，只要你對資料有熟悉度，並且想到一個好的點子，就趕快做出 App 放到網路上，讓使用者回報資訊給你，並將這些數據再利用，回饋給使用者。總之最後還是老話一句：「Doing is the best plan!」
