原文連結：掌握資料科學的四大分析步驟，啟動 AI 專案

數位科技的運用，不僅驅動智慧化生活，企業也加快推動數位轉型，人工智慧（AI）的應用更是愈趨廣泛。舉凡語音助理、手機美拍、人臉辨識、個人會行銷，都是日常生活中常見的應用。這些新穎的技術，不只讓生活更方便，也悄悄地影響了多數職場工作者的工作內容。對非電腦科學背景的職場工作者來說，能不能善用人工智慧、與人工智慧協同合作，將是影響未來職場競爭力的關鍵。

不會寫程式，也能做 AI 專案嗎？全球知名資訊科技研究顧問機構 Gartner 近日發佈的一份文章指出，在 2024 年將有 80% 的科技產品與服務出自於非 IT 技術專業人士，這項變革背後最大的推手即是無程式碼工具（No-Code AI tool）。只要瞭解基礎的資料分析流程與原理，運用這類的 AI 建模軟體，即可快速建立 AI 模型。

資料科學專案的分析步驟

以精準行銷的 AI 專案為例：某雜誌擁有大量的訂戶，平時也有經營社群，並且推廣課程。今年推出了一套針對中高階主管的全新的商管課程，希望能夠透過精準投放，提高課程的購買率。然而行銷的總預算有限，在茫茫的會員人群中，要如何篩選出成交機率高的會員，提升效率與利潤，是行銷部門的首要之務。

要達到上述目的，需要打造「潛在客戶名單推薦系統」，作法如下：首先，要將訂戶資料與社群會員資料做整併，進行初步的資料探索。在這個步驟，我們可能發現有少部分客戶的年齡被誤植成負數（資料探索）。為了不影響後續建立模型後的準確率，我們將這幾筆資料予以刪除（資料清理）。接著以 AI 建模軟體建立購課成交率的預測模型（建立模型），再從中選出表現最佳的模型，介接至潛在客戶名單推薦系統，對所有客戶名單進行購課成交率預測，針對成交率高的客戶，進行簡訊或電話行銷（模型部署、實際應用）。

從以上的範例可以發現，資料科學的工作流程大致可以歸納成以下四大步驟：

一、資料探索

對手上的分析繪製簡單的統計圖表，並且觀察個欄位的統計量。其目的在於了解資料的分佈是否與認知相符，查看離群值的分佈，找出關聯性，從圖表找出洞察，建立並測試假說。
在這個步驟，經常查看的統計量有：平均值（Mean）、中位數（Median）、眾數（Mode）、最小值（Min）、最大值（Max）、範圍（Range）、四分位差（Quartiles）、變異數（Variance）、標準差（Standard deviation）。
圖表方面，常見的單變量的圖表有直方圖（Histogram）、柱狀圖（Bar chart）；雙變量的圖表則是會看散佈圖（Scatter plot）、箱型圖（Box plot）、熱力圖（Heat map）。

二、資料清理

在資料探索階段，可能會發現許多內容不合理的數據，或是遺失值。此時需要仔細檢查為什麼會收到這樣的資料，並針對不同的情境，做出相對應的資料清理動作。
像是發現某些訂戶資料的年齡為負數時，深入去檢查原始資料庫的資料，發現是雜誌社的工作人員登打的時候，將客戶的出生日期打錯了，因此後續才會有有不合理的年齡資訊。此時可以考慮將該筆資料移除，維持資料的正確性。

三、建立模型

資料清理完畢之後，只要訓練資料集與演算法之後，即可建立 AI 模型。目前市面上的 AI 建模軟體已經內建 Auto ML 技術，使用者毋須一一調整參數，軟體會自動進行參數最佳化，將最佳的結果回傳。

四、模型部署、實際應用

上述的步驟可以多次反覆執行，建立多個 AI 模型。從中挑選出表現較佳的模型，將之部署上線，開始實際運用到工作場域中。

上述的範例中，行銷人員每月可將新收集到會員資料匯入「潛在客戶名單推薦系統」，系統即回傳成交機率較高的客戶名單。行銷人員即可用這份名單執行後續的促銷活動。

AI 時代的行銷利器：Tukey

對於行銷、業務人員而言，不外乎想要讓更多人可以認識自家產品，提高潛在客戶的成交意願，進而提升訂單成交率。由 Chimes AI 詠鋐智能所研發的企業級 AI 建模與管理平台 Tukey ，可提供精準投放、商品推薦、挖掘潛在商機、商品銷量預測等各種行銷面向上的決策輔助。

Tukey 的 No-Code AI 產品設計，提供非機器學習演算法專家 (譬如：銀行理財專員、電商營運專員) 簡單直覺的操作介面，讓直接面對營運問題的一線人員，迅速完成 AI 模型建置，提升工作效率。Tukey 也可以完整追溯資料專案的資料歷程，在需要跨部門團隊協作的場合，彌平認知落差，亦可與他人進行跨平台的協同運作，增加工作的一致性與正確性，進而提升工作效率。

Tukey 目前已經被台塑公司採用，並且被納入台灣人工智慧學校的高階經理人班教材。想了解更多，歡迎報名《數位時代》推出的「資料科學概念系列課」！立即打造你的第一個 AI 行銷專案吧！

台灣的風能資源豐富舉世公認，擁有陸域風場 30 處，陸域風機 350 餘台。尤其西部沿海與澎湖地區由於地形效應，冬季東北季風與夏季西南季風特別旺盛，提供發展風力發電之有利條件，據統計 2020 年發電量達 24.33 億度 (2,433GWh)。然而，台灣高溫潮濕的環境，亦使得風機設備在保養維護上面臨挑戰。因此，為了讓風機處於隨時都能夠發電的最佳狀態，需要在風機運轉發生異常的初期，即時通報維修人員進行處理，一方面降低設備損耗，同時也能延長風機的使用壽命，維持風機運轉穩定。

Tukey 為智慧工廠打造的 AI 建模與管理平台，讓設備保養人員在不用寫程式的情況下，輕鬆快速的建立風機設備性能監控 AI 模型。

通過這篇文章，你可以學到

• 透過擬真案例，迅速理解設備性能監測的 End-to-End 建置流程，包含：
• 執行資料探索分析與資料清洗
• 以 AutoML 建立 baseline 模型
• 基於模型評估指標與圖表，進行模型再調校
• 啟動 Tukey Model API，串接風機性能即時監控看板

背景知識與分析目標

聲明：本範例資料為開放資料模擬再製，與設備實際規格、台灣風場現況不盡相符。

自風機 SCADA 系統擷取運轉資料，每十分鐘一筆。如上圖所示，資料包含發電功率、風速、風向、軸承溫度、齒輪箱潤滑油溫度、發電機轉速、風機液壓油壓力與風機液壓油溫度等。

已知發電功率（GRID_POWER）與風速（AMB_WINDSPEED）有強相關性。希望打造一個風機設備性能監控 AI 模型，監控風機的發電功率是否正常。

分析流程

1. 匯入風機運轉資料

 

2. 觀察資料的分佈

以單維度與雙維度的資料視覺化，進行資料探索，觀察資料趨勢與分佈。

3. 資料萃取

傳統感測器採集的時序資料，無法區分哪些時段設備穩定運作、故障停機。需要依靠領域知識萃取穩定運轉的資料，以建立風機發電功率性能模型。

首先，下篩選條件，選取發電功率大於零的資料 (發電功率為零表示設備停機或無風)。

其次，已知「高速端軸承溫度」與「風機風速」有關聯性，繪製雙變數的散佈圖，以拖曳圈選的方式，篩除與其他值表現明顯不同的離群值。

值得一提的是，所有編輯動作都會記錄在 Tukey 的右側欄。

4. 建立預測模型

已知發電功率（GRID_POWER）與風速（AMB_WINDSPEED）有相關性，先利用這個基礎背景知識建立一個初階模型。預測目標選擇「發電功率」（GRID_POWER），自變數選擇「風機風速」（AMB_WINDSPEED），演算法選擇最初階的廣義線性迴歸（GLM）。

5.解讀預測結果

模型建立完成後，可以藉由RMSE、MAE、MAAPE 三個模型評估指標確認模型表現 (此三個數值愈小，代表模型表現愈好)。此外，Tukey 也提供視覺化圖形協助使用者評估模型表現。

以左上角的 Actual — Predicted Plot 為例，此為發電功率 (GRID_POWER, KW)實際值與預測值的對照圖。若預測完全正確，藍點會落在左下至右上的對角線上。分析時會特別查看誤差較大 (離45度線特別遠) 的區域。

觀察此圖，最明顯的地方是有許多發電功率實際值為 2000 (KW) 左右時，預測值的誤差都高估 (預測值為2000 ~ 2800)。

另一個比較不明顯的地方是，當發電功率實際值小於 2000 (KW) 時，圖形分佈呈 S 形，在實際值小於 1000 (KW) 時，預測值高估；在實際值介於 1000 至 2000 (KW) 時，預測值則低估。

關於 Tukey 選擇這 RMSE、MAE、MAAPE 這三個模型指標以及這四種模型評估圖形的設計理念與進階判讀方式，未來會另起專文說明 (或是來報名台灣人工智慧學校，享受完整的手把手課程)。

6. 建立進階模型，進行模型比較

在觀察 baseline 模型 (GLM_MODEL_GRID_POWER) 評估頁面後，初步判斷發電功率 (GRID_POWER) 與風速 (AMB_WINDSPEED) 並非線性相關。故改用非線性的 GAM 演算法，建立進階模型。

觀察「模型比較」頁面，會發現以 GAM 演算法建置的模型其 RMSE 明顯優於 GLM ，且 Actual — Predicted Plot 分佈也更貼近對角線。

至此，便可將模型部署上線。

風機性能監控看板

在 Tukey 建立的 AI 模型可以以 API 的方式介接出來，以監控看板的方式呈現。圖表會跟著最新的資料即時更新顯示。當風機性能表現衰退至特定程度時，系統即會發送通知，提醒維修保養工程師安排停機保養