2020 年春節剛過，大家準備迎接新的一年，卻沒想到面臨的是當時還叫「武漢肺炎」的 COVID-19，在大家還不了解 COVID-19 時，最大的挑戰就是口罩的恐慌。

2020 年春節剛過，大家準備迎接新的一年，卻沒想到面臨的是當時還叫「武漢肺炎」的 COVID-19，在大家還不了解 COVID-19 時，最大的挑戰就是口罩的恐慌。因為不了解疫情、更沒有疫苗與治療方法的當下，口罩是最好的防護機制，而短時間內口罩需求與生產無法承接的狀況，當時口罩短缺是社會最大的動盪。

當然要解決真正的問題還是需要提升口罩的產能供應，但在沒辦法立刻提高補足需求缺口時，社會得面對的不只疫情的恐慌，還要加上口罩不足的危機，而這種恐慌是否必要、或是要如何解決時，就會變成一個很好的「試煉」戰場。

當時最常見到的口水戰，就是「買不到、到處都買不到、到底要怎麼才能買到？」，此時這樣的狀況與未知在民間蔓延，除了彼時建立口罩生產的「國家隊」，更重要的是推動口罩實名制的機制，統一由國家來統整與配發。

除了這樣的機制建立，最特別的是將口罩的購買資訊公開成 API，透過這樣的公開資訊串接，產生了「口罩地圖」與「口罩儀表板」。口罩地圖讓大家知道去哪邊才能買到，讓民眾在採購前時可以透過這樣的資訊以免撲空，大大降低買不到口罩的不安與恐慌；而口罩儀表板則是讓大家知道整體的口罩生產、庫存與銷售狀況。

透過這樣的資訊透明，民眾得以知道口罩的真實與即時狀況，雖然初期仍供應不足，但大家可以透過這樣的資訊降低購買口罩時所產生的成本，更可以看到供應逐漸跟上、降低買不到的恐慌感，甚至更能透過此資訊調整政策方針，進一步促成「口罩實名制 2.0」，解決部分供應鏈問題。

能夠有這樣的資訊，主要是透過「即時 API」的資訊串接，因為只有真正的即時資訊才能夠有較好的實用價值，另外更重要的是可以「驗證」。在那時只要資料上顯示有剩的，去該家藥局便一定買得到。

而這樣的整體資訊最大的價值，不只能夠讓人民「便利」，更重要的是當「個案」到處被「宣傳」時，大家除了可以透過資訊系統驗證個案的存在，更可以知道這只是整體現象的部份狀況，不能擴大成為整體現象。

只是要這樣做到，必須要有很好的「資訊基礎建設」，而在口罩的例子中可以得知這個系統要能夠運作必須要做到三個前提：

• 完整：資訊有的有效性要足夠，而口罩因為由單一機構配發才能做到。
• 即時：因為當時的實名制是透過健保系統的架構，可以做到非常即時。
• 透通：透過釋出 API，讓所有的資訊能夠快速更新與驗證。

事實上很多生活上的資訊是否能做到當時「口罩實名制」的狀況需要更多的挑戰，但如何讓這個社會透過資訊讓生活更便利，不會因為所謂的「一葉知秋個案」延展成與整體現象有很大出入的「資訊混亂」，所以在面對「資訊落差／資訊戰」的問題時，最好的方式就是讓資訊的使用與流動更快、更簡單且更完整。

像今年這次的「蛋荒」便呈現一個眾說紛芸的狀況，透過一張空了的電鍋圖，來「證明」蛋荒的存在，雖然並不是沒有道理，因為任何單一現象都是組合成整體現像的「單元／一份子」，只是整體的事實為何，不能因為這單一事件來證真，也不能用相反的個案來證偽，應該是要想辦法讓這資訊更「完整、即時、透通」才對。

只是雞蛋的供需狀況不像口罩當時是種「剛需」，甚至在生產與通路上更複雜，因此，若要把這樣的系統建立好，困難度其實是更高的，但也不是說一定做不到，因為現在無論是「生產履歷」等等供應狀況，以及各個通路在 POS 已經做到各店面單一商品的即時庫存與銷售，真正的問題是這樣的資訊散落在各個資訊源頭，而要如何把這些資訊整合成一個像口罩 API 與儀表板的路程還要一些階段與努力。

這次雞蛋的問題也突顯這樣的資訊要如何去「實現」，更有很多權責的問題，這屬於農委會、還是整個經濟部，以及數位發展部在這問題扮演的角色為何，也不要說這些資訊是屬於很多民間產業的資料，應該如何整合與應用，其實必須含括考慮到商業的競合與個人隱私，而這並不是件簡單的事，也不像疫情可以排除很多角度，以最優先的事項來考量般如此「單純」。

因此一個好的「資訊基礎建設」並不是 5G 或是 6G 這種硬體架構是否完善，而是因為資訊系統的重點在於上面承載與傳遞的資訊，而這些資訊究竟是真是假很難去判斷，但我們可以透過更完整、透通即時的資訊來驗證，這才是重點。

而這樣的透明資訊系統若能做好，除了不只能夠讓社會更好，更可以成為面對資訊戰的最佳武器，畢竟文明與文化能夠承載與傳遞在於資訊，說不定這樣更「完整、透明、即時」的資訊是讓社會進展最大的動力。

註：現在雞蛋的資訊目前只做到以週為單位，更沒有 API。見：雞蛋產銷資訊

這篇文章 借鏡口罩實名制儀表板，來看蛋荒透明資訊的價值｜專家論點【黑貘】 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。

在 2021 年之後 Google 除了 Core Update 外，也有更多不同種類的更新，像去年的 10 個更新中，包含核心更新，還有下面幾種......

去年 2022 年 Google 發表了共 10 次的演算法更新，在 20 年前這種更新叫 “Google Dance”，也就是在短時間內 Google 的搜尋排名產生大量的變化，排名因子有「演算法」等級的更新，還因此有了真的 Google Dance 活動（Google 辦的舞會），但現在已經不這麼稱呼了，直接說是「Core Update／核心（演算法）更新」。

但在 2021 年之後 Google 除了 Core Update 外，也有更多不同種類的更新，像去年的 10 個更新中，包含核心更新，還有下面幾種：

1. 核心更新 ( Core Update )：5 月與 9 月各一次。
2. 產品評論更新 ( Product Review Update )：共三次，3 月、7 月與 9月。
3. 實用內容更新 ( Helpful Content Update )：8 月與 12 月各一次。
4. 垃圾內容更新 ( Spam Update )：10 月一次，12 月更強調是針對垃圾連結 ( Spam Link )。
5. 電腦版網頁體驗更新 ( Bring Page Experience to Desktop )：這嚴格說是一次性的非常規更新。

從這邊來看 Google 的幾次更新代表的意義都圍繞在幾個常見的重點，如 YMYL ( Your Money Your Life）以及 E-A-T ( Expertise、Authoritativeness、Trustworthiness ) ，或許再加上 Experience 的 E-E-A-T，跟 RankBrain 與 SpamBrain。

2022 年 Google 的 SEO 也變化不少，這邊整理出 13 點給大家參考

1. Rich Cards 複合式搜尋結果的比重變多，直接影響到 CTR，今年雲霄飛車了好幾次。
2. 外站連結攻擊，讓網站的價值權重，甚至對 SERP 產生衝擊，也有公司信譽的問題，以及報表錯亂。
3. Core Web Vitals 網站核心體驗指標權重變高，AMP 也真的沒有「加分」了 ，但也因此對有些網站更吃重。
4. Core Web Vitals 擴及到桌機，麻煩度再升高。
5. FAQ 的價值變高（雖然只能顯示兩則），有些產業不做 FAQ 就是放棄搜尋流量。
6. 中間頁的價值回升，只是也回不到兩年前的狀況（但分頁價值還是不高）。
7. Review 的比重一直改變（尤其是 Product Review 改了三次 Update）。
8. Google 影片索引的方式改變，影片流量也有大幅變化。
9. Google Search Console 的Sitemap（索引的資料分開了），讓 Sitemap 的修正有了依據。
10. Google 兩次的 Core Update 對流量影響有大有小。
11. Google 爬蟲對 Javascript 的處理雖然更強，但有時候得花更久的時間。
12. 中文部份沒有 Helpful Content Update，垃圾網站還是很多。
13. SEO 中的網頁連結價值變高了，連文章目錄 ( Table of Content ) 也變重要。

但這邊只是個整體摘要，裡面的細節很複雜，除非是 SEO 專員，否則並不需要完整了解，內容文章連結附在文後，但真正影響流量的可以說是兩個重要的因素：

網頁體驗與複合式搜尋結果

這兩點會讓整體的流量有倍數的成長或是只剩下幾分之一，即使這個數字是 2 ，對流量而言也很可怕。

在未來 SEO 只會更複雜，但相對的也會更簡單，因為可能一般人操作的空間相當有限因此更簡單，只是要深入的調整，就需要有一定程度的投入，這個對於不是靠搜尋流量或是搜尋流量轉換的網站，相對只需做好內容與基本功。

但從上面可以看到 Google 對於搜尋結果以及內容投入了不少，其中有兩項，就是搜尋結果頁的優化以及垃圾內容連結的排除。這兩個部份相對在台灣的使用情境還沒有追上，尤其是 Helpful Content Update （HCU）有用內容更新並沒有在中文實作，而那一天擴及到中文的時候，可能對台灣的 SEO 有很大的洗牌，尤其是偏黑帽的 SEOer。

這兩個項目剛好一個是增加 SERP 對於搜尋情境的強化，是種加法；而垃圾內容連結的排除則是將不好的內容去除，是種減法，但這兩部份都是為了改善搜尋的體驗。對於網站而言，除了讓自己網站的「內容」與「UI/UX」更優化，至於 Google 的變化其實也就不難跟上。

接下來的 2023 年，大家準備好流量還有更高一波成長嗎？這個不是喊喊口號就辦得到，而是要透過許多的細節、不斷實作才做得到，這是麻煩還是有趣呢？就看自己的心態了，至少以 Stay Hunger Stay Foolish 而言是有趣的。

• 延伸閱讀：回顧 2022 年 SEO 的 13 件大事

這篇文章 從2022年的 Google Update 來看未來 SEO 的趨勢！揭曉真正影響流量的2個重要因素｜專家論點【黑貘】 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。

在 OpenAI 開放了 ChatGPT 讓大家使用，突然對大部份的人而言人工智慧是更容易體驗與親近了，事實上人工智慧早在很多產業上已經使用，只是因為應用的局限性、成熟度等等問題，對於使用者來說其實很難感受到其存在，而 ChatGPT 靠著簡單的對話，比 MidJourney 產生圖畫的功能更有實際的用途。

「生命應該把時間浪費在美好的事物上，因為這樣我們才能充分享受生命，並從中獲得快樂和滿足感。美好的事物不僅指物質上的享受，也包括心靈上的喜悅和成長。把時間浪費在美好的事物上，不僅能讓我們擁有更好的生活品質，還能讓我們成為更好的人。因此，我們應該珍惜每一分每一秒，把時間用在有意義的事情上。」

by ChatGPT

在 OpenAI 開放了 ChatGPT 讓大家使用，突然對大部份的人而言人工智慧是更容易體驗與親近了，事實上人工智慧早在很多產業上已經使用，只是因為應用的局限性、成熟度等等問題，對於使用者來說其實很難感受到其存在，而 ChatGPT 靠著簡單的對話，比 MidJourney 產生圖畫的功能更有實際的用途。

即使如此，還是有很多人對於人工智慧不是認為很難感受到，就是感到害怕！事實上，人工智慧有時概念類似於「群眾智慧」，但因為已經收限在可獲得的資訊源，也已經轉換與訓練出可用的方式，因此會比群眾智慧更好用，但有時也像群眾智慧一樣會有很大的「結構性偏差」，因此在真正的使用時要小心「危險領域/Danger Zone」。

這邊提出六點人工智慧對社會可能產生的影響，以及我們該要如何去「面對」而避免「誤用」而不自知：

人工智慧是降低基礎能力工作成本的利器

人工智慧可以降低那些只需要基礎能力的工作成本，特別是一些勞力密集和時間密集的工作。這是因為人工智慧可以實現高效率和高自動化，具有高規模邊際效應和高時間壓縮能力。

因此，這些工作應該讓人工智慧來協助，以便讓人類投入到其他無法取代的工作中。

人工智慧能夠更巨觀與全面分析

因為成本與時間的無限化，我們可以感受到人工智慧似乎比人類還要強大是合理的，因為人工智慧考量較為全面，並且能夠更快速地運算。而人類是在做思考時的偏差與偏好比較大，加上往往用有限能想到的事來判斷，並且很難在短時間內把思考擴大到更大的範圍，相比之下，人工智慧較沒有「短時間」、「有限資料集」的問題，所以在較為「巨觀、全面」的表現下，覺得比人類更有「智慧」。

人工智慧會犯下人類很難犯的常識外錯誤

人工智慧雖然較不容易犯人常犯的錯誤，但很容易會犯下人類較難犯的低級錯誤，尤其是在於那些「常識」不是透過語言、文字或影片等等的資訊去理解與傳遞，而是需要透過生活中「感受、認知」才能獲得到的事，這類型的資訊較難收集到。

因此即使人工智慧雖然是透過「人類社會」所獲得的資訊來「訓練」，但由於一些資訊不只在收集時就存在很大的偏差，更在其「轉化/Transform」的過程也會失真，所以這個問題很有可能會產生類似「混沌」的狀況無法解決。雖然技術可能會提供一些解決方案，但這種情況仍然有可能發生。

人工智慧會產生新的文明與範籌

相對的人工智慧雖然本質看起來是不會創造知識，但有可能會發現人沒發現到的盲點與茫點。這樣看起來會有不錯的「點子」能夠不只會「指點」人類，更可以透過這樣不斷的「擴張」說不定可以開創或累積新的「文化」。

由於人工智慧的邊際成本很低，讓「創造」與「累積」更加速，最後也讓現在的「文明」變成不一樣的成長曲線也說不定。

人工智慧會先對「藝術」有革命性的改變

雖然如上面說要人工智慧「創造」是較為困難做到，但突破不同觀點的「創意」是目前較容易實現的。因此，可能最會產生有立即革命性的轉變可能是「藝術」，尤其是藝術原本需要大量練習的「基礎能力」可以被「省略」，直接從創意的發想跳到實現與實作，且沒有太大的違和感有時很符合藝術的概念性，甚至違和感本身更有其「有趣」與「值得思考」的價值時，就像是藝術是任何改革的開始一樣。

人工智慧是對單一價值觀的強化，還是更有多元化的可能性

工具本身是沒有「意識型態」的，但使用的人是有的，因此，人工智慧最後會變成去延伸、強化、鋪天蓋地的「單一價值觀」宣傳產生器，甚至變成獨裁者的武器。但也可能變成可以創造出更不同的可能性，讓更多人用更低的成本去實現每一個人自己要的東西。

而這兩股力量的拉扯會造成社會的衝突，還是分裂？或是極端化，或是能夠「相互包容與理解」，現在說還太早，因為最後還是取決於人的使用方式而不是技術。

上面的六點，原文都是我寫過一次後，經過 ChatGPT 潤釋的，畢竟我的文筆不好，透過這樣的工具很方便，看樣子這時代雖然來得很快，但其中的差別是我們是要怎用這個工具，還是被這個工具所利用？

最後用我前天問 Chat GPT 的問題，問「人工智慧對未來的新聞會有甚麼影響？」

後記，在用 MidJourney 產生插圖的失敗過程時出現了一張圖，剛好也是一個不錯的體驗：

這張圖可以很有寓意，人工智慧深入腦內，開啟第三隻眼，但也改變了另一隻眼，雖然跟原本想做的圖不一樣，但也有了不同的想法與創作...

這篇文章 人工智慧實現人類「生命就應該把時間浪費在美好的事物上」，是無法抵抗的未來？｜專家論點【黑貘】 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。

只有玩 BBS 的老人知道最早的 BBS 看版相當有限，尤其主要當時還把 BBS 的「佈告欄」當成是一個接近大眾的媒體、一個公開的資訊場所，除了轉信之外的看板並不多，更不要說有個人版了，連班版或社團版都不太行......

釐清一個問題的存在需要一年；找出問題的解決方法需要一個月；規劃出可能性的方法論需要一個星期；但真正的實作可能只需要一個晚上。

只有玩 BBS 的老人知道最早的 BBS 看版相當有限，尤其主要當時還把 BBS 的「佈告欄」當成是一個接近大眾的媒體、公開的資訊場所，除了轉信之外的看板還不多，更不要說有個人版了，連班版或社團版都不太行，而在當時同性戀還是個非常禁忌的年代，最後第一個成立 MOTSS (Gay) 版的蛋捲廣場 (淡江大學)，原本被拒絕的理由是：

因為同性戀這議題只有少數的人能夠討論或有興趣，跟成立 BBS 看版想要公開討論的宗旨是不合的

也因如此，很想要把媒體給「個人化」的我，在爭取許久未果後就只好自己架 BBS，開放給人開「個人板」，只是當時 BBS 的看版系統只有兩種，一個是全部的看版，一個是所謂的 Class 分類 C 選單。

當過 BBS 站長的人就知道，B 選單就是全部的看版 (Board)，而 C 選單 Class 是用字串比對的方式，只要分類名字的字串有在看版，就是屬於這個分類，這也是當時程式設計師想到的最簡單也很有效、彈性的解法。

最初在 BBS 看版不會一直成長的情型下不是問題，只是倘若開放社團、班級甚至個人開版時，要在原本的選單找到屬於自己會看的看版其實相當困難，而當時最簡單的想法，就是用「隱藏」不想看的看版，也就是 Z (zip/zap) 掉看版。

但這樣還是有問題，尤其是一個看版屬於一個分類的時候，不太可能把所有的分類字串都寫在看版名稱上，所以需要有更彈性的方法分類，更別說每一個人是否能整理出屬於自己的分類等等需求。

在那個時候還定義了很多變型，例如由站長定義的分類選單，由看版管理員定義的分類選單，以及個人定義的分類選單！應用場景都不一樣，但這些都有共同問題需要解決：

在 BBS 看版過多的資訊爆炸時，如何解決這問題以及個人化的使用？

而這些概念都有一個更重要的前提與目標：

在未來的網路世代，如何讓個人透過網路發聲，讓民主漸漸實現...

因為在那個 1995～1996 的年代，媒體還是屬於「大眾」，但嚴格說起來，其實是屬於電視台或報紙「老闆」的，即使是「記者／主播」也是很難跳離老闆的「指揮／控制」。當時我最大的願望，是透過網路解決這個問題，而我不想只是當個「倡議者」，因此就自己跳下來實踐。

在後來 BBS 的技術也已經成熟，而當時想挑戰的是跨站的傳訊，因此跟「某 KK」公司提案，想要做出一個通訊協定，也就是「bbs:」的傳信與通訊協定，讓 BBS 在台灣發揚光大，雖然最後做出了個類似的「多站／Multi-BBS」的系統，但跟當時規劃的跨站不太一樣。

即使到了 1999 年，我也嘗試跟「PxHooo」的老闆說想要透過 BBS 與電子報，讓更多個人可以發表使用，只是當時的老闆主張「網路媒體」還是應該由有「道德與經驗」的媒體人較好，因此當時就算公司有自己的 BBS，也只是用來做為內部聯絡溝通工具，沒有開放給大眾使用。

這樣說來，到底是技術比較困難，還是改變社會比較困難呢？不過事實上這個社會的確因為這樣的技術一點點的在改變。

圖片的原文在：Directory -- 自定選單的可能性

這篇文章 從一個古老的 BBS 開發轉捩點，來看開發的困難度與技術改變世界｜專家論點【黑貘】 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。

2015 年當時因為「政治」的關係，跟一群從事「社會工作」的人，看上了一個相當有趣的計劃，我們想要透過類似分散式系統概念的區塊鏈將敏感的資料永久保留，而不會受到任何由上而下的單一威權所影響，認為這是一個能夠解決資訊霸權的「最後一道防線」，雖然當時對於面臨這樣問題最大的挑戰是中國對香港持續打壓的新聞自由，而七年前並沒有人相信香港的自會如此崩壞那麼快，也不知道架構在這樣「區塊鏈」的數位貨幣有了超乎預期的震盪。

2015 年當時因為「政治」的關係，跟一群從事「社會工作」的人，看上了一個相當有趣的計劃，我們想要透過類似分散式系統概念的區塊鏈將敏感的資料永久保留，而不會受到任何由上而下的單一威權所影響，認為這是一個能夠解決資訊霸權的「最後一道防線」，雖然當時對於面臨這樣問題最大的挑戰是中國對香港持續打壓的新聞自由，而七年前並沒有人相信香港的自會如此崩壞那麼快，也不知道架構在這樣「區塊鏈」的數位貨幣有了超乎預期的震盪。

這邊是一張在當時所拍攝下來的聚會照片，當時的講題是：「用 Blockchain 來看民主共識的可能性」，包含我自己以及在座的人，在當時應該對區塊鏈的未來充滿期待，我很確定當時想到的不只是對社會改造的可能性，更希望有著對內容產業未來的期許。

在七年前那時，有幾個很重要的問題：

1. 數位串流服務的 DRM 要如何管理？有可能透過區塊鏈的方式，做為擁有權的認定，而不是被綁死在平台嗎？
2. 區塊鏈可以創造一個用數位需擬的方式，來證明實體存在的唯一性，就像是書與 DVD/CD，若能夠透過區塊鏈來證明這樣的 DRM，可以做為平台的可攜性嗎？
3. 即使用類似挖礦的方式加入了「稀少性」，讓理論上的確可以無限複製與擴張的數位有了限制，這樣的限制，可以模擬類似金本位的「貨幣」，但這樣對社會是對的嗎？會不會產生另類的投機市場？
4. 若身份（Identity）放在分散式的區塊鏈，雖然做實體的轉換仍需綁定，但本質是否可以取代中央式的認證，而有好的隱私機制或是讓生活更便利？
5. 即使面對「國家級」資源的挑戰，區塊鏈真的能夠讓資訊有好的「永久保存機制」嗎？或是可以透過雙鏈來避免問題發生？
6. 這樣的維護成本如此高，對於可能資源匱乏的地球是可以承受的嗎？或者，若是有大規模的電磁災害是不是更不可能挽回？
7. 最重要的是，這樣的技術發展，能否可以創造出更多的文明與文化，讓人獲得更大的快樂與降低限制，甚至在資訊的透明與流通能夠獲得保障？

上面這幾點，有些是願景、有些是擔心，有些是我們人民該做的，有些甚至是要集合產業與公司一起來達成，那時候大家對於區塊鏈是既期待又擔心受傷害，覺得這可能對社會有很大的影響，也有可能無疾而終，但最大的問題是，這又對社會有甚麼「貢獻」？

這個貢獻應該是甚麼呢？至少應該架構在一個「價值」，而這個價值當然不是指金錢，而是在於讓人可以「享受或享用的 Enjoy」上，也就是若這個所謂的「存在」只是種「證明」，甚至只是種「交易」，這種價值又是為何呢？

不否認的有人一定會說，像金錢（加密貨幣）本身也是無法「享用」，或是藝術品（NFT）本身也是無法「享受」，即使不是實體而是虛擬，會有什麼樣的問題產生嗎？

其實這樣是有問題的，貨幣若無法有足夠的穩定，價值不能有過高過低的變化，這樣的貨幣成為「交換」的核心是沒問題，但目前的加密貨幣變成一個做為「投資」的工具，其價值相當不穩定，做為一個「物質價值交換系統」是不好的，但若真的要讓加密貨幣除了能夠實現「去中心化」與「透明化」，還有其他機制需要補足。

更不用說 NFT (Non-Fungible Token) 了，原本的確可以成為 DRM (Digital Right Management) 的基礎，但最後的「可用性的平台系統」無法支援，最後原本的 Proof of Ownership 變成無法「落地」，當中也包含最終的使用平台只有一個的時候，也跟本不需要去中心化的分散系統來實現。

另外，當時對區塊鏈的期許是在面對「威權體制」時真正去中心的分散式資料儲存方式，能否對自由社會有所貢獻，事實上當時在我們身旁做的最認真的是「香港」的反威權自由民主運動，但最後運動在面對國家級暴力也是無能為力，這也不勝唏噓了...

七年過去，FTX 在一瞬間垮台，回頭來看「現實社會」對區塊鏈的種種作為，似乎並沒有表現出人性對未來更好的一面，只有表現出貪婪的一面，這些都是社會的人性，畢竟無論如何，虛擬的世界都無法脫離現實的社會。

這篇文章 七年前對區塊鏈的期許，當時提出了 7 種問題值得思考｜專家論點【黑貘】 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。

2012 年開始， CRM 與 Data Mining 逐漸沒落，取而代之的 Big Data 與 A.I. 如朝陽般緩緩興起，於是「資料工程師／資料科學家」這兩個新名詞，在職場上開始被廣泛的討論。

2012 年開始， CRM 與 Data Mining 逐漸沒落，取而代之的 Big Data 與 A.I. 如朝陽般緩緩興起，於是「資料工程師／資料科學家」這兩個新名詞，在職場上開始被廣泛的討論。因為只要牽涉到有人在使用的「產品」，就會有跟人的行為相關的分析、或者只是資料之間的關係。儘管該領域需要的「技能點」跟程式設計師或工程師有一定的類似，實務上還是存在著很大的差異。

通常在職場中的工程師或是程式設計師，往往會被認定是在程式寫作或是網路操作有一定專長的人就可以做好的職業，只不過這是在「產品」單純只是個產品的傳統觀念下，是可以運作的。但慢慢的當產品不再只是單純的產品，而是要整合成「服務」、或是一個生態鏈、又或者變成一種社群時，如何「經營」已經是這類產品必備的加值服務。倘若這個服務躍升成該產品的「核心」時，單單只靠一個程式設計師或網路工程師，已經無法面對這種挑戰與轉變。

無論是「資料探勘」或是「大數據」，光是如何處理資料並讓資料變得有意義這一件事，就不是一般程式設計師或網路工程師的技能點能夠處裡；除了必要的電腦與程式設計技能，還需具備數學與統計的相關能力，並且無論是應用範圍或是操作、開發，都要對資料的本質、領域有一定概念的認知。

最早期的概念大概是像這樣：

上圖中的實際經驗，說的是是否具備該領域的知識，因為無論是要用甚麼樣的分析方式，或是要怎樣搜集資料、整理資料，這些都需要對其資料源有一定的理解，不然做出來的內容可能會離實際狀況很遠。

不過還是有一種傳統研究，指的是沒有 Hacking Skill 大量資料搜集與分析的實作能力，也就是沒有系統開發的概念時，就得像傳統研究那樣，需要仰賴分析者的實際經驗了。事實上，當沒有對資料搜集清理有足夠脈絡時，就會發生類似上圖「危險領域」的狀況，因此資料科學家／工程師真的需要具備「這三方面」的能力。

另一個角度是比較偏商業思維，當然這是以商業產品為導向時，而強調的跨領域性。儘管有時更需要的是更貼貼近這項商品的背景知識，包含設計或更切近人類行為的消費說不定更好一些，但也是要看用在什麼領域。

當用不同的定義來看所謂的實作與 Hacking Skill 時，我認為利用工具或透過操作就足以應付「資料」，只不過當碰到大量資料流時容易出現「誤區」，尤其是當有人為介入或主觀因素時，更容易造成資料偏差；上面這張圖就是以商業邏輯角度來切入。

但無論文中那張圖，我要強調的是，若想成為一個好的資料科學家，不只是要多領域、跨領域、混領域，甚至是要「超領域」，畢竟現在市場上的任何產品、服務都跟社會、使用者越來越緊密，甚至有些產品的本身就是「使用者/社群/社會」，所以如果不去了解這個社會，是很難做出好的產品。而一個好的工程師就要具備這樣的能力。

而我在 2014 年也在鐵人賽寫了一系列的文章，來講資料工程師所須要的 28 門課，現在看起來只會更多不會更少。

• 食夢黑貘 (genehong)

這篇文章 「資料工程師／科學家」一定要懂的三種必要領域｜專家論點【黑貘】 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。

在上一個世紀我們在某 P 公司的時候，有一個不成文的潛規則：無論你是程式設計師或是系統工程師出身，要自己獨立完成一個「訂便當」系統，才夠格能成為一個研發。

在上一個世紀我們在某 P 公司的時候，有一個不成文的潛規則：

無論你是程式設計師或是系統工程師出身，要自己獨立完成一個「訂便當」系統，才夠格能成為一個研發。

以現在的角度而言這真的不算什麼，但在超過 20 年前的那時候，沒有資料庫、沒有 OAuth 等認證機制，更不要說有什麼訊息系統（事實上那時已經是有 SMS 與自己寫的 Gateway），因此要做出一個包含商品（訂便當）、流程以及系統架設管理的 Know-How 並不簡單，更不要說有什麼文件系統，SourceForage 是當時主流的 Open Source 平台。

在當時發現到一個有趣的現象，一個人若是只會寫程式，對系統與網路架構不了解，即使寫程式再厲害也是寫不出來的；相對的，一個網管工程師出身，若是程式不夠一定水準，也是立刻死在半路上；但也不是對網路與系統各種服務熟悉，甚至程式能力也不差，也有寫不出來的人，雖然不多但也是存在，而這個「因子」在那時我定位成「創意能力／執行能力」。

因此在那時有一個很大的感觸，就是一個人若能夠了解系統、規劃、實作、檢驗，甚至是自己使用，這樣才能算是完整的了解一個系統。

常常遇到一些程式設計師，不知道自己要完成什麼，就拿著規格書埋頭苦幹，而因為不了解其內容也很難檢驗是否寫對，除非各種測試（尤其是單元測試）能夠有完善的文件，通常做出來的東西錯誤率極高；一個對系統流程看起來能夠掌握的人，但因為害怕寫程式而不願意以「程式執行環境」去思考，有時設計出來的流程也是很容易發生不預期的 Bug；相對的無論是系統分析的工程師或 PM、或是程式設計師，對需求與使用情境的想像力不夠，做出來的東西也很容易以失敗下場坐收。

所以那時定義一種「研發能力」，其能力是在於：

研發＝程式設計＊系統網路＊執行創意

在這個公式中，可以看得出來這是三種能力相乘起來，而不是相加起來，因為這代表若是一個人能夠獲得的能力總數是有極限，要真的有研發能力的話，不能有任何一個環節的缺陷，而若是要能夠獲得最高值的話，這三個能力當然要平均分配是最好的。

但不是每一個人在這三種環節的能力培養需求是一致的，有些人比較喜歡到處學習，也喜歡操作，其系統網路能力就容易被建立；相對的有人比較容易專心或是深層的思考，程式設計的能力也會發展較快；而也有人容易去發想，也包含很容易跟人溝通，說不定他的執行創意就會很容易獲得技能點。

因為每個人的個體差異相當大，所以要每一個人對這三種層面的能力都平均分配其實不太可能，但這也不代表因為人的能力都不一樣，而可以放棄其中一個環節。

不要忘了，最後的總分是相乘而不是相加，若有一個項目是零分或過低，總分是相當低的。

在現在的分工時代，一個人不可能平均去培養加強這三個類型的經驗與能力，因為在職場中有時你的收入是看這三個技能的最大值，甚至不是相加！因此很多人就錯以為只要好好的追求一個類型，其他都不太管，這或許對收入的初期有很大的幫助，尤其是「助理」型的職位，但當進入「高級」或是「資深」，甚至是更高階層的研發人才，就會發現這三個類型都需要。

雖然這麼說，在現實的社會中卻不盡然如此，因為有時獲得最多利益或是掌聲的不是在於這樣的技術研發能力，而是在於推銷自我的能力，甚至在於如何「爭功諉過」，但這又是另一個層面的問題了。

這篇文章 研發能力是這 3 種相乘，而非相加？｜專家論點【黑貘】 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。

時間又回到 2007 年，那時社會出現了一個很有趣的「就職方式」，就是「斜槓 / Slashe」。
當然「什麼是斜槓」的問題就很複雜，更不要說為什麼要斜槓，或是斜槓有什麼好處，而斜槓可以用幾點來討論

時間又回到 2007 年，那時社會出現了一個很有趣的「就職方式」，就是「斜槓 / Slashe」。

當然「什麼是斜槓」的問題就很複雜，更不要說為什麼要斜槓，或是斜槓有什麼好處，首先，斜槓可以用下面幾點來討論：

1. 有些工作無法滿足生命價值，或者是本職並不是目標。
2. 興趣的工作無法應付生活開銷，但也想從興趣獲得回饋。
3. 很難從現有的職業成長或提高收入，需要其他的職業來做到。
4. 單一個工作可能不穩定，需要兩個以上的收入來滿足。
5. 緊急需要用錢，而現在的工作又不允許。
6. 純脆想提高收入，或是想要賺大錢...

當然這些點本身都沒問題，即使是「危險」的最後一點，但基本上不外乎要解決人生最大的三角習題：興趣、能力、價值，而人要去滿足這三點所需要的過程。

在上面的六點可以簡單的分成前三個是討論到「價值」與「能力」，而後面的三或四則是以「金錢」為主，當然錢不是不重要，但若單單為了錢做事，反而更容意陷入惡性循環，因此這篇文章並不討論，而是討論如何提高「價值／能力」與「興趣／熱情」。

事實上若一個好的工程師的定義，是指如何做到「全端開發者」的話，斜槓最好的意思就是指能夠開發除了既有的「專長」外的另一個專長，其中也包含若現在專長的環節不是最有興趣，而對另一個環節更有興趣，這樣的斜槓去練習獲得另一個專長也很不錯。

因為成為一個全端開發者最大的問題是：

一個人若能夠在職場獲得最好的價值交換（收入）通常是來自於專長，而在職場不太可能有機會讓你去開發不是你專長環節的能力

因此有時候要成為全端的基礎不是在「學生時代」的嘗試錯誤或是廣泛學習，不然就是在一個小公司或是新創公司時能夠獲得更廣泛的經驗，因為小公司不像大公司在環節切割很細，最後反而會是一個人可能會包含兩個以上的環節，而這種情況多半比較會在「相關」的環節中出現。

若是想要在較遠的環節獲得技能，說不定是就是靠「斜槓」做到，但最重要的問題是，如何把自己的專長與斜槓的專長串聯起來，若不是串起來，就可能離「全端工程師／開發者」很遠了。

但就像剛剛全端的問題，不要說是個困境，因為一個人真正的專長與收入不太可能是「全端」，而是專長，若沒有一個專長如何「在職」，或是這個專長不夠專業，如何真的成為有價值的專家？

所以一個有價值的「全端開發者／工程師」不是單指全端，而是要成為一個有單一專長的全端，也就是所謂的「T 型人才」，有點像是在水平的全端中，其中有一個環節夠深入，而這樣的狀況不只是能夠有自己深入的專業，更可以有對全盤的足夠認知及與其他環節做溝通。

只是在職場，通常是先有水平的全端還是有垂直的專長？其實這有時要看人的際遇，但通常就經驗來說，很多人常自詡為能夠縱觀全局，但做起事來卻是眼高手低，比已經有一個專長、然後只用自己的狹礙的視野看全局，應該是前者在社會這樣的問題較多，因為通常只有一個專長的人會知道做好自己的本份，但眼界很高的人往往有自認什麼都會做的錯覺。

可是即使有了一項專長，真的有機會取「補足」水平的「全端視野」嗎？這也是職場很容易遇到的問題，因為若專長夠強，這個職場可能到最後只給這樣的工程師繼續發揮所長，畢竟好的「工具人」不常見。

而一個有專長的工程師若沒遇到機會，還是有機會補足全端，也就是例用「斜槓」或是「Side Project」來建立第二專長，而在第二專長還不夠「長」時，因為有些經驗可以把這兩個槓個串起來，所以最後也有點像 T 型人才，但更有可能的是有機會成為更不錯的「π」型人才，也就是擁有兩項專長並能夠建立將之串接起水平的「全端/全觀」環節，這種人不只能做事，也能做可行性分析，更有較為寬廣的視野。

這篇文章 工程師可以斜槓嗎？一起來看你是這 5 種裡的哪一類型人才！｜專家論點【黑貘】 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。

如原文所說，這是 25 年前的想法，雖然現在已經不完全適用，因為 25 年後的今天已經有不同的想法，但現在還不急著推進到現在，因為在 2006 年的經驗之後已經有不一樣的想法，其中有一個很重要的時間點，就是 10 年前（2012年）時，有人提出一個很重要的觀念，也就是 Fullstack Developer（全端開發者）。

在上一篇提到工程師有三種，事實上這三種並沒有優劣的差別，甚至是有各自的 Roadmap 與技能點樹，不應該是從「實作」到「管理」那樣的階層，而原始的標題是「工程師有三種，你想當哪一種？」，不是「工程師其實被分為這三種『階層』，而非『類型』？」，而這樣的標題是總編設定的，我本身也不反對，因為這也是很不錯的反思。

而如原文所說，這是 25 年前的想法，雖然現在已經不完全適用，因為 25 年後的今天已經有不同的想法，但現在還不急著推進到現在，因為在 2006 年的經驗之後已經有不一樣的想法，其中有一個很重要的時間點，就是 10 年前（2012年）時，有人提出一個很重要的觀念，也就是 Fullstack Developer（全端開發者）。

在 20 年前，大約 2003 年的時候，當時有一個有趣的經驗，在那時我請朋友幫我寫了一個簡單的 GSLB (Global Server Load Balance) 的系統，也是用最簡單的 DNS 之間的回應時間與 Routing（路徑）去實作，以現在的 CDN 角度是一個非常陽春的系統，但當做出來後，不只發揮到讓使用者體驗速度變快，更重要的是當建立兩個以上的機房後就不會被 IDC 綁死。因為可以輕易的調整權重或是預設值改變流量，所以有了很大的 Bargaining Power（議價能力）。

當時發現，原來一個工程師若掌握了技術能力，且這個能力讓公司或是自己有更大的彈性空間，就可以有更高一階的視野看到更多的方向，其中也包含若是一個工程師從 Business Logic（企業邏輯），到底層功能的可能性（尤其是有可行性分析），如果可以更加理解，不只是能幫公司找到新方向，還能為自己開拓更廣的未來。

而在 2006 年時，經過幾次 SourceForage 專案的失敗後，也慢慢的摸索出一個 MVP (Minimal Viable Product) 的實作方式，最後做出從 BBS 個人版後的里程碑：「部落格觀察」。
那時發現，若是一個人身兼程式設計師、專案企劃、行銷、內容、系統管理者、...... 會有不錯的機會，更容易做出「有價值」的東西。

在 2010 年後在工程師圈有一個越來越熱的說法：「Fullstack Developer」，什麼是全端開發者呢？基本上概念是，當有一個人能夠「獨立」完成一個「產品」，所需要的技能點不會只是「程式設計師」這樣而已，還包含下面幾點：

1. Server, Network, and Hosting Environment.
2. Data Modeling
3. Business Logic
4. API layer / Action Layer / MVC
5. User Interface
6. User Experience
7. Understanding what the customer and the business need

來源：What is a Full Stack developer?

但在我的經驗中，一個 Fullstack Developer 不該只有如此，因此我還加上了下面這 6 點，等於有 13 點：

1. Marketing / Advertising
2. Product and Resource Management
3. Social Network Experience
4. Content / Opinion Provider
5. Admin / Officer Role
6. Business Developer

在 2014 年時我當時的想法是：

當時的理論基礎是：若你能夠對這環節有經驗，你在職場上的溝通與協同會好很多，在做可行性分析時就不會太災難...

但又有人說當你有這方面的經驗，就有足夠的 Bargain Power 在職場過活，但說穿了我的重點是：「現在的社會過於強調管理與行銷的價值，都忘了本質還是在生產」的這想法....

應該說，若一件專案是以「產品」為核心，所有的參與者應該是對這樣的產品有概念，而不是只做自己環節就好，就是每一個人都能夠體認其他環節參與者在做的事，以及面臨到其中的困難與需求，而每一個參與者能夠多少知道打造產品的 Know-How，只是你的專業與專長讓負責的環節能夠做得更好，也就是說：

先要能夠「合作」，再求「分工」。

這概念在「thatgamecompany」也實作過，所以才能夠做出像「Journey／時之旅人」那樣的作品，每一個環節都能夠連結的很好，而不是每一個環節的人各作各的然後只是「組合」起來，而非融合或統合。因為每一個人都能對產品有認知與認同，這才會真的做好真正的工作。

只是這又是 10 年前的觀念了，呵呵.....

這篇文章 什麼是「全端工程師／開發者」？當一個人能獨立完成一個產品，所需技能點不單只是「程式設計師」！｜專家論點【黑貘】 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。

在 25 年前剛踏入職場時，我有觀察到，工程師其實分成三種：
底層實作派：遇到問題，想辦法去找出問題的邏輯，然後從想出的方法寫出程式解決。
工具操作派：遇到問題，會想辦法去找工具，或是問有沒有人遇到類似的問題，接著想辦法用操作的方式解決。
指揮管理派：遇到問題，會想辦法找出是誰犯的錯，或是誰是該負責，然後叫那個人或是找別人解決。
這三種人有什麼差別呢？

在 25 年前剛踏入職場時，我有觀察到，工程師其實分成三種：

1. 底層實作派：遇到問題，想辦法去找出問題的邏輯，然後從想出的方法寫出程式解決。
2. 工具操作派：遇到問題，會想辦法去找工具，或是問有沒有人遇到類似的問題，接著想辦法用操作的方式解決。
3. 指揮管理派：遇到問題，會想辦法找出是誰犯的錯，或是誰是該負責，然後叫那個人或是找別人解決。

這三種人有什麼差別呢？

底層實作派的人，會比較習慣內求，更希望找到最初的原因，想要對自己有興趣的環節能夠有紮實的了解，而當問題發生時，因為對這些環節有足夠的掌握，許多工具操作派或指揮管理派無法解決的問題，底層實作派卻能解決。

但底層實作派的人也因為對於自己相關環節研究太深，往往對於其他環節較難體會與了解，只是大部份的生產與商業邏輯都是個很跨領域與跨環節才能夠做好，因此這樣的人很難做出較大的系統，只能做出可能別人想不到的好系統。

當然有很多的工程師不熟練自己寫程式，但因為接觸的廣泛，更可以知道每種工具在不同問題上的優缺點，而能夠找到最好的「模組」將之組合，最後可以對症下藥解決問題，因此在解決問題時，能夠比以自己寫程式實作解決問題的人更快。

只是這樣工具操作派的工程師，若是遇到更細節環節的模組內問題，就只能放棄，交給底層實作派的人來解決，但因為他能夠看到比底層實作派工程師更全面的問題，也能用最快的方式找到問題點，已 TCO ( Total Cost of Ownership ) 的角度說不定是最好的。

但最受歡迎也最容易成功、同時也是最簡單的便是「指揮管理派」，當然也不能說指揮管理派可能需要的「技術成份」最低，因為找到對的人與錯的人也不是那麼簡單，有時不只要了解問題，而是更要去了解人。

在 25 年前的我，因為當時的我是一個「Code Speak」的實作者，當然期待自己是個底層實作派，也期望更多人參與，只是比較不幸的，這四分之一個世紀實證的結果，這種方法論最無法「迎合」社會主流的成功價值，也就是在「賺錢」決定論的惡性循環後，真的要能「成功」是很困難的。

而在那時的我，因為自認為觀察還不夠，最後只有零星的寫了幾篇文章，只是在那時 BBS 與電子報時代，用這樣的工具是不容易討論的。

這三種「技術人員」到底熟優熟劣、該如何判斷呢？若是用最後的結果論就是：看誰能夠越快與越完整的解決，甚至是用較低的資源成本，或是能夠創造出更高價值的，就是好的工程師，只是好像每一種工程師都有自己的優缺點。

尤其若是技術團隊沒有好的「指揮管理派」，通常會帶來一些很可怕的工作清單，或是提出令人三條線的企劃與說法，當然這是指不好的主管。一個好的技術主管，真的可以帶領團隊上天堂，只是這樣的前提是，他也對一些細節的認知不會太離譜，更重要的是能夠尊重專業，這樣至少他就不會是可怕的「上帝」。

因此在 25 年前，我認為每一間公司都需要這樣的「人才」，且並不是「指揮管理派」的主管是薪水職掌最高的人，因為這三種面相的工程師都存在的話，若能夠好好的搭配，說不定會組出很好的團隊戰力。

只是社會目前的認知這三類不是三種類型，而是三種階層，最後把實作的人列為最下等，即使是用「功績」與「實力」來判斷，因為與人溝通技能點點越高的指揮管理派能夠獲得最高的認同，自然取得最高的 Credit，這不只是單純的社會氛圍而已，還有更多問題要解決。

若說到這樣，應該是覺得工程師是永遠不能有「翻身」的一天，那也未必，因為這問題還是有其它方法來突破，請待下回分解。

—--- 政治評論分隔線（不喜勿入）—---

最近社會有一個很有名的技術出身的人，也號稱是「大數據專家」，而若她是個工程師的話，應該就是很標準的是最高層的第三種人，只是最近看到她的一份「簡報」是慘不忍睹，大概就知道她應該是一個不太好的「指揮管理派」，因為一個好的主管雖然無法了解實作細節，但對於其內容無法掌控，很容易讓下面的人三條線。

這篇文章 工程師其實被分為這三種「階層」，而非「類型」？｜專家論點【黑貘】 最早出現於 科技島-掌握科技新聞、科技職場最新資訊。