WiDS Taipei 2026 | 從獨自升級到「共好」：數據影響力的溫暖實踐 — Alyssa Chen

講者介紹 — Alyssa Chen

📍過往擔任移動服務科技數據團隊負責人，目前任職於金融科技公司也是資料社群『數聚村莊』創辦人。

📍專長為運用資料清洗、分析、統計估計、人口空間資料、機器學習、資料視覺化和市場研究方法。
  從社會學跨入資料科學，活躍於多個數據社群並擔任導師，是台灣少數同時深耕技術實務與社群經營
  的女性數據領袖。

📍講者相關社群媒體
  👉 講者 LinkedIn 

在AI時代，速度是工具給你的，但影響力是你自己建立的，這才是最長久的競爭力

演講流程：

1.AI 時代下的焦慮與非線性成長

2.組織影響力：AI 導入評估框架

3.AI 賦能數據團隊的三個實戰案例

4.帶動共好：數據村莊的起心動念與迭代

5.AI 時代的關鍵能力

6.Q&A

▍1. AI 時代下的焦慮與非線性成長

職場焦慮的轉變

在 Alyssa 過去舉辦過的活動當中，2024 年的一場最為令其印象深刻，在2024年左右，數據人的焦慮除了思考對於數據職涯的是否面臨轉折點，也開始圍繞在做什麼職能最能避免被AI 取代？是數據分析、數據工程師亦或是資料科學家？但到了 2026 年，焦點已經明顯轉變為「如何與 AI 協作、重新配置角色分工」。

從線性到非線性成長

Alyssa 提及過去數據人才成長模式是線性的，認為只要努力提升技術就會有收穫。但在 AI 時代，當努力學習已無法讓人脫穎而出時，個人的成長逐漸變為非線性，關鍵在於能否與 AI 共處，並建立信任與個人影響力。

未來不會被取代的關鍵能力

她也引用一份知名調查報告指出，到 2030 年前，寫 coding 的技術能力將逐漸消失，但預測即將隨之增長 — — 像是 技術素養、視覺化、利害關係人管理預測將持續成長，其中最重要與令人省思的則是「領導力與社會影響力」。

▍2. 組織影響力：AI 導入評估框架

就她所經歷不同產業組織內部，觀察數據分析師約有 70% 的痛點在於利害關係人的管理與溝通。也就是當為了解決問題而導入 AI 時，必須先考量學習、溝通與維運三種成本，並透過框架評估哪些任務該交給 AI 處理，讓時間留給最有價值的事情。

Step 1. 定義問題

透過觀察任務是否會重複發生、是否影響團隊效率，以及與團隊密切討論是否會造成整個團隊過大的壓力來評估。若這些條件都不成立，代表該任務無法明確被定義，就不該交給 AI 處理。

Step 2. 評估流程化＆公式化與資料脈絡

確認這件事情是否能被公式化與流程化，且是否有足夠、清晰的資料脈絡（例如乾淨的資料欄位）能餵給 AI 學習。若上述條件有縮缺失，代表該工作環境能給予 AI 的學習資料品質不足，也就不建議使用 AI 。

Step 3. 評估 AI 適用性

如果上述兩關都過關之後，接著就可以考量任務出錯時，公司內部的容錯空間有多大、任務的可拆解性，以及「團隊價值密度」 — — 換位試著站在老闆角度思考，若 AI 負責製作報表，數據團隊接下來的價值在哪裡。

用小成就感，讓團隊快樂擁抱 AI

在工作任務已經繁重的情況下，AI 不應該被包裝成另一個大型專案或額外壓力，而是要成為團隊提升效率的槓桿。關鍵在於先建立「小成就的時刻」，讓每位成員透過簡單、可感受到成果的 AI 應用，逐步產生信心與興趣。當團隊開始願意使用 AI 後，也需要搭配明確的數據指標進行觀測與驗證，才能持續優化導入方式，讓 AI 真正融入日常工作。

▍3. AI 賦能數據團隊的三個實戰案例

透過三個不同的實戰範例來闡述在Alyssa的觀點中，我們是否知道什麼場景適合使用AI

案例 1：讓 AI 接手重複溝通

數據團隊常被反覆詢問欄位定義、報表更新頻率與 KPI 差異，久了就像「數據客服」。與其讓分析師不斷重複回答，不如將資料字典、報表說明與比對邏輯交給 AI，協助回覆常見問題。這不需要複雜技術，卻能從小處降低溝通成本，讓團隊快速看見 AI 的價值。（從最簡易的開始，無需開發任何使用工具就很快速接地氣：NotebookLM）

案例 2：從重複實驗到標準化平台

A/B 實驗常花費大量時間在溝通實驗設計、樣本數與統計顯著性，尤其當組織頻繁做實驗時，這些討論會不斷重複。與其每次重新說明，不如透過快速建立內部 A/B 實驗平台，將常見流程與檢驗方式單一化，讓分析師與 PM 可以快速產生、檢視與理解實驗結果。這件事的重點不在於技術多複雜，而是能否觀察到組織中反覆發生的問題，並用工具把它標準化、效率化。（過往總認為需要耗時開發的複雜介面，現在只要善用輕量化的簡易工具，就能快速拼裝落地。）

案例 3：讓 AI 成為資料決策大腦

如果你擔心，數據團隊有時會變成「Data ATM」，不斷被要求撈資料、查異常、比對今年與去年的差異。透過語音式的智能決策大腦，使用者可以更快速取得資料、驗證異常與找到初步答案。AI 不是要取代分析師，而是讓分析師從重複撈資料中釋放出來，把時間留給真正需要判斷、洞察與決策影響力的工作。（實踐心法：善用簡易的前端與 AI 連接工具，分析師也能獨自快速拼裝出複雜的智能介面）

▍4. 帶動共好：數據村莊的起心動念與迭代

1. 從個人成長，延伸到幫助更多人成長

第二個「共好」則是從個人成長延伸到社群共好。Alyssa分享，自己過去經歷資料分析師、營運、數據產品經理，再到建立與帶領 data team，身為社會學出身的她，在職涯初期仍會有冒牌者效應，覺得自己「還不夠好」，但這種感受反而成為持續成長的動力，促使她持續參與社群、分享知識、擔任 mentor，並舉辦大型讀書會。她也觀察到，今天聽眾大約有一半是想跨領域到資料分析的人，因此在她已經身為一個成熟數據人，有能力回饋這個社群的當下，決心推出數聚村莊這個平台來幫助大家成長。

2. 用數據驗證「數聚村莊」的需求

在參與社群的過程中，Alyssa發現許多資料工作者雖然參加很多活動，甚至有人可以說出去去年參加了 5 個社群，卻不一定知道自己的成長在哪裡，也不知道去哪裡找到更多合適活動。因此，她在 2024 年開始發想「數聚村莊」，並在 2025 年分享理念。用戶調研顯示，90% 的人希望找到適合的學習資源，85% 希望增加與他人交流的機會，55% 希望累積學習紀錄。這些數字證明，資料工作者需要的不只是活動資訊，而是一個能整合資源、記錄成長、促進交流的平台。

3. 從 MVP 到平台迭代，放大個人影響力

有了需求後，平台從最簡單的 MVP 開始驗證。2025 年 8 月加入正式集點機制，並與活動主辦單位合作；到年底，使用者聽完活動後即可用手機掃描，讓點數自動進入個人資料。後續平台也依據年初問卷持續優化，發現有 90% 的人希望點數能換取成長資源，約六成希望能兌換課程折價券；同時也推出 mentor 功能，邀請 16 位數據導師陪伴使用者交流。從 2024 發想、2025 落地到 2026 改版，這段歷程說明 AI 時代的影響力來自於觀察痛點、快速驗證與持續迭代。過去剪一集 podcast 可能要花 8 小時，只為產出 40 分鐘內容；如今透過 AI，每個人都有機會把自己的能力與影響力進一步規模化。

▍5. AI 時代的關鍵能力

1. AI 時代的核心能力，是發現問題與推動問題

在 AI 時代，除了善用工具與追求速度，更重要的是能否敏銳觀察團隊或組織外真正需要被解決的問題。同時，專案管理能力與判斷力，也會成為推動 AI 應用落地的重要能力。

2.真正長久的競爭力，是自己建立影響力

AI 可以幫助我們加速完成事情，但影響力仍然需要靠自己累積。從「獨自升級」到「帶動共好」，重點不只是讓自己變強，而是能透過觀察、行動與分享，帶動更多人一起成長。

▍ 6. Q&A

Q : 三個關於創建數聚村莊的問題

1.市場評估： 初期如何驗證市場需求？如何評估投入的時間與資金成本？

2.團隊狀態： 專案是個人創業，還是有共同創辦人 (Co-founder)？

3.會後交流： 表達自身也在開發類似的 Side project，希望能互相交流。

A : （以下回答針對原話進行摘錄整理）

1.動機與市場驗證： 專案源於在一場活動中發現大家的共同痛點（難以獲取各大社群的活動資訊）。初期並未精準預估市場規模，而是出於純粹的熱情投入；目前仍持續透過問卷回饋與社群觀察來驗證市場需求。

2.成本投入： 實際耗費的時間與資金遠超預期。出於數據工作者的專業習慣，高度重視資安，因此大量的心力與維運成本皆投入於架構安全、使用者資料的保護與留存上。

3.創業與團隊型態： 目前仍是正職工作之外的 Side project，並非全職創業；專案為單人開發，尚無共同創辦人（誠徵中）。

Q : 想請問在初期導入此LLM，或是之後維護的時候，如何確定LLM出來的結果是正確的呢?

A : 在初期我思考的點是把團隊的重複痛苦，變成可以被解決的問題，所以從最小且方便又立即可以做的是用 NotebookLM 來協助整理資料字典。這件事其實也是我們當時比較小心的地方，因為如果這些資料是透過 NotebookLM 生成或查詢，我們會擔心它可能產生錯誤，進而讓使用者理解到不正確的資訊。所以在導入初期，我們還是會請分析師先測試幾個常見問題，確認 AI 回答的內容相對正確，才會逐步讓更多人使用。另外，在把文件餵給 AI 之前，我們也會盡可能把資料整理乾淨，先做基本的清理與確認。

Q: 如果說在公司內部，也想要嘗試在小組織或是自己的單位發揮類似像這樣推廣數據或AI使用的影響力，可以從發現小問題開始，去評估是不是可以導入AI, Alyssa 有什麼建議如何發現問題嗎？

A : 如果想在組織裡推動 AI 或數據應用，我會建議不要先問AI 可以做什麼，而是可以嘗試先問：團隊每天到底卡在哪裡？或是那個最讓大家覺得 “最痛” 的點是什麼？嘗試蒐集再找出共同點，針對共同點找出 AI 可以導入之處。

我自己最常觀察幾件事（如同分享簡報所述的幾個要點）：

1.是不是一直重複發生？

例如每週產週報、重複整理資料、一直回答相同問題。重複性高的工作通常很適合 AI 協助。

2.哪裡最常來回溝通？

像 PM 與分析師反覆確認需求、業務一直追問 KPI，很多成本其實不是做事，而是溝通成本。如果某個人休假，事情會不會停下來？如果答案是會，代表知識或流程還依賴個人，這通常也是很好的 AI 導入機會點。

另外，我自己覺得很重要的一件事是：多跟同事聊天。 因為，其實工作中很多痛點其實不會出現在會議紀錄裡，當你開始理解不同角色每天在煩惱什麼、卡在哪裡，就更容易找到大家共同感受到的痛點，學會 “同理”，就會發現這些地方往往就是最有價值的改善機會。

所以，拉回演講主題 AI 時代真正有影響力的人，不一定是最懂工具的人，而是最早發現問題、理解需求，並願意改善流程的人。因為工具門檻越來越低，但問題意識與觀察力，還有願意同理問題的人，才是最難被取代的能力 ！

筆記結束囉～ 如果想更認識講者可以點擊下方連結！

📍講者相關社群媒體
  講者LinkedIn : https://www.linkedin.com/in/alyssa-chen-b63484157/