從蘇建州教授談起他“科技的力量”時，他對學生的遠距離教學的認真，再度感受到他對教育的熱情，以及他對知識的自我追求與學習；在世新正式的課堂裡-從研究方法到到大數據，和我們無所不談。但跨領域的學習，至少對我來說是一份“天書似的任務’，從游教授的語意哲學，滔滔如蘇格拉底職演說，溫教授的機智，賴教授極佳的反應，安琪老師的風趣，碧芳老師的專業，富美老師及湘文老師的博學，還有文英老師的”演“說”，。。。不能不驚嘆教授們的學識涵養，“讓天書不再是天書”。。至少是一本可以珍藏的書（慢慢翻慢慢學）。當蘇教授成為我的boss以後，課堂不再只是在課表上的時間裡才有，從海的兩邊，到655 KSP社群，課堂上的討論移到了虛擬的世界裡，一個漂浮在雲端的學堂。
在他文章「科技的力量」完成以後； 蘇教授丟出了Datadfication（數據化）的字，看似簡單的字，咋是那麼的陌生。翻開研究方法筆記也沒看見，心中不禁OS一番。
<數據>是這兩世界間的橋樑「我們生活在兩個平行的世界中。一個是有形、吵雜、散亂，可以看到、摸到、感知到它的世界；另一個世界以數學形式存在，而<數據>是這兩世界間的橋樑。」《The Joy of Data》| BBC 紀錄片(2016)。（蘇建州2017）
知識的學習不限於在於課堂上，據統計大學生學到的知識在大學時大概只有5%左右，剩下的95%都是在後來的工作崗位上獲取的（李開復2017），很多研究的方法對許多人來說一輩子都用不太到，以前我聽也沒有聽過的術語一眨眼就一股腦全冒出來了，還來不及反應時時，手機上跳出了訊息：資料蒐集、分析、視覺化的門檻愈來愈低，最後還是回歸人的大腦整合（蘇語），視覺化或spss都是工具，先略懂就好，最重要還是在domain knowledge (脈絡）。1. 大數據的問題不在資料庫，而是資料分析的人才；金融科技的問題不在科技，而是創新的腦袋。（買書不是問題，有大書架就可以，從閱讀發現道理才是問題。）（蘇建州2017）
何教授的文章讓我們又在網路上對話：“美國納入高中課綱，台灣可能跟進。有利有弊。最重要的是師資和教材。怎麼教比教什麼重要。我同意何老師，應該更多精力思考原來已經有課程做調整，把大數據和演算法的概念加進去（蘇教授）”
或許“大數據”不是一項主要的課題，但要理解及分析活用才是個難點，議論著它難與不難不是中點，把我這個門外漢教會才是難點。再回頭去看看教授推薦車品覺用生態來看數據的本質
“如何判斷一家公司的文化好壞？找員工填寫調查表，還是找管理層深入訪談？可能你去這家公司的洗手間看看，5秒鐘就能得到答案。 其實，現在甚少有企業會去量化公司的「生態環境」，更少有城市會去量化城市的「生態健康」。我們常常說「智慧城市」，但有誰為「智慧城市」定過指標？「智慧」如何量化呢？是指城市競爭力強，（車品覺）”蘇建州2017
最後分享BOSS的筆記，他真是活到老學到老的一個典範，在交談的過程中，他也分享最近的心得筆記：
1. 身邊很容易取得的資料不算大數據，有價值的潛藏資料被取得才是重點。
2. 如果只是電腦和統計，缺乏脈絡不足以成為大數據應用。
3. 大數據是創造資料，或從資料生成資料（例如建構指標），跳脫圖書館找資料的思維。
4. 資料分析加脈絡的對話，在平行缐間搭一座橋樑。
5. 大數據產生價值?如果沒發現新問題，如果舊問題沒新的解決方案，只是追流行沒有意義。
6. 大數據沒有初/高階之分，不算是學門，不像大一英文可被明確定義，建議從例子找方向。
7. 量化思維是加上去而不是取代
8. 大數據非Backward looking現況瞭解，是Forward looking預知
网友评论