數據分析大多著重在過去已發生事件，我們該如何讓這些分析凸顯未來性？

鼎漢國際工程顧問(股)公司 總經理 李宗益. Ian

過去我們在交通預測的時候，本來就有個交通模型。它可以預測未來20年以後，30年後，這條軌道會有上面會有多少人在搭乘，每一站會有多少人上下車。通常到最後都要建好幾隻機器人，一個路段就要建一隻，一個車站就要建一隻，因為它有不同的特性。

我們在預測這種短期捷運站運量的時候，我們可以知道說，下雨之後捷運站的人會變多，可是問題來了，我們現在的雨量量測的測站沒有這麼細，就沒有辦法用更細的部分去知道哪些站的運量與相關性是什麼？因為我們捷運，是一個南北向、東西向這麼長的一個部分，讓我們測站不夠的時候，就沒有辦法知道。

做過數據的人應該都知道，數據就是要去清洗，然後辨別，等到這些數據是乾淨且可用的時候，是可以幫助決策的。因為交通常常遇到很多事件，例如說，我們是不是可以看到哪邊有一些跡象，我們就知道說，這裡可能發生的一些車禍，或是哪邊可能會開始塞車，那可能它就可以透過一些AI 的部分幫忙可以喊出一些決策方向，讓人可以去做選擇，那包含自駕車也是一樣，遇到危險的時候，它可以彈出一些東西，讓自駕轉為人駕去做一些選擇。

當數據越來越多的時候，我們可以從長期、短期、極短期，到極極短期去達到這些預測方向，來幫助大家在整個決策上可以更好，這是我的一個小小的一個分享。