2026.06.12

從一架飛機的軌跡開始

一個資料分析師,用 AI 把台灣的開放資料變成會呼吸的地圖

當 AI 已能自己寫 ETL,資料人不是消失 —— 是升級為系統設計者
MIGU資料分析師
FR24 · 41,766 TRACKS · THREE.JS GLSL
OPENING · 開場P02 / 64
migu 頭像 · 黑貓

Hi, 我是 migu

資料分析師 · 待過三間公司的數據團隊
  • 大學碰過 GIS(都計背景),出社會走資料分析,很久沒再碰
  • 金融、新創都待過
  • AI 的努力嘗試者
DATA ANALYST · 3 TEAMS · GIS SIDE PROJECT
OPENING · 路線圖P03 / 64

今天的四段路

成果介紹 → 心法 → 專案示範 → 展望

本場最重
01
SHOWCASE
成果介紹
P4–27 · 60 MIN
02
AI CODING
心法
P28–36 · 22 MIN
03
BUILD
專案示範
P37–51 · 35 MIN
04
HORIZON
展望
P52–57 · 15 MIN
本業=半放權(有掌握度,不放心放手) GIS=完全放權(什麼都不會,練得最徹底)
01
SHOWCASE · 成果介紹

成果介紹

從一份 CSV,到一張會呼吸的台灣地圖。陸、海、空全部疊起來 —— 而飛機,是我投入最深的那一條軌跡。

01 SHOWCASE02 AI CODING03 BUILD04 HORIZON
SHOWCASE · 成果介紹P04 / 64
DAY 0 第一張地圖
起點 · KEPLER.GL

一切的起點

把一份 CSV 拖進 Kepler.gl,就有了第一張地圖 ——「原來台灣有這麼多資料,原來我也做得到」。

KEPLER.GL · 1 CSV · 0 行程式
SHOWCASE · 成果介紹P05 / 64
LIVE DEMO
CASE 1

Mini Taipei

捷運 → 台鐵 → 高鐵,三套軌道疊成一張會動的地圖。我沒寫過任何一行 GIS 程式。

  • TDX 開放資料
  • 6 SYSTEMS
  • 351 TRAINS LIVE
SHOWCASE · 成果介紹P06 / 64
SOLAR SYSTEM
CASE 2

衛星

用公開 TLE 推算衛星軌道,再延伸到太陽系 —— 同一套放權做法,可以無限延伸。

CELESTRAK TLE · SGP4
SHOWCASE · 成果介紹P07 / 64
CASE 3

船舶

航港局 AIS 即時點位 —— 青藍光球 + 30 分鐘漸層拖尾,畫出台灣周邊海域的脈動。

  • AIS 即時點位
  • ~10 MIN 更新
  • 台灣周邊海域
SHOWCASE · 成果介紹P08 / 64
LIVE DEMO
CASE 4 · MINI TAIWAN PULSE

台灣的脈動

天空、海洋、大地、街道、清運 —— 五脈共動,疊成同一張會呼吸的地圖。第一次從「靜態 JSON」進化成「時空間資料庫」。

5脈共動
飛機 / 船 / 列車 / 公車 / 垃圾車
23圖層
十大分類 · 獨立 toggle
5,700+ 輛公車
TDX · 30s polling
SHOWCASE · 整合案例P09 / 64
農田範圍
灌排溝渠 · 水系
河川幹線
整合案例 · 農 × 水

三個部會的孤島,疊成一張圖

農田、河川、溝渠、堤防、淹水潛勢同框 —— 這不是地圖漂亮,是把孤島 JOIN 起來

400MB ~5MB
PMTILES · HTTP RANGE REQUEST
SHOWCASE · 整合案例P10 / 64
整合案例 · 醫療資源

把民生疊在人口上,缺口自己浮出來

醫院、診所、藥局、AED、長照點位 + 等時圈 —— 看見可及性,也看見醫療沙漠

  • NHI + 衛福部
  • POI × 人口 × 等時圈
SHOWCASE · 整合案例P11 / 64
整合案例 · 大雨與災害

一條 Timeline,全部聯動

雷達回波、水庫、雨量、災害示警 —— 不同頻率在 RPC 層統一,一拖時間軸全部同步回放

  • CWA 雷達
  • 雨量 10MIN
  • 水庫日更 → 1 TIMELINE
SHOWCASE · 動態展示P12 / 64

會動的台灣

船在海上跑、公車貼著馬路跑 —— 接下來,把鏡頭拉到天上。

船舶
AIS · 即時拖尾 · 數百艘同時動
公車
TDX · 5,700+ 輛 · 99.9% 路線配對
PLAN R航班軌跡
SHOWCASE · PLAN RP13 / 64
LIVE DEMO
PLAN R · 航班軌跡

飛機的軌跡,可以是一件藝術品

在北美館看展時冒出的念頭。資料本來是冰冷的 JSON,用對渲染手法,它就是藝術。

41,766
TRACKS 軌跡
1,356
AIRPORTS 機場
48
樣本期
REACT 19 · MAPBOX · THREE.JS · GLSL
SHOWCASE · PLAN RP14 / 64
東京灣迴旋進場 ↘
模式 ① · 軌跡視覺化

把一段時間的所有起降,畫成一張航跡圖

高度色變 + 光軌拖尾,一眼看出進場 / 離場的結構。疊起來,就是一張機場的「指紋」

  • RJTT 羽田
  • 1,318 TRACKS
SHOWCASE · 軌跡畫廊P14b / 64
平行跑道軸 →
等待賽道 ↙
畫廊壓軸 · 世界最忙機場

亞特蘭大的「賽道」

五條平行跑道 + 等待航線,畫出像賽車場的幾何 —— 流量本身,就是一種形狀。

KATL · 1,839 TRACKS · WORLD'S BUSIEST
SHOWCASE · PLAN RP15 / 64
VIEWSHED — 高度越高、看得越遠
模式 ② · 跟隨模式

相機鎖定一架飛機,跟著它飛完全程

顯示航司 / 機型 / 註冊號 / hex,並依高度畫出該機在空中的可見扇形(Viewshed)

SHOWCASE · PLAN RP16 / 64
模式 ③ · 進場管制區(空域)

規範長什麼樣

禁航區、限航區、管制盤的 3D 極光圖層。點限航區,顯示時段限制(如 2300–0200 UTC)。

  • TW eAIP (PDF 手抄)
  • UK OpenAIP(API)
SHOWCASE · 案例P17 / 64
案例 A · 倫敦機場體系

一座城市的天空,怎麼分流

EGLL / EGKK / EGSS / EGGW + 支線約 10 場 —— Heathrow 單點樞紐密集進場,周邊分流。

  • EGLL — HUB
  • 約 10 AIRPORTS
SHOWCASE · 案例P18 / 64
KLGA
KEWR
KJFK
案例 B · 紐約都會三角

同一個都會,三場輪轉

KJFK / KEWR / KLGA 日間輪轉、晚間集中 —— 對照倫敦的單點樞紐,是兩種城市性格。

SHOWCASE · 案例P19 / 64
日期 A — 戰前
日期 B — 戰時
案例 · 時間軸下的地緣事件

戰前、戰時、戰後 —— 航跡怎麼改道

同機場、不同日期對比。杜拜 OMDB(2,740 軌跡)+ 阿布達比 OMAA,看見迴避路線與戰後復甦。

同一支 API · 拉不同日期 · COMPARE 模式
SHOWCASE · 案例P20 / 64
規範 RESTRICTED 現實 ACTUAL TRACKS
軌跡在這裡繞開了 ↓
案例 · 小港 RCKH

規範是一張圖,現實是另一張圖

禁航區圖層 × 實際軌跡疊在一起,迂迴角度肉眼可見 —— 把兩張疊起來,才是情報。

RCKH · 1,271 起降 · 59% 國際 / 40% 國內
SHOWCASE · 能力收斂P21 / 64

一支飛航 API,能長出多少東西

同一份 FR24 軌跡資料 —— 藝術、情報、分析、整合。

藝術
Plan R 光軌 —— 把冷資料渲染成夜空畫作
情報
體系對比 · 地緣時序 · 規範 vs 現實
41,766
FR24 軌跡資料
分析
航司效率 · 燃油 · 天氣
→ P24–26
整合
併進 Mini Taiwan Pulse 圖層
心法 —— 資料先備,機會後現
SHOWCASE · 資料源對比P22 / 64

同一片天空,不同的資料源

FR24 與 OpenSky,看到的東西不一樣。

FR24付費 · 細顆粒 · 進場細節漂亮
VS
OpenSky免費 · 粗顆粒 · 延遲 5–10 min
SHOWCASE · 資料源對比P23 / 64
過境航路 — 天上的高速公路
起降 — 交流道
OpenSky 的拿手好戲 · 空域覆蓋

拉遠看,航路就像天上的高速公路

大面積無差別覆蓋是 OpenSky 的長處 —— 進場細節用 FR24、空域骨架用 OpenSky。

SHOWCASE · 延伸分析P24 / 64
延伸分析 ①

國籍航空,飛得一樣嗎?

同一條航線、同一款飛機,不同航司的差異 —— 單一航司只看得到自家資料,公開軌跡能做跨航司對標
RCTP ↔ RJAA
11 AIRLINES
221 FLIGHTS
3D 航跡 多角度檢視 航司比較 dashboard
SHOWCASE · 延伸分析P25 / 64
延伸分析 ②

高度剖面與燃油

x = 累積航距、y = 高度,看出階段爬升 / 巡航分層。
OPENAP 估算
繞路率中位 6.8–7.6%
巡航高度剖面圖
同款 A321neo,三家航司巡航高度差
4,000FT
純粹是航司策略 —— 不是天氣、不是機型。
誠實揭露限制
軌跡稀疏 · 重量假設 0.85×MTOW · 忽略風場 → 相對比較可信,絕對值僅參考。
SHOWCASE · 延伸分析P26 / 64
延伸分析 ③ · 跨域整合壓軸

下雨天,飛機真的會多繞

把氣象署的雨量,疊上 FR24 的軌跡 —— 以台北/桃園日雨量分「雨天」與「乾日」,逐班比對。
CWA 雨量站 約 218 站
雨天 11 天 · 58 班
乾日 4 天 · 20 班
天氣 × 航跡 雨天 vs 乾日 繞路 dashboard
繞路率(中位)
8.69%+0.72 ppvs7.96%
航行時間(中位)
137+2 分vs135 分
盤旋等待比例 —— 雨天才有 holding
6.9%vs0.0%
CWA 雨量(為防災收)× FR24 軌跡(為藝術收) = 第三種洞察
SHOWCASE · 收束P27 / 64

這一整套,是一個循環

探索 → 收集 → 儲存 → 呈現 → 分析 → 回到探索。

同一個
資料庫
SUPABASE + 收集器
探索
EXPLORE
收集
COLLECT
儲存
STORE
呈現
RENDER
分析
ANALYZE
MINI TAIWAN INFO · 航運頁從「我自己看」到「給別人用」
Mini Taiwan Info 航運頁 全台 277 港
所有作品,是同一個資料庫長出來的多個 App —— 新增一個 App 的邊際成本,趨近於零。
SYSTEM
SHOWCASE · 幕後系統

系統,長這樣

前面看到的成果,背後都來自同一套資料系統 —— 接收 → 整合 → 生成 → 觸發。接下來,帶你看它怎麼一塊塊組起來。

01 SHOWCASE02 AI CODING03 BUILD04 HORIZON
SYSTEM · 我的這套流程P28 / 64
OVERVIEW 一張圖看完
SYSTEM · 系統四步驟P29 / 64
// 我的系統長這樣

資料 → 整合 → 生成 → 觸發

每一步都可以單獨抽換 —— 整套不需要重蓋,加新東西也不會牽動其他層。

01
資料接收
DATA INTAKE
外部 + 開放資料源
標準化、驗證、入庫
02
知識整合
KNOWLEDGE FUSION
把零散資料變成
可推理的知識結構
03
分析生成
ANALYZE & GEN.
推理、視覺化、報告
Pulse / Art / Brief
04
行動觸發
FEEDBACK LOOP
事件驅動 / 任務調度
自動回饋 · 形成閉環
// 接下來
逐個展開 —— 從資料接收的生命週期,到 Agent 怎麼用、應用怎麼長出來。
SYSTEM · STEP 01 · 資料接收P30 / 64
STEP 01 資料接收 · 多源整合 · 標準化 · 驗證
SYSTEM · STEP 02 · 知識整合P31 / 64
STEP 02 知識整合 · 多維融合 · 關聯建構 · 智慧強化
SYSTEM · STEP 03 · 分析生成P32 / 64
STEP 03 分析生成 · 多模分析 · 結果產製 · 價值輸出
SYSTEM · STEP 04 · 行動觸發 · 自動回饋P33 / 64
STEP 04 行動觸發 · 事件驅動 · 任務調度 · 自動回饋
SYSTEM · 主題巡邏P34 / 64
// 未來模式 · 給目標

Agent 跑完整循環

人類角色 —— 給目標、收報告。中間五個齒輪自己轉。

發現主題 DISCOVER 收集資料 COLLECT 整合分析 INTEGRATE 產出報告 REPORT 監測告警 MONITOR CONTINUOUS LOOP
// STATUS
雛形已經在跑 · 還沒做完 —— 但循環的形狀已經出現。
SYSTEM · AGENT 自己跑P35 / 64
// 結果 · 當循環建立起來

Agent 自己掃 · 自己分析 · 自己給結果

人不用守在前面。給目標、收報告 —— 其餘的事 Agent 自己排隊跑完。

01
定期掃資料
每週跑開放資料目錄差分,找出新增 / 更新的 dataset。
02
自己執行分析
調用 Agent Orchestrator + GIS Agent,挑工具、跑空間 / 時序分析
03
定期回傳結果
brief / 報告 / 圖表自動產出,事件記錄與學習滾回去。
// SO WHAT
當這個 loop 跑起來,產出不需要排程 —— 主題自己冒出來、報告自己送到信箱
AI CODING
02 AI CODING · 心法

心法

工具很少,難的是觀念。
「我不是裝了很多工具才開始 —— 我是先開始,工具自己長出來。

01 SHOWCASE02 AI CODING03 BUILD04 HORIZON
AI CODING · 心法P36 / 64

我為什麼一直在「取代自己」

資料分析師,是 AI 海嘯的第一排 —— 從 ChatGPT 剛出,就在想怎麼自己取代自己

本業 · 資料分析
SEMI-DELEGATION 半放權
2022 · CHATGPT懷疑
介入
驗證
上線 TRUST ISSUES — 有掌握度,就會懷疑 AI
GIS · SIDE PROJECT
FULL DELEGATION 完全放權
2025 · 啟動什麼都不會,只能放權
下線 FULL DELEGATION — 不會,反而敢全放
AI 原生工作流
AI-NATIVE
GIS 成了試驗場 —— 兩條線,最後交會在同一個工作方式
AI CODING · 心法P37 / 64

同一件事,四個版本

與 AI 協作的演化 —— 從你給「問題」,到你給「方向」,你交付的層級在變

你給「問題」
0.0
問答
// 進階版 Google
問一句、答一句 —— 用來查語法、想思路、寫一段範例。
你給「任務」
1.0
任務交辦
// 它做一部分
給檔案、補 SQL、畫圖、寫 component —— 你交一份規格,它交一份產出。
你給「目標」
2.0
Agent 化
// 不給步驟,只看結果
給目標、不給步驟 —— 它自己決定怎麼做,你驗收只看目標有沒有達成
你給「方向」
3.0
全自動 Agent
// 你只剩驗收
給長期方向,它持續想辦法滿足 —— 自己排程、自己迭代、自己長大。
你現在在哪個版本?
GIS SIDE PROJECT → 大多在 2.0 / 3.0 · 本業 → 還在 1.0 → 2.0
AI CODING · 心法P38 / 64
「你最近有沒有一個
想做、但一直沒做的東西?」
不要先裝備,先動手 —— 直接跟 AI 說,開始就對了
AI CODING · 心法P39 / 64

Harness 是什麼

為開發打造的一個好環境 —— 由這些零件組成。

CLAUDE.md
憲法 —— 原則與紀律
Skills
可複用能力
Hooks
時機觸發
Agents
任務分流
Agent Browser
讓 AI 看螢幕
Git
版控存檔
給大方向 → 驗收產出
Harness = 把零件組起來 —— 你下大方向,系統自己跑
AI CODING · 心法P40 / 64

最小可行,先用這幾個

憲法 + 技能 + 一雙眼睛 + 存檔 —— 其他的,需要時再長

CLAUDE.md
先記 —— 專案的憲法
Skills
先記 —— 可複用能力
Hooks
進階 · 先放一邊
Agents
進階 · 先放一邊
Agent Browser
一定要裝 —— AI 的眼睛
Git
一定要有 —— 敢放手的保險
給大方向 → 驗收產出
這 4 個,今天就能開工
AI CODING · 心法P41 / 64

三個一定要建立的觀念

相信它 · 版控它 · 守住費用與資安 —— 這頁可以拍照帶走

01 TRUST

讓 AI 完全做好一件事

別「你一半、它一半」—— 半放權兩邊都累,責任也切不乾淨。

能不能全自動?
02 VERSION

版控 + 沙盒

怕東西被刪的解法是 Git,不是不放權 —— 還要叫他檢查資安資料有沒有誤上傳。

叫他開 Git、叫他 Commit
03 GUARD

費用與資安

會不會產生費用?私鑰有沒有暴露?—— 答案其實 AI 自己就能告訴你。

不確定,就直接問 AI
AI CODING · 心法P42 / 64

料從哪來

開放資料的幾個入口 —— 不用一開始找齊,邊做邊補

Twinkle 全國開放資料鏡像

開放資料整套鏡像,可以直接下 query。
MIRROR · QUERYABLE

data.gov.tw 政府資料開放平臺

中央 + 各縣市門戶的總入口。
52,891 筆

TDX 交通資料流通服務

公車 / 捷運 / 台鐵 / 高鐵 —— 即時與靜態都有。
交通 · REALTIME

Flight API 航班軌跡

FR24 看細節、OpenSky 看尺度。
FR24 / OPENSKY
技術已幫你避掉大部分坑 —— 善用 Git,先求覆蓋、先動手
AI CODING · 心法P43 / 64

靈感從哪來

我固定追的 AI 電子報 —— 心法:找靈感 > 找教學,看別人做到什麼程度,再回來實作。

中文報紙型
Brief AIai.briefnewsletter.com
知識複利週報|朱騏知識整理 × AI
英文報紙型
The Rundown AItherundown.ai
Lenny's NewsletterPM × AI · 免費版就夠
中國視角
增长黑客 AI 周报zengzhang.ai
AIGC Weeklyquaily.com/op7418
技術 / 學術
愛好 AI Engineer|ihower月更 · 追臉書更快
Agentic AI Weekly · RDIBERKELEY · 看看就好
講了這麼多觀念 —— 不如直接帶你看,航班追蹤怎麼一步步做出來
BUILD
03 BUILD · 專案示範

專案示範

航班追蹤,從零到飛起來。
「前面看的是成果,這段我把蓋子打開 —— 你照著走,也做得出來。

01 SHOWCASE02 AI CODING03 BUILD04 HORIZON
BUILD · 專案示範P44 / 64
STEP 0

你想做什麼?

我的念頭很單純 —— 把台灣機場的飛行軌跡用三維畫出來

A SKETCH IN MY HEAD
RCTP · 3D FLIGHT ARC
18 個月
Plan R 桃園光軌成品
成品 · PLAN R
好起點不是規格書,是一個具體到能想像畫面的念頭 —— 太抽象,AI 也接不住
BUILD · 專案示範P45 / 64
STEP 1

拆成兩塊

跟 AI 把專案拆開:資料,以及你要怎麼操作它

✈ 3D 航跡(念頭)
資料 DATA
  • 去哪拿?
  • 什麼格式?
  • 要多少錢?
先解 → P40–43
介面 UI
  • 怎麼呈現?
  • 怎麼互動?
後解 → P45–48
先資料、後呈現 —— 順序不要反
BUILD · 專案示範P46 / 64
STEP 2-①

先讓 AI 盤點資料源

不要自己埋頭 Google —— 請它先列出可能的選項

「我想拉台灣機場的航班軌跡,有哪些資料源?各有什麼取捨?」
AI · 候選清單
TDX官方 · 只有基礎航班資料免費
OpenSky大面積覆蓋 · 有延遲免費
FR24 API軌跡精細 · 進場漂亮
FR24 爬蟲能拿到 · 但別碰灰色地帶
你只要先拿到可能選項清單 —— 不用馬上決定
BUILD · 專案示範P47 / 64
STEP 2-②

自己驗一遍:內容與品質

AI 給的清單要落地,你得親手確認

驗內容 — CHECKLIST
有哪些欄位SCHEMA
涵蓋範圍COVERAGE
更新頻率FREQUENCY
盤點交給 AI ——「值不值得用」自己驗。
驗品質 — 拉一小段樣本看
OpenSky 樣本軌跡
✓ 大面積覆蓋 OK ✗ 降落顆粒度不夠 —— 拉下來才知道
BUILD · 專案示範P48 / 64
STEP 2-③

申請、讀文件、開始試

把 API 文件直接丟給 AI,它幫你接 —— 你只動手一步

01
申請 KEY
AI 教你去哪申請
02
丟 API 文件
AI 讀懂
03
設 .env
你動手 · 10 秒
04
「試拉一天,
注意費用」
AI 開跑
RCTP_0611.jsonl
放權,但守門 ——「注意費用」一定要對 AI 講
BUILD · 專案示範P49 / 64
STEP 2-④

我真的把四個都試了

TDX / OpenSky / FR24 / 爬蟲 —— 落在同一張取捨圖上。

付費 →
← 免費
↑ 細顆粒
↓ 粗顆粒
TDX免費 · 只有基礎資料 → 不符
OpenSky大面積可 · 降落不夠漂亮
FR24 爬蟲GRAY ZONE
★ FR24 API效果最好 · 付費 → 最終選擇
為了好效果,付費值得
BUILD · 專案示範P50 / 64
STEP 3

決定處理方式,就開跑

存哪、怎麼清、怎麼切 —— 講清楚,就讓它執行

規格 — 你定
存哪tracks/
格式JSONL
清理去重 DEDUPE
切法按機場 / 區域
規格凍結線
執行 — 它跑
fetch 165 機場
去重 41,766 筆軌跡
切成 1,356 個機場檔
先把規格講定,再放手讓它跑 —— 不要邊跑邊改規格
BUILD · 專案示範P51 / 64
STEP 4

先看到第一個東西

開新對話,一句需求:「顯示在可 3D 轉動的地圖上,要有夜晚飛行軌跡的感覺」。

BEFORE — 冰冷的 JSONL
{"lat": 25.0927,
 "lon": 121.2281,
 "alt": 2400,
 "ts": 1718064000, …}
× 41,766 條軌跡
──▶
一句需求
第一版光軌
第一個能動的版本
FIRST LIGHT
別在腦中空想規格 —— 讓畫面先出來,需求會被畫面逼出來
BUILD · 專案示範P52 / 64
STEP 5

功能是一層層疊上去的

不是事先列好的規格 —— 做的過程中跟 AI 討論、一起疊上去

L5時間軸最新的最亮
L4航區 POLYGON
L3顏色(按高度)
L2多機場
L1底圖 + 單機場軌跡第一版
疊完的樣子 — Plan R 全景
疊完的樣子 —— 多機場 → 高度配色 → 航區 → 時間軸,每一層都是做的時候才冒出來的
BUILD · 介面P53 / 64
介面 ① · CLAUDE DESIGN

一句話,畫出真的介面

功能多了才處理美感,順序對 —— P27 那個 Info 儀表板,就是這樣長出來的
真實工作畫面
未經剪輯
Claude Design 對話與介面成品
一句話需求
「請依據文件與過往的分頁,產生醫療頁面的介面設計」
PROMPT 全文就這 24 個字
介面成品
右側整頁 Mini Taiwan Info 醫療頁 —— 元件、版面、配色一次出來,可再客製。
BUILD · 介面P54 / 64
介面 ② · CHATGPT

出形狀、出案例、出名字

丟 README 問「給我儀表板的幾個介面設計方向」—— 一次出好幾個方向,挑著用
CHATGPT 出點子
CLAUDE DESIGN 落地
ChatGPT 介面發想對話
BUILD · 觀念P55 / 64

重做,常常比優化快

在 AI 的世界,推導比迭代更便宜 —— 你帶走的是經驗,不是程式碼。

路徑 A · 持續優化
PATCH ON PATCH
路徑 B · 重新推導
EXPERIENCE PACKED
✕ 越補越亂
● 帶著經驗重開
開新對話 · 開新資料夾 · 已知需求和規格
不要捨不得砍掉重練 —— Plan R 就是這樣重生的
BUILD · 觀念P56 / 64

把它當同事,用講的更快

描述問題、給可接受範圍,甚至反問它

「幫我撈經過空域上的所有飛機。」
14 個字 · 沒有脈絡
用講的:背景是我在做航班追蹤、資料每 10 分鐘更新;限制是只有經緯度和高度;我能接受 5 分鐘延遲——要做這件事,我還有哪些東西要先思考?
200 字脈絡 · 語音轉文字 60 秒倒完
你對同事不會只丟一句「幫我想辦法」——對 AI 也別這樣
BUILD · 現場挑戰P57 / 64

現場挑戰|One Shot

你們說一個航點,現在就把它變成一個會顯示軌跡的網頁

LIVE
?
航點 —— 觀眾出題
說一個機場,我們現場做
# oneshot prompt
____ 一天的航班軌跡,
渲染在開放地圖上,航司分色
點擊看航班資訊,做成單頁網頁。
拆解 取資料 渲染 上色 互動
彩排畫面 — 預期產出
彩排畫面 · 預期產出
重點不是完美 ——
從一句話到能動,比你想的快。
HORIZON
04 HORIZON · 展望

展望

我待過三間公司的數據團隊,站在第一線看到很不一樣的樣貌 —— 也看到同一股力量正在重塑它們

3 TEAMS · 第一線觀察
01 SHOWCASE02 AI CODING03 BUILD04 HORIZON
HORIZON · 展望P58 / 64

兩種團隊結構

集中型 vs 分散型 —— 第一線看到的取捨,中立、不評斷

集中型CENTRALIZED
分析 業務 業務 業務
交流多、跨團隊問題早發現
離業務遠、仰賴個人特質
輪調 + 固定對接
分散型EMBEDDED
業務 業務 業務 業務
節奏一致、需求快、領域熟
孤立、少外部動態
平行結構 + 定期交流
HORIZON · 展望P59 / 64

金融 vs 新創

拿到的資料、能動的彈性,差很多

金融新創
資料乾淨度
高 — 時間花在找洞察
要自己處理
彈性
編制完整、流程固定
高 — 跟業務一起討論達標
決策速度
看流程
交付快 → 決策快
差異不是優劣,是階段
HORIZON · 展望P60 / 64

資料分析師會消失嗎?

坦白說,可能是第一批被取代的領域 —— 但不是消失,是上移

過去 — 人做全部
  • 寫 SQL
  • 出報表
  • 給結論
一人一案、線性產出
角色上移
維護系統結構 · 語義層
確保分析 Agent 的正確性 · 處理複雜分析
人 · 少數
分析 Agent
SQL / 報表 / 結論 —— 大量、全自動
AI · 大量
人數變少,每個人的槓桿變大 —— 第 1 頁說的「系統設計者」,在這裡收口
HORIZON · 展望P61 / 64

分析的民主化

不是去找分析師 —— 是去問你自己的 Agent

PM
業務
行銷
營運
財務
工程
語義層 + 資料庫
ANALYST AS DESIGNER
分析師的價值:從「做分析」→「設計 Agent、保證可靠
HORIZON · 展望P62 / 64

如果是你們,怎麼開始

三個可以馬上做的選擇。

01 START

先動手做一個小東西

選一個內部痛點,用最小集合試一輪 —— CLAUDE.md + Skills + Browser + Git。

本週就能開工
↩ 呼應 P33
02 EXHAUST

把一份資料源用到底

像 FR24 —— 資料先備,長出藝術、情報、分析、整合多種應用。

新應用邊際成本 ≈ 0
↩ 呼應 P21
03 DESIGN

往「設計 Agent」移

把重複的分析抽成可複用的 Agent / Skill,讓別人自己問。

槓桿放大
↩ 呼應 P55–56
先求覆蓋、先求動手 —— 問題與 ROI 會自己浮出來
CLOSING · 結語P63 / 64

離開前,記得三件事

01
先動手
開始就對了
02
完全放權
只做架構 + 驗收
03
資料先備
機會後現
「如果你們也有一支這樣的 API,你最想先看見台灣的哪一塊?」
CLOSING · Q&AP64 / 64

Q & A

謝謝長榮,我們聊聊
THREADS · @migu EMAIL · 會後提供 PROJECT · 專案連結一頁全收
飛航 API GIS 整合 數據團隊轉型
黑貓彩蛋