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
成果介紹 → 心法 → 專案示範 → 展望
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。
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」。
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。
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。
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。
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」。
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。
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。
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。
船在海上跑、公車貼著馬路跑 —— 接下來,把鏡頭拉到天上。
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。
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」。
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。
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)。
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)。
EGLL / EGKK / EGSS / EGGW + 支線約 10 場 —— Heathrow 單點樞紐密集進場,周邊分流。
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。
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。
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。
同一份 FR24 軌跡資料 —— 藝術、情報、分析、整合。
FR24 與 OpenSky,看到的東西不一樣。
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。



探索 → 收集 → 儲存 → 呈現 → 分析 → 回到探索。
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。
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。
人類角色 —— 給目標、收報告。中間五個齒輪自己轉。
人不用守在前面。給目標、收報告 —— 其餘的事 Agent 自己排隊跑完。
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。」
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。
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。
為開發打造的一個好環境 —— 由這些零件組成。
憲法 + 技能 + 一雙眼睛 + 存檔 —— 其他的,需要時再長。
相信它 · 版控它 · 守住費用與資安 —— 這頁可以拍照帶走。
別「你一半、它一半」—— 半放權兩邊都累,責任也切不乾淨。
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。
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。
開放資料的幾個入口 —— 不用一開始找齊,邊做邊補。
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。
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。」
我的念頭很單純 —— 把台灣機場的飛行軌跡用三維畫出來。
跟 AI 把專案拆開:資料,以及你要怎麼操作它。
不要自己埋頭 Google —— 請它先列出可能的選項。
AI 給的清單要落地,你得親手確認。

把 API 文件直接丟給 AI,它幫你接 —— 你只動手一步。
TDX / OpenSky / FR24 / 爬蟲 —— 落在同一張取捨圖上。
存哪、怎麼清、怎麼切 —— 講清楚,就讓它執行。
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」。
{"lat": 25.0927,
"lon": 121.2281,
"alt": 2400,
"ts": 1718064000, …}
不是事先列好的規格 —— 做的過程中跟 AI 討論、一起疊上去。


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。
描述問題、給可接受範圍,甚至反問它。
你們說一個航點,現在就把它變成一個會顯示軌跡的網頁。
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。
集中型 vs 分散型 —— 第一線看到的取捨,中立、不評斷。
拿到的資料、能動的彈性,差很多。
坦白說,可能是第一批被取代的領域 —— 但不是消失,是上移。
不是去找分析師 —— 是去問你自己的 Agent。
三個可以馬上做的選擇。
選一個內部痛點,用最小集合試一輪 —— CLAUDE.md + Skills + Browser + Git。
像 FR24 —— 資料先備,長出藝術、情報、分析、整合多種應用。
把重複的分析抽成可複用的 Agent / Skill,讓別人自己問。