我的數據職業生涯從 1997 年的三維數據開始。那時候做的是 3D 建模和空間數據處理， 聯繫得上「數據」兩個字，但跟現在做的事情距離還很遠。
後來陸續接觸到國防工業、大學的資料視覺與模擬領域、機密機械、健康產業，每個產業對數據的精度要求和安全規格都不一樣。 期間在大學與企業中擔任教育與訓練的工作。 這些經歷讓我很早就理解一件事：數據本身沒有價值，能回答問題的數據才有。 2009 年成立雲體系戰略辦公室，從 3D 數據走到雲端架構，再走到資料工程，再走到統計建模和機器學習，確立了自己在數據科學的定位。 每一步都不是刻意規劃，是客戶的問題把我推到那裡去的。
現在我帶領團隊同時推進四個數據品牌：CertiCarb 看環境碳排、TISEE 看企業永續、HOPETURN 看社會影響、ZRIMATA 看人體狀態。 聽起來跨很多領域，但底層邏輯只有一個：把看不見的系統，用數據變成看得見的證據。
1997
從 3D 建模和空間數據處理入行。期間接觸國防工業、大學的資料視覺與模擬領域、機密機械、健康產業，在高精度、高安全規格的環境下磨練數據處理的基本功。
2009
從企業雲端運算服務起步，替客戶搬遷系統、建置基礎架構，在過程中累積了大量資料處理的實戰經驗。
2012
把雲端技術包裝成企業可直接使用的 Google SaaS 服務。從「幫客戶架伺服器」變成「幫客戶用好工具」，開始理解商業場景比技術更重要。
2014
輔導觀光業企業導入 Google SaaS 雲端應用系統。觀光業的數據量大、即時性要求高，逼著團隊把資料處理能力再往上推一層。
2025
成立希望翻轉計畫辦公室投入社會影響研究、成立 TISEE 計畫辦公室投入永續教育、同步成立氣候財務風險研究中心。三條線同時開跑。
2026
四大品牌定位確立：CertiCarb 觀測環境碳排、TISEE 觀測企業永續、HOPETURN 觀測社會影響、ZRIMATA 觀測人體狀態。雲體系轉型為 JW 數據科學研究室，成為整個生態系的技術母體。
做了快三十年的數據工作，有些看法跟主流不太一樣。不一定對，但這是我押注的方向。
現在多數 ESG 報告和財務報告是兩套人馬、兩套邏輯、兩個時間軸。 環境和治理的部分還算有數字可查，但社會面（S）幾乎全是敘述性文字，缺乏實際數據和可量化的影響力指標。 一份無法跟財務報表對照的永續報告，說服力有限。IFRS S1/S2 在推的方向是對的，但離落地還有很長的路。
目前主流的碳盤查遵循 GHG Protocol，把排放切成 Scope 1、2、3 逐項計算。 框架很嚴謹，但根本問題是把碳排當成一個孤立的環境指標。 實際上，碳排放會影響空氣品質、影響工人健康、影響社區經濟，這些交互作用在現行的盤查報告裡完全看不到。 這也是為什麼我同時做 CertiCarb（環境）、ZRIMATA（人體）、HOPETURN（社會）、TISEE（揭露真實性）。 四個角度加在一起，才是一個生態系統的完整觀測。
業界花很多時間討論該用哪個模型、哪個框架、哪個平台。 但真實世界裡，八成的問題用乾淨的資料加上基礎統計就能解決。 真正稀缺的能力不是調參數，是知道該問什麼問題，以及判斷手上的資料能不能回答那個問題。 資料清洗佔了整個專案六成以上的時間，卻幾乎沒人討論。這個比例失衡很說明問題。
法規、金融、商務架構、自動化、人才發展。這五個方向不是分開的興趣，是同一件事的不同切面。
碳費怎麼算、CBAM 怎麼申報、ESG 揭露要符合哪些標準，這些問題的共同點是：法規很複雜，但邏輯可以被拆解成數據流程。我關注的是怎麼用數據科學把跨境法規合規從「人工查找」變成「系統自動比對」。
碳交易本質是金融市場，ESG 評級直接影響投資決策，SROI 是一種金融分析框架。我的四個品牌看起來在做環境、社會、健康，但底層碰到的都是金融基礎設施的問題。碳定價、永續金融、影響力投資，這些是我正在研究怎麼用數據科學串起來的方向。
一個技術核心，長出多個獨立品牌。每個品牌自己面對市場、自己活，但底層共用同一套數據科學方法論。品牌之間不是上下從屬，是矩陣：在碳排和 ESG、ESG 和社會影響、環境和健康這些交叉地帶自然連動。我研究的是怎麼設計這種「獨立又相關」的組織架構。
把專業知識編碼成軟體，讓系統替你收錢。從人工服務到方法論標準化，從標準化到寫進軟體自動執行，每個品牌走完這條路就變成一台收入機器：建一次，賣無限次。我研究的是怎麼讓數據科學的方法論走完「產品化」的最後一哩路。
智能體的能力已經到位，但能拆解問題、分配任務、驗收品質的「指揮官」極度稀缺。我聚焦的不是教人用工具，是培育一種新型態的高階人才：他們能靈活編排智能體，用一個人的編制撬動整個團隊的產能。工作的基本單位正在改變，從「一個人」變成「一個人加上一組智能體編隊」。我研究的是怎麼系統性地訓練出這種人。
營運主體
