2. 張大明
創新教育科技 &
商業模式設計 &
人力資本創業家 倡議人
學歷
淡江大學
教育科技所碩士
經濟部中小企業經營領袖班12th
現任—
⚫摩方人力資本科技股份有限公司 共同創辦人兼執行長(2019-)
⚫育睿科技股份有限公司 創辦人兼執行長(2012-)
⚫逢甲大學專案管理與系統思考研究中心業師-教育創新顧問(2021-)
⚫TOBE吐璧【孵化器】三創生態系倡議人(2022)
⚫DOT100百豆運動-數位經濟世代人才100計畫發起人(2017-)
⚫社團法人亞太數位聯盟常務理事,數位移轉委員會主委(2017-)
⚫巨匠電腦IT360講師(2018-)
⚫新北市企業榮譽志工(新北榮指員,2017-)
⚫國際價值工程協會(SAVE International)副價值專家(AVS)
⚫淡江大學教育科技學系暨系所友會聯合總會推薦傑出系友(2018)
專業領域—
20年成人教育培訓經驗,特別在創新教育科技研發,近10
年持續投入在績效科技、數據技術與金融科技整合方案研發(人力
資本模式-評等 & 收益)。混成課程與訓練設計、新媒體策展營銷
與數位商會應用發展,ALBITER歐倍特培育摩方—思翱倍力設計與
發展手冊。創新人才培育方案,敏捷專案管理,社群組織發展、商
業模式創新與獲利財務模型,創新3E創業培育服務,數位轉型服務
設計,數據分析與營銷,價值工程分析,大型研討會論壇規畫舉辦。
研究發表與演講—
⚫TOBE吐璧倡議計畫 — Startup with ESG & SDG17,實現目標夥伴關係(2020)
⚫摩方人力資本銀行—為專家提供數位智產服務的專屬平台(Mofang human capital
bank by mFHC Guru-tech,2019):共創共享模式學習發展生態系。讓你隨時隨地儲
備、運用,從工作、學習獲得的財富(2018/10)。
⚫結合學習社群策略與大數據分析之績效導向培育服務設計與研究—以歐倍特培育摩
方為例。淡江大學,2018學術研討會:創新數位教學(2018/5/4)。
⚫認識人工智慧與發展應用演講,暨程曦資訊企業參訪。北市公訓處公務人員數位學
習系列(201712/14)。
⚫DOT100百豆運動:數位經濟世代人才100計畫—Be a Talent100 of Digital+ in 2018-
2025. 讓自己成為數位經濟世代的乾貨(DIGITAL+ FOR TALENT100),亞太數位聯
盟-眾創基地 (2017/11)。
⚫台灣企業領袖交流會首屆創媒秀總策畫。第二、三屆創新創業媒合會策展,創新商
業模式設計創業導師(2016-2018)。
⚫賦陪媒3E創業培育模式-賦能 Empower、陪伴 Engage、媒合 Enrich(2017/9)。
⚫淺談個人與企業數位轉型的大數據應用。新北產經大學-ICT智慧學院 by 新北市電
腦公會,致理科技大學(2017/7/8)。
⚫大數據驅動之創新服務專案實務—以人類學家大數據探索觀點,淡江大學資工系演
講(2017/4/14)。
⚫驅動轉變的教育服務創新推廣:Education Learning as a Service(ELaaS)-以歐倍特
培育數據雲為例,淡江大學教育學院博士班演講(2016/12/23)。
⚫巨量資料分析的現況與展望。國發會105年資訊新知研討會 from 巨匠電腦。高雄
(2016/8/18)、台北(9/8)、台中(9/22)。
⚫T. M. Chang,S. F. Wang (2015/5) HKIVM-SAVE International Conference,
Hongkong 5/8-5/9,Use VA/VE on Online to Offline (O2O) Cloud Learning Service Study -
with an Example of Xtiveco Cloud and App。
2022/5/10,@摩方人力資本銀行
個 人 資 歷
mFHC BANK. 2
3. Google 「張大明」學經歷2020 Google 「張大明 slideshare」
授課、演講與發表PPT近100多份
Google 「Ta-Ming Chang ResearchGate」
近10篇研究發表分享
mFHC BANK. 3
Youtube頻道:「黑執使聊天室」
1
2
3
4
22. Impact
• TEDxBroadway演講,Ben Wellington 提供五項原則,透過故事讓數據更有意
義(Making data mean more through storytelling)
– 1.連結人們的經驗 Connection with People's Experiences
– 2.專注一個創意 Focus One Idea
– 3.讓它簡單化 Keep it Simple
– 4.探索你最熟悉的 Explore the Things You Know Best
– 5.發生改變 Make an Impact
https://youtu.be/6xsvGYIxJok
22
34. What
happened?
• 描述性分析
Descriptive
Analytics
Why did it
happen?
• 診斷式分析
Diagnostic
Analytics
What will
happen?
• 預測式分析
Predictive
Analytics
How can we
make it
happen?
• 指導性分析
Prescriptive
Analytics
價值
困難度 & 複雜度
傳統BI 進階分析-大數據
落後指標
洞見與覺察
領先指標
撿
找
人
算
神
算
Edited by Ta-Ming Chang , 2016/8/2
Big Data應用技術演變,人 &
技術,大數據專案本身
34
35. Mckinsey:The potential value of AI - and how governments could look to capture it. @July 25, 2022,https://mck.co/3PTJ9MG
人工智能的潛在價值—以及如何看待它(15個領域)
35
36. 估計AI發展潛力要點
確定最相關的應用場域
• 這些用例領域中的每一個都包含大量 AI 應用程序,但它們創造價值的底層技術和機制是相似的,它們在應用於類
似組織時的典型影響也是如此。
估計應用場域的影響
• 例如,如果製造業中的預測性維護平均降低了 10% 的維護成本,那麼公司的息稅前利潤就會提高 2%
擴大對行業和經濟層面的影響
• 假設對於一家製造公司,所有相關用例領域的總和可以增加 10% 的息稅前利潤。如果該行業所有公司的息稅前利
潤總額為 100 億美元,那麼該息稅前利潤將上升至 110 億美元。如果淨營業盈餘(約息稅前利潤)佔製造業(總
計 200 億美元)的總增加值 (GVA)(即對 GDP 的貢獻)的 50%,那麼人工智能將在全行業範圍內增加 10% 的息
稅前利潤將使該行業的 GVA 增加 5%。
風險考量,隱私、安全、公平、透明度和可解釋性、安全和性能、第三方風險
Mckinsey:The potential value of AI - and how governments could look to capture it. @July 25, 2022,https://mck.co/3PTJ9MG
36
39. 確定從哪裡開始實際實施人工智能技術
“人工智能不會製作很多你購買的軟件,它會讓你購買的很多軟件變得更好。”
明確了解其最終的業務影響,應該是每個使用 AI 的項目的開始技巧
業務線利益相關者應該能夠清楚地表達有形業務通過詢問他們期望得到的好處
任何人工智能戰略計劃都必須首先關注組織的準備情況。它必須允許學習和實際使用,然後再著手一項宏偉的 AI 計劃。在沒有先入
為主的情況下參與人工智能戰略嘗試其組件技術就是本末倒置。可以在任何規模的組織中實際引入人工智能技術,通過五個步驟:
1. 用例
建立一個有影響力可衡量
和可快速解決的用例組合
2. 技能
集合一組與要解決的用例
相關的人才
3. 數據
收集與所選用例相關的適
當數據
4. 技術
選擇與用例、技能和數據
相關聯的人工智能技術
5. 組織
構建專業知識和積累的人
工智能知識
Gartner - https://www.gartner.com/en/information-technology/insights/artificial-intelligence @2022/8/1
• Reinforce Your Artificial Intelligence (AI) Ecosystem Leverage AI technology to optimize your business resources and enhance decision making process.
• What Is Artificial Intelligence? Seeing Through the Hype and Focusing on Business Value. 39
40. 如何從數據和分析中,優化業務價
值最後投資……
實際操作的 5 個步驟實施人工智能技術—
Gartner - https://www.gartner.com/en/information-technology/insights/artificial-intelligence @2022/8/1
• Reinforce Your Artificial Intelligence (AI) Ecosystem Leverage AI technology to optimize your business resources and enhance decision making process.
• What Is Artificial Intelligence? Seeing Through the Hype and Focusing on Business Value.
40
49. Top 10 Hot Artificial Intelligence (AI) Technologies
Natural Language
Generation
自然語言生成
Speech Recognition
語音識別
Virtual Agents
虛擬代理人
Machine Learning
Platforms
機器學習平台
AI-optimized
Hardware
AI優化的硬件
Decision
Management
決策管理
Deep Learning
Platforms
深度學習平台
Biometrics
生物識別技術
Robotic Process
Automation
機器人過程自動化
Text Analytics and
NLP
文本分析和NLP自然
語言處理
49
There is no defined business case 42%
Not clear what AI can be used for 39%
Don’t have the required skills 33%
Need first to invest in modernizing data mgt platform 29%
A Narrative Science survey found last year that 38% of enterprises are already using AI, growing to 62% by 2018. Forrester Research
predicted a greater than 300% increase in investment in artificial intelligence in 2017 compared with 2016. IDC estimated that the AI
market will grow from $8 billion in 2016 to more than $47 billion in 2020.
https://www.forbes.com/sites/gilpress/2017/01/23/top-10-hot-artificial-intelligence-ai-technologies/#709c25af1928
mFHC BANK.
60. 機器學習 Machine Learning
一個電腦程序從經驗E至學會,針對某類任務T
和性能指標P,如果在T中的任務性能,
按P測量,提高了有經驗的E。
A computer program is said to learn from experience E with respect to some
class of tasks T and performance measure P if its performance at tasks in T, as
measured by P, improves with experience E.
Tom M. Mitchell, WIKI
另一個定義:機器學習目標是要電腦編碼運用舉例的資料,或過去的經驗來
解決已知問題。 麻省理工學院
https://en.wikipedia.org/wiki/Machine_learning
60
61. 知識傳達 vs 能力傳授
徒:請問…師傅,您真是了得!
師:飯可以亂吃,問題不可以亂問!?
Association for Talent Development(from ASTD T+D Magazine April 2016)
一個電腦程序從 [E] 至
學會,針對 [T] 和 [P],
如果在 [T] 中的任務性
能,按 [P] 測量,提高
了有經驗的 [E] 。
E:根據知識、技能與經驗提問問題
P:部屬問題闖關及格通過率
T:部屬要對提問解決問題並回答
61
106. Business
Intelligence
Analytics
AI /
“Cognitive”
Big Data Cloud
Internet of
Things (IoT)
Source: https://www.linkedin.com/pulse/war-4-pillars-big-data-cognitive-cloud-iot-bill-hayduk/
World of Watson, these are
IBM’s 4 pillars and Big Blue
is gearing up for an arms
race and a big war - the war
for mind share and for
money. According to analyst
firm IDC, big data and
analytics spending will hit
$203 billion by 2020.
https://www.linkedin.com/pulse/war-4-pillars-big-data-cognitive-cloud-iot-bill-hayduk/
顯而易見的事實與未來科技
創新戰爭戰場-IBM
mFHC BANK. 106