說到推薦系統，大多數人想到的多半是文章推薦、影音推薦、商品推薦等B2C的場景，但是，除了生活中常見的消費場景，你是否想過推薦系統也能有B2B的應用嗎？這個近年來十分熱門的名詞又是什麼呢？面對資料應用的難題，公司又該如何建立相關團隊或是打造具資料素養的團隊呢？

我們的生活中，每天都在做選擇，包括餐廳、旅遊住宿、音樂、電影、電視、書籍、遊戲、新聞等娛樂及閱讀行為，當資訊越來越多，人們也越來越難進行選擇。對許多公司來說，累積越來越多的資料該如何應用，已成為許多組織常見的難題。KKCompany 旗下子公司KKStream 是如何在短短幾年內，從影音串流領域跨足AI技術，建立起自己資料團隊並往日本發展事業呢？

成立於2016年的串流科技公司 KKStream，主要提供 B2B 串流服務解決方案，運用雲端串流、人工智慧、以及數據分析三大技術，提供企業客戶全方位影像串流解決方案與顧問服務。目前除了台北總部，也在東京設有營運據點，服務客戶涵蓋海內外電信、媒體、線上展演售票、線上課程平台及居家健身等行業。

Google只是搜尋引擎？其實推薦系統早已存在生活中

KKStream資深技術總監官順暉（Drake）說，推薦系統有個特色，東西很多，但是會以不同的方式呈現，主要是用來解決資料太多的問題。只是，每個人認知的資料太多的狀況不同，例如HR與廠區人員所要處理的資料就不一樣。以前我們可以靠著分類、搜尋找出適合的資訊，例如，當全台灣的電話號碼還不多時，透過一本大大的黃色電話本就可以找到需要的資料。但是，現在每天都有不同的資料產生，透過搜尋解決問題的效果有限。我們以為Google只是搜尋引擎？其實，他早就將搜尋與建議結合在一起，更像是個推薦引擎；亞馬遜、Netflix則是讓推薦系統變得更加熱門的兩家公司。

官順暉解釋，推薦系統的概念有點像是一個漏斗，裡頭放有各式各樣不同的資訊，並能幫你過濾出資訊，從中拿出你需要的東西。舉凡餐廳、住宿飯店、音樂、電影、電視、書本、遊戲、新聞、語言句子、徵人啟事、程式碼、函式庫都能使用推薦系統，也許我們更該問：「有什麼是不可以被推薦的？」

官順暉（Drake）提到，2015年時，當時的技術團隊關心的範疇以影像串流為主，例如影片品質、播放流程、速度畫質等，此時團隊中還沒有人懂AI，也沒有任何課程學習資源。一直到2016年，公司迎來了第一位資料科學家，但是，當時的團隊還不清楚該如何將AI應用於產品或是工作流程上。

官順暉說，他們想過要用AI進行影音串流分析、頻寬分析，或是猜猜男女主角，雖然有很多點子，但都有點不切實際。於是，團隊開始思考，既然客戶的競爭對手是Netflix，而KKStream自詡為客戶的軍火商，那麼，有什麼需求是客戶未來在與Netflix競爭時可能會提出的？最後，慢慢收斂點子，決定以推薦系統為主。

三件事情，養出公司的資料文化

「我們覺得第一個應該先解決腦袋，」官順暉說，比起招募新員工、上課學習，應該要從Mindset先著手。要建立一個資料團隊，首要任務就是讓團隊成員們，打從心裡相信資料是有道理，且可以從中挖出黃金。於是，官順暉幫自己立下的第一個目標：「在KKStream讓AI的Mindset普及化。」不是要讓每個人都知道如何做推薦系統，而是具有共同的Mindset。同時，投入許多時間學習及觀察其他團隊如何分工與思考。

直到有一天，有個同事提出AI八卦的點子，每週準備三四則消息，進行5~10分鐘的分享，以輕鬆的方式讓公司同事知道AI的最新進展。官順暉笑說：「讓你一直看什麼都可以用AI，最後你也會想玩。」就這樣進行半年多的分享，慢慢打開公司同事對於AI的認識。

第二件事情是：「讓所有人都加入。」官順暉從Kaggle的例子得到了靈感，在公司內部舉辦了Data Game，故意設計不用寫程式也可以參與，搭配遊戲技巧、工具的分享，讓更多人有機會可以實際接觸、了解資料是怎麼一回事。更重要的目的是，有人因此想轉調到他們部門。

在不強迫的狀況下吸引了31隊、共76人，超過二分之一的公司成員，甚至有需多非技術工程的同事都參與了這個競賽。官順暉認為，競賽不以困難、大規模為主，而是希望所有團隊成員都能參與，所以從遊戲的流程、獎品、活動設計都極具巧思，他們還為此設計了懶人包以及各種不同的目標與獎勵，而不是只有第一名才有獎勵。官順暉提醒，最重要的是，即使只有參與頒獎部分，都要讓老闆一起加入這場活動，更能彰顯活動的重要性。

第三件事情就是：「外部的刺激。」透過邀請外部成員參與競賽活動，讓內部同事知道原來有人這麼厲害且熱衷於參與這件事。官順暉笑說，因為這場活動，不只讓公司的知名度因此大幅提升，對於招募也有大幅的幫助。內部成員也因為比賽的刺激以及他人的經驗分享，加速資料文化的形塑。

這三件事情不僅讓團隊成員了解到資料的重要，立對資料的親切感及信任感，對KKStream而言，最直接的成果就是建立了一組團隊，更在隔年開發並銷售出精準有效的推薦系統。