作者：王駿瑋 David Ishayahu
碳排放看不見。企業治理的真相埋在兩百頁報告書裡。一個社區計畫到底幫了多少人，沒人量過。你的身體每天都在變化，但你只會在痛的時候才注意到。
這四件事有一個共同點：它們都是看不見的系統。
數據科學做的事，就是讓這些系統被看見。同一套方法論，拆成統計學、程式設計、領域知識三根柱子，架在不同的觀測對象上。環境、企業、社會、人體，四個維度，同一個底層邏輯。
碳排放量不是讀電表就有的數字。一家企業的碳足跡涉及能源消耗、物流運輸、員工通勤、甚至供應鏈上游的製造過程。這些資料散落在不同系統、不同格式、不同單位裡。
數據科學在這裡做的事：把這些碎片拼起來。從政府開放資料抓排放係數，從企業財報抓營運數據，用統計模型估算無法直接量測的排放源。然後交叉驗證，確保算出來的數字經得起第三方查核。
台灣上市櫃公司每年要交永續報告書。問題是：一份報告動輒兩百頁，堆滿圖表和專有名詞。投資人沒時間讀，主管機關看不完，企業自己也不確定寫的內容是否符合最新法規。
數據科學怎麼解這個問題？讓電腦學會「讀中文」。這套技術叫自然語言處理（NLP），簡單說就是教電腦把一段文字拆開、理解意思、跟標準比對。比如報告書裡寫「本公司已設定減碳目標」，電腦能判斷這句話有沒有回答 IFRS S2 第 29 條的要求。不是取代人類判斷，是讓人類把注意力放在真正重要的地方。
一個社區發展計畫投入了三年時間、幾百萬預算。成果呢？「幫助了很多人」「改善了社區環境」。這些話聽起來不錯，但經不起追問：多少人？改善了什麼？跟沒做這個計畫比，差在哪？
數據科學提供了量化影響力的框架。建立基線（介入前的狀態），設定指標（收入、就業、教育程度），收集數據（問卷、行政資料、感測器），然後用統計方法分離「計畫帶來的改變」和「本來就會發生的趨勢」。讓影響力從感覺變成證據。
你知道自己的體脂率，但你知道自己的肩膀左右高低差幾度嗎？你知道每天走幾步，但你知道自己的身體在一次運動前後發生了什麼具體變化嗎？
數據科學在人體領域做的事，是把「感覺」變成「數據」。用姿勢偵測技術量化身體的傾斜與不對稱，用溫度感測記錄體表熱分佈的變化，用統計模型追蹤這些指標隨時間的趨勢。不做診斷，只做記錄和觀察。讓身體的變化被看見、被理解、被追蹤。
這四個維度不是四個無關的業務。它們共用同一套數據科學方法論：收集原始資料、清洗整合、統計建模、交叉驗證、產出可操作的結論。差別只在觀測的對象不同。
收集
從散落的來源取得原始數據
整合
不同格式、單位、系統的資料拼在一起
建模
用統計和機器學習找出模式
驗證
交叉比對，確保結論經得起檢驗
這頁講的是數據科學「用在哪裡」。如果你對數據科學「是什麼」更感興趣，可以看方法論的完整說明。
本內容僅供參考，不構成專業建議。涉及碳排放計算的數據應依據專業碳盤查機構之查證結果。涉及健康數據的內容不構成醫療診斷或治療建議，如有健康疑慮，請諮詢醫師。影響力評估結果受方法論與數據來源影響。
