「很多企業覺得有了資料後，下一步就可以跑 AI、做機器學習了。卻不知道這中間最花錢、花時間的步驟，其實是資料整理。」串串數據的創辦人陳聖文（首圖左）說。
以製造業為例，一般機台會產出大量的「數位訊號」，如：010101、電壓、波形、震動頻率等時序資料，如果沒有經過分類、標籤與脈絡整理，一般大語言模型根本看不懂這些訊號的意義。
由前台積電工程師領軍的「串串數據」，正試圖解決製造業者內部普遍缺乏「資料工程架構」，而無法有效運用巨量原始數據的問題。
製造業開始導入 AI 前，為何總先燒掉數百萬整理資料？
陳聖文過去曾任職於台積電、伊雲谷（eCloudvalley），處理過精密製造大廠的產能與良率數據分析，以及參與不同專案客戶的 AI 轉型。
他發現無論是半導體龍頭還是中小型製造廠，所面臨的問題其實非常相似：企業雖有大量機台數據，卻缺乏能長期累積、整理與運用資料的基礎架構。
而問題的根源，在於目前市場上的數據系統常與硬體設備高度綁定，使企業在取得可訓練的資料前，需花上動輒數百萬的費用與系統商或外包商合作，不僅成本高昂，也讓不同資料、模型長期困在彼此無法互通的資料孤島裡。
「工廠今年剛設定完 1,000 個感測器，明年只要想更換機台、換通訊協定，就可能得重新投入數個月的時間重寫系統、檢測維運。」陳聖文表示，這對中小企業來說毫無彈性可言，更無法透過長期累積，建立起可訓練的數據資產。
為了打破製造業對於機台數據使用上「低彈性、高門檻」的痛點，陳聖文開始有了創業的想法，並找來了過去在成功大學的好友郭濬德（首圖右）和陳芸（首圖中），共同投入資料工程基礎架構平台的開發。
自動貼標、建立時序脈絡，讓機台數據開始「看得懂、用得動」
串串數據的核心功能，在於建立一套標準化的「資料工程（Data Engineering）」平台。
該平台透過通用連接器，支援包括 4G LTE、NB-IoT、LoRa 及 Zigbee 等多種工業級通訊協定，將分散在各案場的 IoT 設備與數據流即時接入雲端。針對不同的應用場景，平台提供了豐富的「預建模板」，讓非技術背景的業務或工程人員不需編寫程式碼，只需透過視覺化介面進行設定，即可在幾分鐘內完成數據對接與標準化處理，將傳統需花費數月的部署時間縮短至 2 週內。
串串數據平台的技術，也在去年參與 StarFab 加速器的 AIoT 計畫中獲得實際驗證。
以投影機與背光模組製造大廠中強光電的合作為例，過去在進行投影機「燒機測試」時，需仰賴工程師抓取測試機中感測器所監控的燈泡亮度、溫度，或風扇轉速等數據資料，手動拉出 Excel 模版來找到異常數據，以達成產品能在極端環境下運作 50,000 小時無異常的商業驗證。
由於數據量龐大且需手動整理，企業過去在異常發生後兩天，才會從報表中發現問題。「如果連機台現在發生什麼事都看不了，想談 AI 模型預測，根本還差得遠。」串串數據的共同創辦人暨後端工程師郭濬德提到。
而透過串串數據平台的串接，機台的數據資料將可直送雲端，讓製程工程師直接設定異常數據所代表的故障原因，往後便能透過機器學習模型進行「自動化標籤」，使時序資料開始具備「上下文製程脈絡」的意義。
往後便可透過平台隨時監控產品狀態，一旦出現過熱或風扇轉速異常的狀況，工程師可立即收到通知，實現自動巡檢與警示。實際數據更顯示，中強光電在導入後，節省整體檢測流程的時間高達 53%。
而同樣的成效也出現在能源產業。
從事儲能電池開發與案場管理的睿騰能源，需在各個站點即時監測電池的電流、溫度及充放電狀態。這些數據對於確保電池壽命、預防過熱起火，以及優化能源調度至關重要。但其儲能電池的站點，每 2 至 3 秒就產生一筆數據，短短 4 個月內便累積高達 32 億筆資料。
由於數據量過大，過往 IT 團隊必須將舊資料壓縮後存入硬碟，導致工程師如果想調閱半年間的歷史數據進行分析，往往需要耗費團隊一週以上的時間才能成功「打撈」出來，而難以進行跨案場的整合管理。
透過與串串數據的合作，睿騰能源除了能直接在平台滑動結構化的時間軸，看到不同站點的即時狀態或過往的數據之外，往後設立新站點，對接數據所需的時間更僅需 10 分鐘便能設定完成，大幅降低了管理的技術門檻與維護成本。
在商業模式上，串串數據採取靈活的 SaaS 訂閱制，依用量及使用者人數區分層級，其最基本的月費僅需 39,000 元。與傳統必須斥資數百萬外包的 SI 專案服務，或自行聘請專業數據工程人員相比，提供了一個更務實的選項。「我們想做的，是讓中小企業也負擔得起的即時數據平台。」串串數據共同創辦人暨商務開發長陳芸說。
目前，團隊也積極與 ESG 碳排優化顧問、大型公共建設等「有巨量串流數據」即時監測需求的客戶洽談中，期待未來能看到更多不同產業領域落地合作的可能性。
團隊資訊
公司名稱：串串數據股份有限公司
成立年份：2025
新創資料庫｜📮❗️我想聯絡創辦人
