請大家努力找找看大數據在我們現今生活中有哪些具體的成功應用案例喔！
大數據分析在商業活動實際成功案例
應用者 : Amazon
Amazon的大數據分析應用可分為五大類，即瀏覽、購物、倉配、送貨和客戶服務等。
1)用戶瀏覽：亞馬遜有一套基於大數據分析的技術來幫助精準分析客戶的需求。具體方法是，後台系統會記錄客戶的瀏覽歷史，把顧客感興趣的庫存放在離他們最近的運營中心，方便客戶下單。
2)購物便捷下單：幫助客戶不管在哪裡都可以快速下單，也可以很快知道他們喜歡的選品。
3)倉儲運營：大數據驅動的倉儲訂單運營最快可以在30分鐘之內完成整個訂單處理，也就是下單之後30分鐘內可以把訂單處理完出庫，從訂單處理、快速揀選、快速包裝、分揀等一切都由大數據驅動。由於亞馬遜後台的系統分析能力非常強大，因此能夠實現快速分解和處理訂單。
4)配送：亞馬遜的物流體系會根據客戶的具體需求時間進行科學配載，調整配送計劃，實現用戶定義的時間範圍的精準送達，美國亞馬遜還可以根據大數據的預測，提前發貨，實現與線下零售PK贏得絕對的競爭力。
5)CRM客服：大數據驅動的亞馬遜客戶服務，根據用戶的瀏覽記錄、訂單信息、來電問題，定製化地向用戶推送不同的自助服務工具，可以保證客戶可以隨時隨地電話聯繫對應的客戶服務團隊。
對於亞馬遜來説，大數據意味着大銷售量。數據顯示出什麼是有效的、什麼是無效的，新的商業投資項目必須要有數據的支撐。對數據的長期專注讓亞馬遜能夠以更低的售價提供更好的服務，長期透過精準預測顧客行為以維持企業的形象和價值。
參考資料:
1.【物流案例】亞馬遜：十大物流技術玩轉物流大數據
原文網址：https://kknews.cc/zh-tw/tech/2xozqg.html
2.大數據公司挖掘數據價值的49個典型案例
原文網址： https://hk.saowen.com/a/cddd035ff3d80518a631954b50660a327cacf0bbe2b9b46ae720cb0775b33032
3.在你下單前就出貨！Amazon用大數據鞏固電商龍頭
原文網址： https://transbiz.com.tw/amazon-big-data/
大數據在醫療領域的應用
一、IBM Watson醫生診斷輔助系統
Big Data也可以當醫生了嗎？
IBM的超級電腦 Watson機器人已可以用來協助醫生聽診，原因是這樣，已經有一些美國的醫療機構為了避免醫生的問診疏失，開始與IBM合作，現在Watson會陪同醫生聽診，聽診完它會透過病徵列出病患可能罹患的疾病是哪些。
原本醫生問診完，想到的病徵可能只有三、五個，可是Watson會從海量數據分析的角度幫他列出高達20個病徵選項，這可以大大的減少醫生疏忽的機會，醫生看了 Watson的分析報告以後，就知道可以再多問病人什麼問題，來縮小看診判斷誤差。
尤其是遠距醫療時，這個服務特別受用。不過Watson機器人主要還是做協助的工作，而不會告訴你，就是這個病，最後要把關、負責任的還是醫生本人。
二、在公衛領域中的預見能力正在被開發中
在公共衛生領域中，“大數據”的預見能力正在被開發中，而且已經嶄露頭角。有研究者發現，當“流感癥狀”和“流感治療”等詞彙在Google上的搜索查詢量增加，在幾個星期以後，到某個地區醫院急診室就診的流感病人數量就會有所增加(因為醫院急診室發布報告的時間，通常要比病人就診的時間晚上兩個星期左右)。
資料來源: http://nmart.pixnet.net/blog/post/49893852-大數據在醫療領域的應用
大數據在各項經濟產業活動中的應用
使用的機構:阿里巴巴
幫助傳統農牧漁業勞動者邁向數字化
了解顧客使用的支付方式
了解顧客喜好
翻譯得更加完善
大數據分析在運動產業實際成功案例
應用者:NIKE
成功結合科技的Nike運動行銷
這家一直在思索著該如何讓枯燥又略帶孤獨的跑步運動變得有趣的運動大廠，早在2006年即已經與蘋果(Apple)合作並且共同推出結合運動與音樂的Nike+iPod；跑步者除了可在運動過程中欣賞事先所設置的激勵歌曲、即時看到自己的速度和距離…等完整跑步資訊之外，運動結束後更可上傳此次跑步資料，並從網站上了解到朋友們及全球其他人的運動資料和排行榜。在Nike+iPod之後，用於測量消耗熱量的運動手環Nike FuelBand、同樣提供跑者上傳資料和專業訓練建議的Nike+平台、以及與知名導航品牌TomTom所合作推出的Nike Sport Watch GPS…等多款產品相繼問世，更讓跑步類的商品和服務成為該公司在籃球之外，另一輛拉動業績成長的高速馬車。
藉由大數據更加貼近用戶需求
隨著各類可穿戴設備、Nike+應用軟體、Nike+運動社交平台的逐漸完善，讓Nike從生產運動鞋、運動服飾的傳統品牌，轉變為協助用戶訂定運動計劃、監督執行程度、針對運動效果給予回饋與專業指導的全方位「運動夥伴」。對於Nike來說，透過NIKE+平台所收集到的龐大客群資料，則讓該公司得以深入人們生活、準確把握消費者需求，並與其建立長期且緊密的連結闗係；更重要的，是這些具有全面性的大數據能夠成為Nike在從事新品研發、產品設計和商業行銷…等活動時，更加科學的研究分析基礎。
未來，Nike將不再只是透過強大的行銷能力單方面向消費者發聲，而會與全球運動者站在同一陣線、並且透過社群平台串連用戶的生活分享和體驗互動，進而從中更快速地找到目標客戶、提供更貼近消費者需求的商品，並且有效提升消費者忠誠度。
參考資料:
大數據在各項經濟產業活動中的應用
應用者:物聯網
將所有物品連接上網，當任何東西都互相聯結時，即可透過網路對電腦、裝置、機器或人員進行集中管理控制。
資料來自貢種地方。從日常的報紙新聞、音樂電影到個人的指紋、臉型、汽車車牌，由不同的媒體形式資料化存在著。
科技日新月異，對新資訊科技需要不斷與時俱進，如同再造台糖策略推動中「資訊科技之應用」，台糖公司投入物聯網、大數據、人工智慧、雲端運算與AR/VR技術運用，藉由新科技促使產業升級，邁向產業4.0之路。
資料來源:https://www.taisugar.com.tw/Monthly/CPN.aspx?ms=1434&p=13386945&s=13386964
大數據分析在運動產業實際成功案例
應用者: Under Armour
當前地表上最紅的運動品牌，非Under Armour（以下簡稱為UA）莫屬。2014年，它已擠下愛迪達（adidas），成為美國本土第二大運動品牌。該公司在全球有1萬3500名員工，年收入高達40億美元。不過，老大哥NIKE依然以300億美元的營收遙遙領先。這是5年前的數據，當然為了超越運動商品市場第一龍頭的nike，UA當然不能止步於此更不能過於自滿，為此 UA創辦人兼CEO凱文．普朗克（Kevin Plank）認為，UA更像是一家「科技公司」。 他們靠著高科技製造的機能衣切入市場，使一件衣服能滿足特定需求。像是令UA一炮而紅的緊身衣，就宣稱能夠增強肌肉耐力，在意外發生時降低傷害。
舉例來說，UA從用戶數據中發現，一般人進行一次慢跑的平均距離是3.1英里（大約是5公里），研發團隊便針對慢跑者在這個距離內的肌肉變化，設計運動鞋底的減震墊，不僅提升舒適感，也使足部肌肉得到最好的保護。這項應用大數據分析而設計的Speedform Gemini運動鞋，一上市就大獲好評。UA更積極地與外部廠商合作，包括：與HTC合作推出運動手環、心跳偵測器和體重計，隨時偵測使用者的身體狀況和健康管理；應用IBM的超級電腦華生（Watson），給予使用者運動上的建議。假設你想在寒冷的天氣中長跑，華生可以結合天氣數據與你的身體狀況資料，建議你今天適合跑步的時間區段。
參考資料:
在美國幹掉Adidas的UA：大數據告訴你如何靠超級IP逆襲
https://kknews.cc/tech/6k5b9xq.html
挑戰NIKE龍頭寶座！Under Armour怎麼做到的？
https://www.bnext.com.tw/article/38899/BN-2016-03-10-182857-178
應用者: 孟山都跨國農業科技公司
2012年，孟山都以2.5億美元的價格收購了美國伊利諾州的一家種植技術公司Precision Planting。該公司最大特點就是通過對土壤相關數據的分析，實現「非均勻播種密度」。也就是說，在Precision Planting提供的監測工具（SeedSense和FieldView平板電腦）幫助下，農民可以駕駛播種機在不同區域位置、不同土壤情況下進行不同農作物品種的不同間距、深度播種，從而極大優化農作物的種植，並幫助實現差異化灌溉，最終促成農作物增收。
孟山都亞洲企業事務總監高勇稱，在美國農民會和第三方公司合作以對土壤進行測量，並根據農田土壤具體數據，在孟山都服務的幫助下實現播種、施肥、灌溉、病蟲害防治的優化，使田地產量提升3%-6%。
Climate Corporation：農業數據技術平台
2013年，孟山都又以9.3億美元的高價收購了加州氣候公司Climate Corporation。Climate面向農民提供農業數據技術平台和意外天氣保險服務。它通過分析已掌握的海量數據，包括氣象、天氣、降雨、地質土壤調查數據等，來預測未來可能對農業生產造成破壞的各種情況，幫助農民預測作物產量，農民可以根據預測情況選擇相應的農業保險，以降低氣候環境對農業生產帶來的影響
原文網址：https://kknews.cc/zh-tw/agriculture/5bxnm2.html
精準農業產品覆蓋面積較廣的有來自孟山都公司的「氣候技術平台」(Climate Technology Platform)。該技術平台融合精確定位的氣候監測和預警、土壤分析、農業生產數據模型等技術和廣泛的田間試驗數據，通過網絡和移動端軟體服務，為用戶提供作物氮肥使用、需求預測、農田健康監測、氣象預警、可變密度種植等多項服務
大數據在各項經濟產業活動中的應用
應用者:HITACHI
日立大數據分析，將數位化進程引向成功。
從龐大的資料中挑選出具有意義的內容，從而創造出新的價值，再將這些結果以數據形式收集，運用到之後的步驟中。這一短暫的週期循環往復，優化速度得以提高，企業便可獲得創新能力。並且通常伴隨著巨大的革新。
在生產製造的優化及生產計畫的訂立中，發揮重要作用的熟練技術人員的經驗知識，由於集中掌握在特定人員手中，通常使業務自動化成為難題。而通過日立的大數據分析，可將熟練從業人員的經驗技術數位化。
日立提供各式各樣的服務來支援“創新·分析”。“數據·分析·專家服務”便是其中之一。以大數據應用的“數據·分析·專家”為中心，從大數據應用的“願景構築”；描寫腳本實現願景，明確價值產生的“應用腳本制定”；同實際數據分析手法的確立，一起檢驗其有效性的“實用化驗證”；到最後的實際“系統導入”，從4個維度的程式提供服務，並據此全面支援客戶的大數據應用。
日立持續多年研究的獨樹一幟的人工技術群“Hitachi AI Technology”，為客戶的價值創造發揮著作用。以人工智慧進行超越人類極限的分析，發掘連專家也未曾想過的各種假設。
參考資料:
http://social-innovation.hitachi/tw/solutions/analytics/
大數據在各項經濟產業活動中的應用
應用者:特易購
他們通過用戶的購買歷史記錄分析來創建模型，為他們量身預測未來的購物清單，並且設計促銷活動和個性服務，讓他們增加消費的慾望，進而賺取更多的利益。他們使用的分析手法是從用戶行為和購買紀錄做大數據統計，先分析出消費者平常的消費習慣，在分類出消費者為哪一類別的客人。他們使用產品個性化，根據消費者的喜好、消費的時段來達到消費者的需求，除了提高貨品的流通，廠商也能減少宣傳費。特易購每季還會為顧客量身定做6張優惠券，其中4張是客户經常購買的商品，而另外2張是根據該客户以往的消費行為分析出在未來可能會購買的產品，特易購依賴紮實的數據分析來定發放優惠券，並且透過數據分析的預測結果來推斷消費者有興趣的商品，增加銷售額的增長。這些銷售手法能提供最符合客戶需求的商品，因為消費者不用花費太多的時間尋找自己所需要的東西，只要告知廠商你的需求是甚麼，他們就能根據數據找到最符合客戶需求的產品，並且結合優惠卷的使用增加客戶的消費欲望，使消費者能買到自己所需的東西，又能使用優惠，而使產品顯得很划算，廠商也因此賺取更多利潤。
參考來源: https://hk.saowen.com/a/cddd035ff3d80518a631954b50660a327cacf0bbe2b9b46ae720cb0775b33032 的第7點
應用者:雲端
隨著社群媒體、手機、監視器、天文望遠鏡到衛星、生產線和各種感測器等的普及，來自不同管道的資料不斷誕生，已經多到現有技術無法消化的地步。
為了讓終端用戶使用方便，通常也已經包裝成各種解決方案，甚至提供簡單易用的操作介面，但就處理的過程而言，至少要能夠做到包括資料採集、ETL、存儲、結構化處理、挖掘、分析、預測、應用，以及為完成前述作業的高效計算平台。
由於資料來源眾多，資料本身所使用的詮釋資料、字彙、格式等都不盡相同，如果沒有一致性的資料互通性標準，雲端大數據技術就必須要能做好資料清理、轉換等工作，而且要設法降低因為資料定義未通而可能產生的資料遺漏或是錯誤的問題。
這兩年吸引了上百家歐美公司相繼投入Big Data，組成了「大數據產業」的上中下游。矽谷在海量分析的新創公司迅速增多，經營模式可謂絢麗多彩、百花齊放。其中一家美國公司GNIP，擁有推特（Twitter）從第一天開張至今所有的推文，光是靠賣這些推文，GNIP就能賺錢。
參考資料來源1:
https://www.digitimes.com.tw/iot/article.asp?cat=130&id=0000537171_HK62AXY6648ZN82HLWJLG
參考資料來源2:
https://blog.xuite.net/jackchen58/twblog/107737148-Big+Data大數據正在改變生活+雲端科技創造新生意
應用著:Facebook
對於Facebook 來說，用戶是他們擅長的業務。因為讓我們與家人和朋友之間的溝通變的更方便和高效，這使得 Facebook 在短短數十年的時間內成為全球最大的公司之一。同時，這也意味著 Facebook 從我們身上蒐集了大量的數據，並且我們自己也可以利用這些數據，包括 : 搜索老朋友、與我們搜索的結果進行匹配。
Facebook 研究的先進技術還包括:
1.圖像識別: 通過訓練機器學習幾百萬張圖像後，該技術可以識別圖片或視頻中的物體或細節。這也是為什麼在我們說出照片中人物名字前，為何機器先說出了答案。以及如何發現我們喜歡什麼類型的照片，以後我們將看到更多的類似照片。
2.廣告識別: 每當你使用 Facebook，他們就會悄悄地追蹤並蒐集你的瀏覽紀錄，知道你曾經拜訪過的網站、結交的朋友、在網路商店購買的物品，對於用戶細緻入微的瞭解，使得 Facebook 可以向任何企業出售精准的廣告。 Facebook可以根據詳細的「人口數據」以及「興趣數據」，幫助企業主找到潛在的消費者 。也可以讓 Facebook 使用大數據分析，尋找那些與公司目前消費者類似的人群。
3.好友推薦: Facebook使用大數據來追蹤用户在其網絡的行為，通過識別你在網絡中的好友，從而給出新的好友推薦建議，用户擁有越多的好友，就意味著他們與Facebook之間的黏度就越高。
參考資料來源:
https://hk.saowen.com/a/cddd035ff3d80518a631954b50660a327cacf0bbe2b9b46ae720cb0775b33032
應用者:台積電
大數據分析方法和過程：善用大資料分析，找出影響客戶產品規格的關鍵因子是最核心的關鍵，了解客戶需求後，才能開始研發與製造晶圓片。在製造過程中，對於機器也使用大資料分析，運用在機臺控制時，主要是要找出機臺變異以提高晶圓良率，其中又以機臺匹配最為重要。而在機臺健康診斷上，台積電也透過感應器的資料來預測機臺健康狀況。由於半導體製造昂貴，因此每一個製程流程都需要去監測，藉由資料分析減少不必要的維修成本，預測及備存其損壞的原因和零件，這樣一來能提升晶圓廠機臺的生產。產品在品質控管也是運用大數據重要的一環，提高半導良率才能維持客戶的需求，儘管一個晶圓廠內設有將近千臺以上的機臺，負責生產線任務，而如何確保這些機臺的製程，提供給客戶的產品規格都是一模一樣，就關係到如何控制機臺參數與製程的能力，甚至針對客戶產品特質，在生產過程找到關鍵製程機臺加以去控制。
大數據分析自料來源：目前，台積電使用HBase資料庫作為大資料分析底層的資料基礎設施，並導入平行處理系統的Hadoop平臺，透過SPSS、SAS及R語言等統計分析工具，將所有機臺製程資料，透過資料前處理、過濾、特徵萃取等步驟，拿來進行各種資料採礦，找到關鍵因子，最後將分析結果經由資料視覺化工具，將結果呈現出來。
參考資料
ITOME新聞網
產品結果及服務：完全自動化的12 吋晶圓廠月產能超過十萬片，線上同時用十幾種製程配方參數（recipe）生產各種產品，每片晶圓要經過數百道到上千道反覆循環的製造程序，每個工作站有幾個到幾十個精密的反應室（chamber）可以選擇、生產過程中可以隨著時間讀取。
參考資料：
Facebook使用即時分析平台 Vertica蒐集了各用戶的網頁瀏覽資料來做即時分析
，其中包括瀏覽的網站類型、次數等等，再加上用戶的定位紀錄，來刊登符合該用戶的廣告。但其實沒從Facebook裡點擊網站，只要在一張相片上的停留時間多一些，也會被記錄到平時的活動動向。
例如你常上網看房市網，你在Facebook時絕大部分出現的廣告都會跟房屋有關係，如果你也同意了Facebook存取你的訂位紀錄，那麼出現的廣告則會是鄰近你平時瀏覽網站地點的房屋廣告！
參考資料：http://technews.tw/2017/04/10/how-vertica-makes-big-data-analyzing-work/
大數據分析在商業活動實際成功案例
應用者 : 麥當勞
麥當勞在全球範圍內擁有超過34,000家門店，旗下75萬名員工每天在118個國家接待超過6900萬的顧客，平均每秒鐘售出75個漢堡，麥當勞年收入270億美元，這些就是麥當勞大數據決策的基礎。除此之外，麥當勞還開發了APP，便於前來用餐的客人選擇最近的店，還能在到店之前就在移動設備上點餐，不僅節約了時間，也幫助麥當勞沉澱了大量用户數據。
對於連鎖品牌而言，可以用多店彙總得來的平均數據做管理決策，但並沒有辦法反映每個單店的真實情況。因此連鎖品牌就需要對分店進行"個性化"管理。麥當勞的 每家餐廳都依據獨特的 營運表現數據進行規劃，其中包含:客戶需求、布局、到達模式、店內和駕車行駛配置、菜單、產品結構、人員配置、天氣。
參考資料:
https://hk.saowen.com/a/641abf428af8b7081c7d29dbde8be3ddd587afeaf43a605204b1aa18c6287016
Google
根據搜索研究公司comScore的數據，僅2012年3月一個月的時間，谷歌處理的搜索詞條數量就高達122億條。谷歌的體量和規模，使它擁有比其他大多數企業更多的應用大數據的途徑。
Google不僅存儲了搜索結果中出現的網絡連接，還會儲存用户搜索關鍵詞的行為，它能夠精準地記錄下人們進行搜索行為的時間、內容和方式。這些數據能夠讓Google優化廣告排序，並將搜索流量轉化為盈利模式。Google不僅能追蹤人們的搜索行為，而且還能夠預測出搜索者下一步將要做什麼。用户所輸入的每一個搜索請求，都會讓谷歌知道他在尋找什麼，所有人類行為都會在互聯網上留下痕跡路徑，Google能在你意識到自己要找什麼之前預測出你的意圖。這種抓取、存儲並對海量人機數據進行分析，然後據此進行預測的能力。
Google在搜索之外還有更多獲取數據的途徑。企業安裝“谷歌分析”之類的產品來追蹤訪問者在其站點的足跡，而谷歌也可獲得這些數據。網站還使用“谷歌廣告聯盟”，將來自谷歌廣告客户網的廣告展示在其站點，因此，谷歌不僅可以洞察自己網站上廣告的展示效果，同樣還可以對其他廣告發布站點的展示效果一覽無餘。
資料來源: https://hk.saowen.com/a/cddd035ff3d80518a631954b50660a327cacf0bbe2b9b46ae720cb0775b33032
智慧城市大數據應用案例
應用者：滙豐銀行
德雷克‧懷爾德領導的滙豐銀行利用與ＳＡＳ合作構建了一套全球業務網路的防欺詐管理系統，為多種業務線和渠道提供完善的欺詐防範。該系統通過收集和分析大數據，以更快的信息獲取速度挖掘交易的不正當行為，並迅速啟動緊急告警。
德雷克發現，現在有一個趨勢：更多的詐騙分子，從原先專注於面對面支付的詐騙，現在轉到了互聯網方面的詐騙。有越來越多的支付和交易已經從面對面的支付轉存到了在線上進行，包括以電子商務的形式，互聯網支付的形式。
銀行卡的欺詐風險主要隱藏於申請和支付過程中，存在申請欺詐和支付方面非常重要的工作就是要安全準確的去驗證客户的身份，另一方面，非常關鍵的一項工作就是進行大數據分析，特別是預測性分析的工作。透過預測性分析，可以獲得兩類關鍵的信息：一類是關於用户的，掌握他的消費的習慣，支付的習慣，比如説他一般以什麼樣的金額在什麼樣的時間點進行匯款交易，二類是對犯罪分子的這些欺詐行為，包括他們都是在什麼時間點，進行的這種詐騙攻擊，錢都會轉到什麼地方，都用什麼樣的形式進行轉帳。
透過這兩點信息，就可以及時地偵測，並且識別出這樣的詐騙行為，每個詐騙分子的交易跟用户和平常的交易有些差別，這樣就可以及時的介入，達到防詐騙的效果。
資料來源：
http://www.finereport.com/tw/knowledge/acquire/case-analysis.html
https://tw.saowen.com/a/a1e0fbe1e376161da4110b5fe9d2ab970a6c1940c66bed4fae367ebab4678e86
應用者:中華電信
方法和過程+資料來源:
利用HiNet團隊所匯入的電信大數據(涵蓋1100萬戶行動電話、450萬戶寬頻網路、130萬戶影視服務等) ，可掌握人潮在實際地理位置、虛擬網路上之資訊，除了可分析指定時間及區域內人潮，搭配客群輪廓的流量資訊，提供去識別化統計。
再加上意藍資訊語意技術，解析用戶瀏覽內容之特徵與意圖，予以標籤化，配合PeopleView WebFingerprintTM技術比對人群，可跨裝置、跨應用的標示去識別化代碼藉以追蹤，利用該代碼可進行分眾行銷，讓企業掌握客戶及商機且兼顧隱私及準確性。
分析結果及實際產品或服務:
中華電信MOD有音樂與電子書等加值服務，從客戶行為累積的大數據分析，可以知道客戶喜歡看電影、看電視，或愛不愛聽音樂？預測出接下來每個客戶更需要的新產品，當客戶辦續約，門市人員一看電腦上的客製化推薦名單，就會知道喜好與需求，推薦最適合的服務。
另外，展店或設置基地台時，利用大數據分析蒐集到的資料是非常重要的依據。
參考資料來源:
應用者:中國信託
大數據分析的方法和過程:將以前舊的資料更新，並且加入這些有辨識度的資料，也用最快速的方法進行資料分析，解決了從前需要資料速度不足，更新不足的問題
大數據分析的資料來源:將以前舊的資料更新，數據化。也透過時間，空間，網絡等三個大方向將資料分得更精確，這些資料可能來自客戶的喜好或是平時投資了多少現金阿這些都足以更加深入分析。
分析結果及實際產品或服務:我認為在這個新興時代，網路已經與我們密不可分只有我們快速跟上如果不跟上只能被淘汰，我也認為現在大部分的產業都與大數據資料整合了，在這個競爭激烈的金融業，只有讓自己的產品別人更出眾才能奪得消費者的喜愛，而這間徹底運用了大數據資料將每個人的需求繚若指掌，也對於整個金融業做分析，將資料統計的清楚。
參考資料來源: https://www.bnext.com.tw/article/39416/BN-2016-04-30-024514-218