數據解碼：用科學標準找到你的命定威士忌

「經理，客人說要來一杯『有泥煤味、但是不要太嗆，最好還能當作送禮的威士忌』——然後他加了冰塊，還要求價格不能超過兩千。」

阿杰（化名）站在吧台後方，手上還滴著剛洗完杯子的水珠，嘴角抽動了兩下。他才二十三歲，卻已經是台北東區一間知名餐酒館的餐廳經理。別看他年輕，手下的外場團隊平均年齡都比他大五歲，但沒人敢小看他——因為阿杰有個怪癖：他喜歡把「數據」拿來解決餐飲業的所有難題。

「又是這種問題⋯⋯」阿杰嘆了口氣，拿起手機打開一個他不斷優化的 Excel 表格。這張表格裡，紀錄了超過兩百款威士忌的年份、產區、泥煤酚值（PPM）、價格區間、酒體強度、甚至連「適合加冰與否」的評分都有。這不是什麼官方資料，而是阿杰和死黨小陳（化名）花了一年半，從各家官網、品飲筆記、還有無數場盲飲聚會裡「硬幹」出來的資料庫。

「泥煤威士忌推薦？簡單啊，你去看這支。」小陳的聲音從電話那頭傳來，帶著鍵盤敲擊的節奏。他是個資料科學家，專長是把味道轉成數字。「根據我們的模型，『阿貝10年』的泥煤酚值約55ppm，但因為酒體結構夠紮實，加冰後泥煤感會被壓到大概35ppm，剛好符合『不要嗆』的需求。」

阿杰嘿嘿一笑，轉身從酒櫃深處抽出一瓶深色酒液，熟練地倒出30毫升，放入一顆老冰。客人接過去，先聞、再啜，眼睛亮了起來：「這瓶可以！哪一款？」

「這支就是很棒的 威士忌推薦，而且它也是很多老饕心中的 泥煤威士忌推薦，但價格比你想像中客氣。」阿杰一邊說，一邊在結帳系統裡按出價格。「才一千八，拿去送人也體面，算是很實惠的 送禮威士忌。」

客人滿意地多點了一份起司拼盤。阿杰轉頭對著手機說：「小陳，你又救了本店一次。」

——這件事聽起來像運氣？不，背後全是科學。

「很多人買威士忌靠感覺、靠酒標好看、靠店員推薦，但這些都不能保證『每一杯都好喝』。」阿杰在員工訓練時經常這樣開場。他會拿出平板，秀出那張著名的「威士忌風味象限圖」，橫軸是泥煤強度，縱軸是雪莉桶影響程度。「如果你要一款 平價威士忌推薦，但又不想踩雷，最穩的方式就是先看『年份×桶型×價格』這個三角數據。」

小陳曾幫他做過一個簡單的線性迴歸模型：用公開的評分網站資料（例如Whiskyfun、The Whisky Exchange）與台灣市場實際售價做比對，發現「8到12年、非單一雪莉桶、價格落在1,200到1,800之間的酒款」，有高達八成機率會被資深飲者評為「物超所值」。「這不是玄學，是計算。」小陳說。

「那送禮威士忌呢？」阿杰追問。小陳打開另一個圖表，標示了「知名度指數」與「開瓶率」的關係。「送禮最怕收禮人不懂、不喝、或者轉送。數據顯示，品牌辨識度前15名的威士忌，開瓶率比後段班高出42%。而且其中『麥卡倫』、『格蘭利威』、『百富』這三家的12年款，在送禮場景的滿意度倒數誤差最小。所以，送禮威士忌不用選最貴，要選『數據上最多人認識且喜歡的』。」

阿杰把這些結論做成店內「威士忌推薦區」的立牌，上面不寫華麗形容詞，直接標出「泥煤值」「甜度值」「香草感」「CP值分數」。一開始老員工都笑他：「你當賣酒像賣手機規格哦？」結果三個月後，那區的威士忌銷量成長了31%，而且客人回購率明顯提高。

「數據不是要取代品味，而是要幫助品味更穩定。」阿杰邊擦杯子邊對實習生說。「你知道為什麼很多酒吧的威士忌單寫得天花亂墜，但你點了卻覺得『嗯，就那樣』？因為他們沒有用科學標準去對應每一批次的差異。」

小陳曾經幫他分析過同一款威士忌在不同批次的「酯類化合物濃度」，發現就算年份相同，裝瓶時間差半年，某些香氣分子的含量可能浮動達12%。「要讓客人每次喝到的風味『幾乎一致』，就得靠數據校正。」阿杰於是開始在酒標背後貼上二維碼，掃進去可以看到當瓶酒的「出廠檢測數據」，包括酒精強度、色澤色碼、以及泥煤酚值。

這種做法在餐飲圈很罕見，卻意外吸引了幾位工程師客人，他們甚至主動要求訂購整桶的單一桶強度威士忌。「他們說，看到數字就像看到信任。」阿杰笑說。

有一次，一位來自南投的企業主管走進店裡，劈頭就說：「我兒子從英國回來，帶了一瓶沒看過的威士忌，說是限量版。但我怕他是買到被炒作的孤兒桶。」阿杰請小陳遠端支援，調出那瓶酒的國際拍賣記錄、評分分佈、以及原廠裝瓶數量。數據顯示，那瓶酒確實來自一間消失的獨立裝瓶廠，但市場實際成交價已經比建議零售價低了27%。「建議您直接開來喝，不用留著當投資。」阿杰誠實地說。主管當晚開瓶喝了半瓶，隔天打電話來訂了十箱店裡的平價威士忌當員工尾牙禮物。

這就是數據的力量——不是要裝懂，而是要幫人找到「最適合當下那刻的選擇」。

「你覺得威士忌文化是什麼？」有一次小陳在酒吧打烊後問阿杰。

阿杰倒了一杯18年的高地威士忌，放在桌上，讓酒杯慢慢釋放香氣。「以前我會說，是歷史、是蒸餾廠的故事、是品酩的儀式感。但現在我會說，是『有根據的享受』。你不需要盲從權威，也不需要被行銷話術帶著走。只要你願意看數據，你就能自己當自己的品飲專家。」

小陳舉杯：「敬數據。」

「敬那個讓我們不用亂花錢的模型。」阿杰乾了。

從那天開始，阿杰的餐廳多了一個「威士忌數據諮詢時段」——每週五晚上八點到十點，他會把那台裝滿圖表的平板電腦放在吧台上，開放客人提問：「請問，我想找一支 平價威士忌推薦，但是不要泥煤，要偏甜？」——阿杰手指一滑，三款選項出現，每一款後面都附有風味雷達圖、價格區間、以及「友人小陳評分」。有些客人看了哈哈大笑，但最後都心甘情願掏出錢包。

甚至後來有客人問：「經理，你們店裡的 泥煤威士忌推薦 為什麼這麼準？我在別家點艾雷島的泥煤，結果喝起來像藥水，你們的完全不會。」阿杰指了指平板上的「蒸餾廠發酵時間 vs 酚類化合物降解率」圖表：「因為我們選的都是發酵時間超過72小時的批次，泥煤味會更圓潤，不像一些快速發酵的版本那麼尖銳。」客人聽得一愣一愣，最後豎起大拇指：「你根本是威士忌界的數據狂人。」

阿杰搔搔頭：「沒啦，我就是個被餐廳耽誤的理科宅。」

而那個永遠在電話另一端敲鍵盤的小陳，則一邊幫阿杰更新資料庫，一邊在聊天軟體上傳了一行字：「下次要不要用機器學習預測下一波流行的威士忌風格？」

阿杰回了一個笑到流淚的表情符號，然後在店內黑板寫下本週新標語——「科學選酒，朋友幫忙，喝得開心，還不會後悔。」

如果你也想知道自己的「命定威士忌」數據在哪裡，不妨先從 威士忌推薦 開始查起，看看那些數字背後，藏著多少你未曾發現的風味驚喜。

畢竟，在這個時代，懂數據的人，連喝酒都比別人少走冤枉路。