智慧應用 影音
篩選條件▾

數位新未來 技術轉型善用雲端架構快速推進

2021/02/04 - DIGITIMES企劃

隨著終端市場的加速變化,零售產業的商業模式,逐漸從產品驅動轉向為以需求為導向。Amazon Web Services(簡稱AWS)指出,過去的舊經濟型態特性,在於需要長期規劃、投注大量人力成本,因此無法快速取得關鍵商機。

然而,取而代之的新經濟,則是以需求為驅動力,例如COVID-19(新冠肺炎)疫情爆發後,一時之間各國對口罩以及其原物料的需求大幅增加。業者如何快速掌握突然爆發的市場需求成為新的難題,原因在於新市場難以預測且需求瞬間爆量,企業往往無法以常規化營運模式來快速應變。因此對長期沒有布局雲端及數位資源的企業,要在經營上瞬間有效因應,其挑戰度將大幅提高。

以自家亞馬遜Amazon電商網站的經營為例,每年的感恩節之前,多半是網站流量的高峰期,甚至對物流、出貨部門而言,最繁忙的狀態是一天要處理超過30億件包裹,數量相當龐大且驚人。官網IT資源如果是為了這類突如其來的爆量做準備,後續會發現投入的成本在全年度僅有四分之一的週期會使用到,等於其他四分之三期間的資源都被閒置且浪費。

針對自身營運痛點,Amazon推出AWS雲端服務,透過雲端的優勢來進一步掌握資料跟數據,進而有所依據因應實際市場變化,或外部臨時的黑天鵝事件,進而快速擬定預防策略。然而,從產線、物流、消費者端的數據,如何將這些資料轉化成可視化的儀錶板資料圖?甚至幫助決策者心中有數不再憑經驗決策,落實即時數據主動管控、監測,進而改善服務品質,並提升消費者體驗?

對此,AWS全自動資料分析旅程,從最源頭的資料源,包含全結構化、半結構化、非結構化資料,進行加密、隱碼、代碼化的去識別化工程。接著,龐大資料開始批次傳輸、即時串流直送給資料湖、神經網路分析。在資料湖的資料,可以預先處理資料,並搭配第三方資料的整合,下一步就是邁向資料清理。當資料被清洗後,下一階段就會展開機器學習,包含資料建立、模型訓練、部署模型、再到結果推論,而從機器學習這個環節之後,下個階段就會結合商業智慧分析(BI)目的。最後,整個資料走到最後流程,相關資料可能會需要再次分析,或是送到雲端/本機端/裝置並產生報告。

以工業4.0的成熟度指標為例,說明商業模式要長出智慧,最根本就是需要有實際資料,才能讓產線各端朝向自動化。例如福斯汽車數位生產平台,就是將全球生產基地的數據全部放上雲端,並透過AWS雲端解決方案的運算技術,讓福斯汽車不再需要在當地建立地端資料中心,而這些數據也可以讓管理者洞察各市場的銷售狀況、製造流程效率等數據。最後,IT應用、跨境行銷、資料分析皆是Amazon的專業,期待「讓專業的來」思維更普及,同時藉由各產業Know-how彼此強強聯手,相信能一同迎向疫後雲端新商機。