英特内运用Big Data 助团膳业提振营运绩效

英特内软件知识策略处知识长赵孝伦表示，大数据分析应用过程，往往存在诸多难测变量，实有必要在数据探勘、统计分析等基本功外，纳入机器学习等先进技术，藉以缩小误差值。

不可讳言，Big Data分析议题不仅火热，且已延烧到各产业。就一般人认知，积极投入此道的用户，要嘛是如同商场等钱多的单位，要嘛是犹如制造业等自动化程度较高的单位；但事实上，两大族群以外的业态，即便经费与资源相对不足，照样有大数据应用需求。

英特内软件知识策略处知识长赵孝伦指出，多年前，为了提供农业生产、食品加工、冷链运输、连锁代理等一站式服务，藉由生产端到消费端层层把关，使民众吃得安心健康，该公司与其余4家资服业者齐力打造食品安全供应链解决方案，成立「产联国际」公司，推出「登就保」业主自我管理系统(旨在建立加工食品追踪溯源机制)，使英特内开始与食品业大数据结下不解之缘。

他接着说，在推广「登就保」的过程，英特内结识从事学校营养午餐制作的团膳业者，他们营运规模不大，未落在政府规定强制上传「非追不可」的范围，但一来仍需配合教育部规范，定期登录菜色、食材、进货来源等数据，二来苦于难以在当令食材、菜色多变、富含营养价值等环节取得权衡，以致毛利率长期在2？3%低档盘旋，一旦遭遇台风季节菜价波动，往往落得血本无归，故渴望英特内伸出援手，除了承袭「登就保」数据抛转服务机制，协助完成信息申报外，也一并协助开发菜单建议系统，让业者能因应交易市场盘价变动，精准调整食材与菜单。

尔后的因缘际会，驱使英特内与学校营养午餐的关联愈来愈深。一开始，该公司有意推广一项兼具食材内容查询、营养分析等智能机能的团膳家App，原本估计此服务理当广受校方、家长欢迎，无奈碍于环境尚未成熟，终至事与愿违；但与此同时，英特内找到另一条发展道路，便是借助数据探勘与统计分析，帮助团膳业者开出更能迎合学童喜好的菜单，且尽可能降低厨余量、减少食材耗费。

藉由数据分析  降低食材耗费

赵孝伦进一步解释，意欲实现迎合学童喜爱、减少食材耗费等双重目的，关键就在于厨余统计分析，根据各项菜色残留数量多寡，协助团膳业者优化菜单设计与食材筹备；业者与校方订立的契约，通常涵盖记点机制，凡是发生问题(譬如食物中毒)、或有同学反应吃不饱，业者都会遭到扣点，所以为了防止有人吃不饱，总是会多准备5？10%的Buffer，导致采购成本攀升，继而侵蚀利润，故期望透过大数据分析展现价值，让Buffer降到最低。

原本英特内同仁盘算，统计各项菜色厨余量，理当不是困难任务，讵料在实务上，所有厨余通通混杂在一起，根本难以分类，该公司只好另辟蹊径，转而根据业者回收的餐筒或钢盘里头剩余食材，再运用统计方法回推食材消耗量。

尽管借此发现一些规律，但仍不够精准，驱使英特内持续精益求精，主动出击与现场人员访谈，才赫然发现包括气候、课程、学生居住的区域等等变量，都可能影响厨余量。

比方说，假使炎炎夏日，前两堂又刚好是体育课，往往导致学生食慾欠佳，因而剩余较多菜肴，反之若是在冬季，学生上完体育课，反倒胃口大开，不会残留过多菜肴。

英特内现正根据这些因素，不断调整参数，但这些参数并非单纯的曲线，而是犹如地形有高低起伏，彼此交互作用甚大，为了将误差值稳定控制在10？15%范围内，该公司内部已建立初步共识，不排除纳入机器学习技术，以克服这些多变难测的因子，也凸显企业踏上大数据之途，绝非一路平坦，其间必须通过诸多考验。