易开科技打造云端数据中台，由数据驱动新智能零售

零售业与其他业别一样，将数据视为新石油。尽管数据如此重要，但仅有少数企业顺利将数据变现为自身竞争优势。之所以出现巨大Gap，在于多数公司尚未真正做到数据驱动。所谓数据驱动蕴含两大关键。一是在技术部分，必须要有完整数据中台，让所有数据都可汇整到单一中心，去确定它的真实性，才能好好运用。另一需要整合所有接触点数据，并加以整理，确保它没有重复性，再进行分析，如此才能获得企业想要的洞见。

易开科技(Canner)CEO暨共同创始人Howard Chi表示，谈到数据驱动的新零售策略，大致上需涵括四个重点，一是以数据为依据推动更精准的行销、供应与销售；二是由数据驱动决策，以适应市场和消费者变化；三是利用数据预测与分析新机会，得以快速执行；四是靠既有数据提高消费者的满意度与信任感。

要想实现数据驱动的新零售策略，究竟该如何进行数据处理？Howard Chi归纳六大趋势，包括云地端异质数据整合、更实时贴近市场数据决策、企业内部数据中枢(Single Source of Truth)、数据加值应用与再行销活化、数据跨组织分享与协作，以及需求单位更快速找到数据及使用数据。

当企业已理解上述五大策略、六大趋势后，更重要的则是需要执行新零售转型步骤。对此，易开科技不论面对大型或中型零售业者、电商业者，都可提供几个步骤建议，此即为「智能化阶梯五步骤」，依序是收集数据、整理整合数据、分析处理、融合应用，及最后的大规模布建。

「数据转型绝非口号，需要有适当工具来实现，」Howard Chi表示，随着数据进入、到ETL、再到储存，然后就出现断层，只因无法将这些数据转换成Business Side能理解的数据，因为他们的需求，绝不会和我在储存数据时一模一样。这时就需要一套能处理数据、融合数据的工具，就是「数据中台」，也就是透过企业内部一个数据公共中枢，把数据变成Business懂得的应用场景，以便于进行加值与使用。

只不过，要搭建一个新零售数据中台，其实不简单。主要是因为数据中台的实作非常复杂，它的架构原本就复杂，还得应付不断成长的数据需求，处理大量且异质的数据来源，并需要兼顾数据治理，所以有相当的困难性。

透过虚拟数据中台，直接将数据转变为终端应用

某大型零售商过去也为前述难题苦恼，花很多时间整合云地数据，所幸后来懂得在AWS上搭建CannerFlow数据中台，总算化繁为简，只需利用简单SQL语法即可达到整合，将数据分析师、数据科学家及业务单位通通连结在一起，有更充裕时间去开创应用。

Howard Chi表示，易开科技孕育的CannerFlow数据中台，可将不同异质数据库变成单一数据接口，让应用单位轻易串接到AI、BI等分析工具，再针对终端应用程序进行优化。具体来说，CannerFlow提供数据加值、转型、压缩等功能，执行完后才进到AI或BI应用程序；另外它也能做到跨组织的数据管理，例如可限定部门或个人有权使用哪些部分的数据，并达到实时跨组织的数据分享。

更重要的，它会为数据进行加值、标签或注解，让Business的人了解这些数据究竟代表何意义，而企业也可在中长期不断沿用CannerFlow、透过同一平台运算更大量数据，而不需要扩张一整条Data Pipeline。

企业只要透过三个步骤，即可完成CannerFlow数据中台的建构。首先是连结数据，只要打上URL、User Name及口令就能接起来；其次可直接做跨系统的整合，把数据仓储、数据库、数据湖、档案系统、云地端数据全部整合在一起，中间还提供包含了权限管理、Metadata管理、暂存数据管理、数据分享、虚拟Data Mart、多阶层的数据转换、Log纪录、排程管理等完善功能；最后将整合完成的数据成果，输出到AI或BI等各种工具，与此同时还能顾及中长期数据管理与治理需求。

Howard Chi强调，CannerFlow足以协助企业加速30倍的数据产出，比起传统建置模式省下90%安装时间，让过去一整条Pipeline需求，简化为现今的一个数据中台。此外，过去需要建ETL、数据仓储、数据超市，才衔接AI、BI各种分析，现在仅需透过虚拟数据中台，即可直接把Data Source变为终端应用程序，加速企业的反应力及弹性。