数码新未来 技术转型善用云端架构快速推进

随着终端市场的加速变化，零售产业的商业模式，逐渐从产品驱动转向为以需求为导向。Amazon Web Services(简称AWS)指出，过去的旧经济型态特性，在于需要长期规划、投注大量人力成本，因此无法快速取得关键商机。

然而，取而代之的新经济，则是以需求为驱动力，例如COVID-19(新冠肺炎)疫情爆发后，一时之间各国对口罩以及其原物料的需求大幅增加。业者如何快速掌握突然爆发的市场需求成为新的难题，原因在于新市场难以预测且需求瞬间爆量，企业往往无法以常规化营运模式来快速应变。因此对长期没有布局云端及数码资源的企业，要在经营上瞬间有效因应，其挑战度将大幅提高。

以自家亚马逊Amazon电商网站的经营为例，每年的感恩节之前，多半是网站流量的高峰期，甚至对物流、出货部门而言，最繁忙的状态是一天要处理超过30亿件包裹，数量相当庞大且惊人。官网IT资源如果是为了这类突如其来的爆量做准备，后续会发现投入的成本在全年度仅有四分之一的周期会使用到，等于其他四分之三期间的资源都被闲置且浪费。

针对自身营运痛点，Amazon推出AWS云端服务，透过云端的优势来进一步掌握数据跟数据，进而有所依据因应实际市场变化，或外部临时的黑天鹅事件，进而快速拟定预防策略。然而，从产线、物流、消费者端的数据，如何将这些数据转化成可视化的仪表板数据图？甚至帮助决策者心中有数不再凭经验决策，落实实时数据主动管控、监测，进而改善服务品质，并提升消费者体验？

对此，AWS全自动数据分析旅程，从最源头的数据源，包含全结构化、半结构化、非结构化数据，进行加密、隐码、代码化的去识别化工程。接着，庞大数据开始批次传输、实时串流直送给数据湖、神经网络分析。在数据湖的数据，可以预先处理数据，并搭配第三方数据的整合，下一步就是迈向数据清理。当数据被清洗后，下一阶段就会展开机器学习，包含数据建立、模型训练、部署模型、再到结果推论，而从机器学习这个环节之后，下个阶段就会结合商业智能分析(BI)目的。最后，整个数据走到最后流程，相关数据可能会需要再次分析，或是送到云端/本机端/装置并产生报告。

以工业4.0的成熟度指标为例，说明商业模式要长出智能，最根本就是需要有实际数据，才能让产线各端朝向自动化。例如大众汽车数码生产平台，就是将全球生产基地的数据全部放上云端，并透过AWS云端解决方案的运算技术，让大众汽车不再需要在当地建立地端数据中心，而这些数据也可以让管理者洞察各市场的销售状况、制造流程效率等数据。最后，IT应用、跨境行销、数据分析皆是Amazon的专业，期待「让专业的来」思维更普及，同时藉由各产业Know-how彼此强强联手，相信能一同迎向疫后云端新商机。