數位新未來 技術轉型善用雲端架構快速推進

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。