微軟以數據中台破除資料孤島、強化整合應變

在企業數位轉型的過程裡，科技轉型是極為關鍵的環節，試想，當企業準備以新業務模式在市場大展手腳，卻被舊有的 IT 架構綁手綁腳，錯失的不僅是時機，更是商機。對此，觀察網路企業的 IT 戰略常能帶來啟發，甚至獲得經過實證的行動指南，阿里巴巴提出的數據中台就是很好的例子。

在舊式 IT 架構裡，企業在前台以各種產品或服務來面對客戶及市場，後台則有套裝或內部開發的應用系統來提供相對應的功能支援。假設今天要推出一個新產品或新服務，但後台系統無法支援，傳統作法是從頭開發一個新的應用系統，這在以前或許行的通，但在以網速運轉的現今世界裡必然碰壁，因為產品或服務推陳出新的速度變快了，應用系統的開發時程和使用期限也被迫縮短 。

據統計，企業未來 5 年開發的全新應用程式預計將高達 5 億個，這個數字多於過去 40 年的總和，尤其是行動應用程式的開發需求遠超過 IT 部門的開發能力 5 倍之多，多達 86% 的企業組織難以找到所需的開發人員。上述因素的推波助瀾，也導致應用程式開發方式的重大變革，使用低代碼開發應用程式就是主要趨勢之一，Gartner 就預估，未來四年內使用低代碼平台來開發應用程式的企業將達到 65%。

IDC 建議亞太區資訊長未來 5 年必須關注的議題，也有類似之處。舉例來說，2022 年時，將有 50% 的 IT 組織將從解決方案的建造者及營運者，轉變為定義產品、服務及流程的數位解決方案的設計者和整合者。此外，透過與企業部門的互動，運用微服務架構、API 與數據等機制，建構一個開放且自助的企業架構與資訊環境，也勢在必行。

要達到上述目標，主要阻礙在於企業內部的資料孤島。長久以來，ERP、CRM、SCM 到 MES 或其他企業應用系統各據山頭，雖然稱職地完成各自負責的工作，但彼此之間很難合作，資料難以互通衍生出重複作業與整合障礙等問題制，這些資料孤島正持續耗費可觀的人力、物力與心力。

產業應用面面觀

在前台和後台之間創造全新的數據中台，以全方位的資料技術專責處理資料課題，包括異質來源的資料匯集與儲存、資料治理與運算分析，成為打破困局的關鍵。此外，數據中台跳脫應用系統的觀點，而是從業務視角來看待資料，例如：客戶中心、商品中心、交易中心，並以服務化形式來開發所需的功能元件，更易於共享、組合及重複使用，免除一有新需求就必須從頭開發系統的苦功，同時也能更敏捷地因應變局。

以數據中台為基礎所發展的服務元件裡，用戶標籤體系是相當常見的一種，尤其對透過網路提供服務的公司而言，例如：影音、遊戲，推動免費用戶轉為付費用戶、判別高貢獻度的主力客群、規劃行銷活動或促銷優惠，用戶標籤體系都是不可或缺的一塊拼圖，也有助於加快各種業務活動的進行。

但各個產業在 IT 的進程及需求都不相同，對於數據中台的部署，當然也有不同的重點方向和強化項目。

像是金融業的核心業務系統完整成熟，問題是資料必須在不同系統互通並建立全方位觀點。舉例來說，信用卡客戶在同一家銀行同時擁有證券帳戶，但由於系統不互通，導致銀行重複向相同客戶推銷他已經使用的服務，造成客戶困擾也浪費行銷資源 。

美國行銷學會（American Marketing Association）的統計數據就顯示，獲得一個新客戶的成本是維持一個滿意的舊客戶的 5 倍。確保滿意度的關鍵之一，就是建立對客戶的全方位觀點，才能避免前述問題的發生。

而在零售業，面臨的是極為複雜的通路型態，線上、線下、O2O、POS 機等不同管道的資料都必須整合，即使已經採用商業智慧等分析工具，但目前多數零售業者對客戶的了解仍明顯不足。

至於製造業，現正處於從資訊化到數位化的階段，必須著手整合前端生產線的工控系統及新興的物聯網，與資訊科技（IT）截然不同的營運科技（OT）成為主要障礙，後端 ERP 和 SCM 系統的高度複雜則是另一道阻力。

目前，微軟已經協助全球第三大的中國農業銀行打造數據中台、採行微服務架構，以因應網路公司如阿里巴巴、騰訊、百度搶進傳統金融業的挑戰，進而落實數位轉型。此外，新加坡叫車服務 Grab Taxi 的流式數據中台、葛蘭素史克（GlaxoSmithKline）藥廠整合原有 SAP 系統的資料服務化專案，則同樣採用 Azure 來建置。

三階段落地佈建

即使產業需求及應用目標有所差異，但都可以透過三個步驟循序打造數據中台：資料導入、資料治理、資料服務化。不同階段所對應的解決方案都能在 Azure 取得相關元件，結合公有雲的優勢，以最佳成本效益打造成長不受限的資料中台。

第一階段的資料導入，重點在於持續注入及維護資料，透過 Azure Data Factory 預設的上百種應用系統接口，不用撰寫程式就能迅速從不同系統抽取資料，例如：SAP、Dynamics 365 或是 Excel 檔案，並納入外部資料來源如社群網站、開放資料，取得的資料則引入底層儲存平台 Azure Data Lake 。

第二階段的資料治理，可運用 Azure Data Catalog 來進行資料的溯源及分類，也能自動標註遵規資訊如 GDPR。此外，這個階段還需建立資料欄分析模式，包括批次運算、即時查詢、流式運算。

批次運算用於非緊急需求的分析如例行報表，Synapse Analytics Studio 可支援 SQL 及資料科學家常用的其他工具如 Python、Scala、R、Java、.NET。即時查詢則是滿足非制式的快速分析需求，例如：在雙 11 促銷如火如荼進行的同時，行銷團隊隨時要觀察並刺激買氣，像是該在哪個整點發放多少數量、多少面額的折價券。

至於流式運算，常見於製造業，生產線運行時會產生大量的即時資料，例如：電子看板、物聯網、日誌檔，在不中斷生產線的同時，快速取得及分析資料，甚至結合機器學習，提供生產線的優化作法或是潛在問題的告警。

在第三階段的資料服務化，整合及分析將是重點，可運用的工具包括 PowerApps、Power BI、AI Builder 到 Flow，不只是資料科學家，就連一般使用者也能易於運用及分析資料，進而共享服務化的資料元件，加快建置新應用。

以新加坡叫車服務 Grab Taxi 的流式數據中台為例，它的競爭優勢在於時效性，目標在於即時看到司機和乘客滿意度的狀況，以數據中台建立全面而即時的分析來進行業務決策，例如：提供獎勵機制來調度更多司機、結合天氣訊息或交通資訊來找出客戶需求熱點，這都是確保客戶滿意度的要件。

採用公有雲建置數據中台，最直接的效益就是以單一平台進行資料重整，並以最少的人力和投資完成更多工作，同時還能擺脫舊架構的包袱，直接以現代化的架構來應對多元化的資料類型、快速成長的資料容量，以及其他相關需求 。而數據中台所需要的技術方案，幾乎都可以透過 Azure 取得及建置，結合 Power Apps 的低代碼特性及應用效益，將可支援企業走向新型態的服務開發及資料應用需求。