5G通訊時代加持,連續智慧CI趁勢崛起!

0
647
圖片來源:Markus Spiske on Unsplash

大數據逐漸成為一種基本的營運能力後,業界關注焦點也轉趨務實,過去五年來,靜態資料「貶值」速度越來越快,而那些具有即時處理、分析價值的大數據,因為與商業運轉的即時戰略息息相關,因此近來興起了所謂「連續智慧」的討論,但什麼是連續智慧呢?它與大數據、人工智慧,甚至是5G又有什麼關係?

數位商務戰場的步調越來越快,若以電子遊戲比喻,以往企業間的決策角力比較像回合制(Turn-Based)的戰棋類遊戲,現在則更接近即時戰略(Real-time Strategy Game)遊戲,必須每一分鐘,甚至每一秒都對新的營運資料有所理解,並做出最佳反應。

這也是近日企業界再度興起對於「連續智慧」(Continuous intelligence ,簡稱CI)討論的原因。但「連續智慧」可以用於那些企業情境?事實上,所有必須處理即時資料(如設備機台的Streaming Data、電商,即時訂房狀況、飛行引擎參數等)的組織、或其他必須依據現實變化短時間快速反應的業務,都可以是「連續智慧」的應用範疇。

以往對於AI、大數據的應用想像,都要經過一段機器學習、數據建模過程,才能供人「掘取」出重要的商業洞見,但一些營運資料卻很容易在短時間內「過期」,不再具備商業效益,這也促使連續智慧「依據當下脈絡、情境提供適切的決策方案」的特徵越來越受重視──有別於傳統的「儲存後分析」的框架,連續智慧的基本概念是「分析後儲存」,此外,有別於被動的儲藏資訊供人檢索,CI的特點是在每一次資料即時更新的同時,「主動呈現新的資料洞見」。

根據IDC,2025年左右全球產出的資料大小將增加為160 ZB(ZettaBytes),而其中百分之二十五的資料,是必須即時處理、分析(而非儲存後慢慢分析)才能發揮其價值的。也就是說,未來靜態資料「貶值」的速度將會越來越快。

2025年,超過25%的資料必須即時處理分析。
圖片來源:IDC

但並不是說歷史資料不再重要。連續智慧CI仍然必須倚賴過往資料,以機器學習建立的模型,來「認知」新進資料的用途和意義,只是這個過程變得更為動態而分散。IBM Streams資深經理Roger Rea 以一個情境舉例:例如:某家航空公司常發生「因乘客登機遲到,導致延遲起飛,使機組人員工時被迫延長,致使有機率導致某一位機組員超過合法工作時數」,若上述所有數據(包含乘客狀態、飛行時刻表、人資工時系統等)都被整合在「連續智慧」CI的框架內,航班管理者就可以提早決定,是否在下一個航點讓替補的機組員登場,以避免違法超飛的問題。

Roger Rea也舉例,藉由過往數據分析「最有可能趕不上飛機」的乘客,讓他的行李在最後一刻上機,則可以加速登機流程,同時避免飛機把行李載走,人卻被留在機場的窘境──而上述情境,都結合了歷史數據模型與新數據的洞見,來看出「非尋常狀況」發生的可能性,並即時做出分析與回報。

Roger Rea也指出,連續智慧CI 除了即時更新數據,視覺化儀表,也在於能分析並預測最細緻的資料層級(顆粒層級Granular Level),如每個機組員、每件行李、機場的天氣因素等的狀況,而非只呈現整體趨勢。他舉的應用案例(航空公司、醫院、煉油場)也是符合上述特徵──來源是多元、混雜的資料型態,搭配必須即時反應決策的應用情境。

但是,連續智慧CI的發展實際上有賴於人體感測器、IoT感測器的普及化與佈建成本的降低,而5G通訊時代的來臨,則可提升資料傳輸的可靠性,降低傳輸延遲,讓CI更接近真正意義的「即時性」。

IBM研究員Catherine Reese就舉出一個CI用於零售業的例子:藉由在自動販賣機上裝配感測器,來偵測通過的通勤人數、氣溫等訊息,即時調整商品的售價優惠,以及架上陳列的商品,以達到每個「當下」最佳化的銷售效益。

數據應用越來越講究時效,已成為不可避免的趨勢。然而對企業來說,如何整合既有較靜態的BI(Business Intelligence)系統資料,結合AI的機器學習與建模,和CI的即時智慧,並依此調整決策鏈,仍是企業思考的課題。