資料驅動文化的商業價值

August 29, 2023

Christina Cardoza

數據驅動的文化

對於物聯網領域的任何人來說，資料是業務成功的關鍵，這點不足為奇。電腦視覺為業務營運開闢了一個全新的視角，因此需要收集、管理及分析所有資料，進而為 AI 打開大門，提供深入解析且可以引領寶貴的變革。如今，許多我們稱為資料驅動文化的元素已經到位，不僅適用於一個產業，而是舉凡製造業、智慧城市乃至於餐飲業無所不包。

然而，「資料驅動文化」究竟是什麼意思？它是否只是為試圖實施它的企業與組織帶來更多複雜性和額外的挑戰？我們採訪了兩位瞭解如何充分利用資料驅動文化的達人：AI 與自動化零售解決方案供應商 Vistry 創辦人 Atif Kureishy，以及影片 AI 作業系統與市場公司 Awiros 工程主管 Saransh Karira（影片 1）。他們討論資料驅動文化的優勢與挑戰，以及它能如何將業務的各個層面相互串連，創造真正的價值。

影片 1。Awiros 與 Vistry 說明建立資料驅動文化的價值，以及成功實施這些文化的策略。（資料來源：insight.tech）

我們談論資料驅動文化時，它究竟代表什麼？

Atif Kureishy：資料驅動文化實際上是指基於證據做出決策，而決策基於對您企業資料的理解，並且能夠信任資料、分析資料，並從中得到關鍵的理解。然後最終做出推動策略進展與策略舉措的決策。

第一代資料驅動文化實際上關乎資料採集與資料理解。這段旅程的第二階段在過去持續了十年左右，此外也開始進行預測，引進了機器學習領域的許多概念。依我看，如今已進入第三代，推出大型語言模型（LLM）。

現在我們不再進行非常人性化的資料科學或資料工程密集型活動，而是轉向往往比我們更聰明的 AI 型系統。那麼我們如何以值得信賴的方式與那些 LLM 分享大量企業資料，並在企業中做出明智的決策。

Saransh Karira：早先，資料政策就像是任何資料的總稱。然而，在過去的三四年間，我們目睹了情勢的巨大變化，現在人們開始意識到，您提供給系統的資料量，就是您從系統獲得的精確度。

電腦視覺 AI 應用如何讓資料更有價值？

Saransh Karira：資料政策的這些變更，使資料容易存取得多。原始資料是第一步，然後一旦擁有這些原始資料，即可套用智慧。然而，假設您擁有數千小時的資料好了，即使您有資料存取權，實際上也無法存取、無法篩選。這就是系統的用武之處，包括智慧系統、機器學習系統。所有的一切都瞬息萬變。

正因為如此，人們正在建構的許多基礎架構都是為了整合大量資料。我認為資料的價值在於您可以連接大量不同類型的資料。因此，如果將每個資料視為一個點，然後串連在一起，整體的價值就超過了各個部分的價值。許多客戶正透過不同的基礎架構或不同的部門串連資料。

在一個延伸至許多不同組織的使用案例中，我們廣泛與政府合作，比方說，目前我們看到的是，他們將車輛預先登記與攝影機、然後再與護照串連起來。互連的資料比孤立的單一系統要有價值得多。

與您合作的企業面臨哪些挑戰？

Atif Kureishy：Vistry 致力於餐飲業。這是非常以人為本的業務，速度快且相對簡單。這些企業開始進行更多的技術投資，但從歷史上看情況並非如此。因此，在大量地點部署及擴充的任何類型的功能，都必須非常符合成本效益。

我們追蹤的許多東西都是廚房裡的物品，因此創造了獨特的環境。當然，我們的訓練基礎架構必須強大穩健，才能偵測、追蹤及理解在該環境中發生的活動。

我認為 Intel 尤其在這方面帶來獨特的價值主張，因為您可以在餐廳內就地執行商品運算。或者可能部署新一代運算，並擁有可以在邊緣有效執行的機器學習與深度學習模型。Intel 集團提供的一些以 OpenVINO^™ 深度學習工具為核心的技術，帶來了莫大的助益。因此，我們可以非常輕鬆地在 Intel Atom^® 平板電腦、i7 TigerLakes、以及全新的 Alder Lakes 執行推斷工作負載，並有效地將執行階段最佳化。這對我們和客戶都非常實用。

您要如何為這些企業建立資料驅動文化與策略？

Atif Kureishy：讓我們以生產控制為例，餐廳本質上就是一個迷你製造場所。從製造的角度來看，您可以測量庫存，並對工作產品進行品管與監督。因此，如果您將這套做法套用於餐廳，試想您是透過數位化、得來速以及內用的顧客接受訂單。得到訂單後，會整合至需要正確製作訂單的廚房。

現在，AI 與 ML 發揮作用的領域之一，就是您可在速食店或快餐店建立生產時間表，其中某些產品是預先製作然後保存的。這是理想的情況，因為這樣可以讓食物盡快送出去。因此，透過即將得多少什麼類型的訂單，您可以最高效地建置及製造這些菜單品項。這樣無論從勞動角度還是從食物浪費的角度來看，廚房都更有效率。

我們使用電腦視覺的另一原因是庫存管理，擁有可以查看碗或鍋的攝影機，估計鍋中產品的體積，協助制訂生產時間表。從精益製造的角度來看，這有點像及時生產的概念。因此，對需求進行建模，然後使用 AI 確保供應充足。這就是餐廳最佳化變得更加資料驅動的原因。

如果回想一下 20 年前的餐廳文化，就會發現它實際仰賴人，也就是經理，運用直覺：「我估計今天午餐時間人會很多。除了平常的客人之外，還有一個實地考察團，這就是我配置人員的方式。」順帶一提，還有許多餐廳，尤其是小型餐廳和當地餐廳，仍然如此經營。但如果觀察較大的品牌，他們絕對朝著更多資料驅動的文化邁進。

我想強調餐廳的歷史文化，因為我認為瞭解這一點很重要，進而瞭解我們使用資料更有效地為客戶提供服務是有意義的。

Saransh，您在 Awiros 經歷的使用案例是什麼？

Saransh Karira：其中一個使用案例是部署多個不同校園，每個校園都有多個不同的存取點。最初的實施只是為了瞭解有多少人進來，其中多少人是訪客；基本上，有多少人可以存取該站點，以及有多少人是第一次存取。這是最初的使用案例。

但客戶隨後使用該資訊，根據人們的位置變更安全人員的配置，即哪裡人多，就增加安全性，並從其他存取點減少安全性。這個現象很有趣。

我們也看到了許多所謂的中繼分析使用案例，特別是在零售業。舉例來說，客戶可以透過查看人流量的模式，改善商店佈局與營運。中繼分析的基本原理是產生熱度圖，以視覺方式呈現哪裡的人流量較多，哪裡的人流量較少，並且根據這些資料，客戶可以變更產品的配置與佈局。

與 Intel 這樣的夥伴合作，推廣資料驅動文化的價值是什麼？

Atif Kureishy：我們非常感謝能與 Intel 合作。需要所有單位同心協力，或整個生態系統通力合作，這一切才能順利運作。我認為，ODM 和 OEM 提供 Intel 基礎運算，並且與系統整合團隊合作，最終需要將邊緣裝置和感應器放置在適當的位置，以便進行處理。

當然，由於擁有雲端基礎架構，我們與 AWS 密切合作。因此，Intel 是促進與更大社群對話與互動的關鍵。

當然，還有以 OpenVINO 為中心提供的強大工具與基礎架構。對我們來說是一大福音。這樣，我們就可以最佳化在 CPU 或 iGPU（整合式 GPU）執行的處理類型。與開源社群以及各種深度學習架構合作，也能得到良好的支援。這真的很棒。

Saransh Karira：憑藉 Awiros 平台，我們正在嘗試建立一個影片智慧應用程式生態系統。基本上，從硬體開始，進入使用案例，然後投入市場。硬體就是 Intel 的用武之地。除此之外，不同研究人員或任何第三方開發者正在開發不同的使用案例。此外，還有一層市場是終端客戶可以看見的。

我認為，首先，Intel 在邊緣，對我們而言成本效益很高。它的資料庫在最佳化方面為我們提供了諸多協助，包括推斷（AI 執行的實際部分）以及影片的解碼部分，還有其他許多方面。此外，支援極其廣泛。

最後還有什麼要和大家分享的嗎？對於企業來說，什麼是資料驅動文化的未來？

Atif Kureishy：我們和其他所有人一樣加入了 GenAI 的行列，在過去幾個月裡，也確實與 GPT-4 等模型進行了廣泛的合作。我頭前幾年的焦點在於產生所謂的暗資料。我們如何在邊緣應用電腦視覺工作負載，建立實際觀察的資料流？

然後，需要將這些資料整合至更大的基準或基礎資料，這些資料來自銷售點，來自庫存管理系統，來自時間報告系統。因此，我們一直在研究 LLM，以便與更大、更廣的資料集真正地互動並理解。能夠快速做到這一點，確實令人著迷和了不起。

所以，如果有什麼話要跟觀眾說的，那就是除了 ChatGPT 以外，還可以找食譜、找旅遊行程，以及創作詩歌，這是我和孩子會做的事，而且從中得到莫大的樂趣：這是新的 AI 浪潮確實能對企業產生的重大影響，我們很高興能參與這趟旅程。

運輸