IT解密~直銷龍頭安麗如何逆勢成長?
IT解密~直銷龍頭安麗如何逆勢成長?

直銷龍頭安麗導入IBM COGNOS 商業智慧.洞悉商機。創造企業、直銷商與消費者三贏局面。

詳細內容請上http://www-01.ibm.com/software/success/cssdb.nsf/CS/jkso-8b5cbh?OpenDocument&Site=swtaiwan&cty=zh_tw

成功案例:

2009年,當全球籠罩在消費低迷的陰霾中,國內直銷業龍頭美商安麗展現出強大氣勢,據【直銷世紀】雜誌統計,其營業額突破歷史新高達到 74億新台幣,穩居龍頭寶座,且成長率突破二位數。在複雜凶險的經濟環境中,安麗如何洞悉機會、做出致勝決策?

美商安麗在台灣已經邁入第二十八年,累積的直銷商與會員總數也屢創新高,穩健的品牌商譽與產品口碑,提供安麗絕佳的戰略優勢。然而市場的挑戰日新月異,產業龍頭要維持領先地位就必須持續創新,即使是企業內的IT部門也不例外。

傳統上,觀察直銷品牌的焦點總是落在產品、制度與獎勵等層面,資訊部門屬於默默付出的幕後團隊。然而,作為領導品牌,安麗對於 IT 自有不同的期待。

內外環境趨複雜,精準決策成挑戰

「對外,當公司持續成長茁壯,快速回應市場的決策能力必須同步提升。對內,安麗產品數與直銷商數都已具領導規模,決策複雜度提高,同時潛在的機會也更多;」台灣安麗資深資訊經理吳樹正表示,「我們認為IT能夠協助企業因應內外多元挑戰,這是我們引進 IBM COGNOS 商業智慧解決方案來輔佐決策的主因。」

從產業面來看,國內直銷業向來以靈活見長,相形之下市場變動也來得更快更遽。天下雜誌「台式創新引爆直銷戰爭」文中描述,台灣人的創新與靈活,讓直銷展業的機會更多元,例如社會對直銷改觀、更多專業人士加入,以及近年來直銷產業大幅開設通路拉近與消費者的關係,都讓直銷產業產生顯著質變。

從客戶面來看,安麗近三十萬名會員中,多數為經營事業的直銷商,少部分為單純消費產品的愛用者。市場趨勢顯示未來純消費者的比例將會持續升高,這群消費者將成為新的商機,但從直銷業跨入零售模式卻又是另一個挑戰。這些內外在變化,都讓營運更為複雜。

安麗三段布局導入商業智慧,提升精準決策力

「過去安麗建構了許多分散式應用系統協助決策者,然而環境變動如此快速,我們希望透過商業智慧系統提供即時整合、具有洞察力與商業價值的資訊,讓公司、直銷商組織都能受益。」安麗商業智慧系統負責人、系統分析師王進輝說明。

為了讓BI系統能夠順利推動,安麗資訊團隊規劃了三個導入階段:

•階段一:建構平台,並導入行銷與業務團隊立即感受到效益的專案

•階段二:建置有助各部門決策分析的關鍵報表,開始展現決策價值

•階段三:與各 BU 主管進行需求訪談,了解各部門決策所需的關鍵資訊,導入完整的決策支援應用,真正發揮 BI 效用。

三階段布局完美達成任務後,會更進一步研究資料採礦 (data mining) 的可行性,希望藉由產品、消費行為、經銷商組織行為、市場資訊等多維度分析,協助安麗開創新的商機。

即時深度分析,提升行銷價值

資訊團隊在 IBM 的協助下已於二O一O年六月完成第一階段,協助安麗更了解消費者,並協助直銷商掌握自身優勢。近年來安麗投注較多資源於大眾媒體,向一般大眾溝通產品與品牌的優點。由於大眾媒體宣傳所費不貲,因此在每一個行銷活動前須深入分析行銷族群的類別屬性、消費行為與使用偏好,活動後則要評估效益與改善之道。

「舉例來說,行銷團隊於三月份針對高蛋白產品推出全新活動,由於活動十分成功、累積資料繁多,所以一個活動、十份報表花了兩個禮拜才完成;」王進輝舉例,「導入 IBM COGNOS 後,開發製作行銷部半年來所有活動的報告僅需三天,未來每個活動的事前分析與事後結案都能更即時有效!」

業界最佳解決方案--IBM COGNOS 商業智慧系統

當初在導入商業智慧專案前,安麗深入評估市面上主要解決方案,認為 IBM COGNOS 不僅工具成熟度高、開發彈性大,豐富的模組工具也能協助安麗資訊團隊快速開發新的應用,且執行效能十分優越。此外,IBM COGNOS 可以完美界接安麗資訊團隊過去開發的應用程式模組,跨系統整合能力強,也是雀屏中選的關鍵之一。

許多企業導入 BI 時,常因耗時耗力卻無法立即看到成果,使用者與相關部門彈性疲乏、失去興趣,因形成瓶頸導致計畫受阻。有鑑於此,安麗資訊團隊採用所謂 quick-win 策略,意即讓使用者快速感受到商業智慧系統的效益,再逐步導入更多應用,讓新系統在好評中持續進步。

Quick-Win 策略,讓 BI 在好評中逐步茁壯

「新的系統對使用者是陌生有距離的,所以要能持續產出、每次都帶來具體而正面的使用者體驗,慢慢讓使用者愛上新系統;」王進輝分析,「由淺而深,逐步上手,才能讓使用者發揮出商業智慧的價值。」

導入商業智慧系統的過程中,也帶來意想不到的附加好處。過去在既有系統中開發了許多應用程式,有許多功能重疊、但截取資料的定義不同,會造成資料不一致的困擾,只要數百萬筆資料中有數十筆不一致,就足以令資訊人員人仰馬翻。導入 IBM COGNOS BI 後,有助於統整資料觀點與定義,一次將標準定好,免除資料歧異造成的衝突,讓各部門將寶貴時間用在更具價值的業務上。

終極目標:資料採礦,從資訊中找到黃金

安麗的商業智慧系統目前已經完成第一階段平台建置的工作,一改過去由IT撈資料、以 Excel 作報表的模式,簡單易用的介面讓行銷業務部門在第一時間可以掌握關鍵資訊,也與各部門使用者建立了良好的互信。第二階段將在 2010年底完成,協助各部門善用 IBM COGNOS 做出更精準的決策判斷。

「最終的目標是要做到深入的資料採礦,從多維度資料的交叉分析中找到潛在商機,並提供直銷商更多具有價值的商業洞察,讓總公司、直銷商體系都能從中獲利;」吳樹正表示,「我們對於 IBM COGNOS 商業智慧抱有很高的期待!」

我有興趣

往下滑看下一篇文章
AI 智慧代理人時代來臨!三大導入階段, AI 落地企業不卡關
AI 智慧代理人時代來臨!三大導入階段, AI 落地企業不卡關

生成式 AI 帶動企業數位轉型浪潮持續升溫,各界不再滿足單一任務型的 AI 應用,而是期盼 AI 能真正成為具備主動決策與多工能力的「智慧代理人」(Agentic AI),在最少人為干預的情況下,自主推進工作流程、完成複雜任務。

但企業導入AI並非一蹴可幾,而是需要對AI有正確認識,並制訂循序漸進的導入流程,才能真正發揮AI功效。在2025台灣人工智慧年會中,cacaFly 聖洋科技技術副總吳振和提出三大導入關鍵階段,深入剖析企業如何從概念驗證(PoC)階段,逐步推進到實際上線(Production),並分享實務經驗與觀察。

延伸閱讀:生成式AI可以怎麼用?cacaFly現身說法,助企業應用GCP服務智慧轉型

解鎖 Agentic AI,企業邁向多任務智慧代理

「很多公司會問,One AI 要做什麼事?但實際上,若要讓 AI 回答公司內部政策或新法條的相關問題,僅靠基礎模型並不足夠。」吳振和指出,要讓 AI 真正成為能「做事」的智慧代理人,前提是它必須理解企業內部的脈絡與知識,並即時掌握外部變動的資訊。

企業必須先釐清內部規範是否與最新法規相符,這意味著系統必須具備持續爬取與解析最新資料的能力。為此,企業必須先截取與整理內容,再建構成專屬的知識庫(Knowledge Base),確保資料品質達到可用標準後,再透過檢索增強生成(Retrieval-Augmented Generation, RAG)技術,使 AI 能夠即時動態查詢並生成符合企業語境的回答。

延伸閱讀:從資料清洗到 RAG,大型語言模型的必需品,做出專屬企業的 AI 知識庫!

吳振和強調,這是一個動態循環的過程:從資料蒐集、品質控管、知識庫建構到生成應用,每一環節都息息相關,任何一處鬆動都會影響最終產出的準確性與可信度。

cacaFly 聖洋科技技術副總吳振和
圖/ cacaFly

破除「一次到位」迷思,從驗證到落地的三大關鍵階段

許多企業對 AI 寄予厚望,因此常將 PoC 視為年度計畫的重點,希望能「一次到位」做出具體成果。但吳振和提醒,若缺乏清楚的系統工程思維,PoC 容易淪為「概念展示」,難以真正走入組織的日常營運。

他將導入 Agentic 系統工程的歷程,分為三個關鍵階段:

1.第一階段:可行性評估(Feasibility Study)
企業必須在投入資源前,先明確界定「最需要被 AI 解決的關鍵問題」是什麼,並進一步設計可量化的驗證指標。這不僅包括評估技術實作的可行性,更要從商業目標出發,釐清導入 AI 的具體使用情境、預期成效與風險邊界,如此才能確保後續模型選型與資料蒐集方向正確對齊業務需求。

2.第二階段:系統設計與驗證(Design & PoC)
在確定導入方向後,必須規劃清楚資料蒐集與整理流程,確保知識庫的內容具備正確性、完整性與時效性。吳振和特別強調,這個階段不能只追求展示效果,而應以「產品化思維」來構築 PoC,使其具備可擴充性、可維護性及安全性,才能為後續上線打下基礎。

3.第三階段:產品化與營運(Production & Operation)
當 PoC 驗證完成後,進入正式上線階段,挑戰也隨之而來。除了需要整合企業內部系統與流程,還必須建立持續監控與維運機制,確保模型表現隨時間演進不會劣化,並能快速回應法規變動或資料更新的需求。吳振和指出,這往往是最容易被低估、但也是最考驗企業組織能力的關鍵環節。

cacaFly 聖洋科技技術副總吳振和
圖/ cacaFly

建立模型優化根基,打造高品質的黃金資料集

吳振和特別強調,要讓 Agentic 系統工程真正發揮效益,企業必須先建立一套高品質的「黃金資料集」(Golden Dataset),作為模型評估與優化根基。他指出,黃金資料集的價值在於能為模型選擇與前測提供客觀依據,讓團隊能針對不同任務挑選最適合的模型,避免導入初期就誤踩方向。

同時,黃金資料集也能協助團隊辨識模型的常見錯誤與脆弱點,進而快速回應「模型飄移」(Model Drift)的風險。吳振和說明,所謂模型飄移,指的是即使模型本身未經改版,效能也可能隨著環境與資料變動而突然下降,導致原本表現良好的模型出現偏差。透過持續比對模型預測與黃金資料集結果,團隊才能即時察覺效能衰退,並進行迭代更新,確保系統長期穩定運作。

從小規模應用起步,漸進擴展至核心業務

吳振和分享,在實際輔導企業導入 AI 的經驗中,最常見的挑戰來自於「期待落差」。許多企業誤認為概念驗證(PoC)階段即可呈現完整的產品原型,然而實際情況顯示,若企業未能建立完善的資料架構與流程基礎設施,即使短期內展現亮眼成效,也難以確保長期營運的穩定性與可持續性。

也因此他建議企業在規劃 AI 導入時,應採取漸進式策略,從小規模應用場景著手,逐步擴展至核心業務領域。企業應將 PoC 定位為整體產品開發生命週期的重要環節,而非獨立的一次性專案。

AI 的導入不僅是一場技術升級,更是企業組織文化與決策流程的轉型工程。唯有從資料治理、流程優化到人才培訓同步布局,才能確保 AI 能在企業內部真正「落地生根」,創造長期商業價值,成為真正的智慧代理人。

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
一次搞懂Vibe Coding
© 2025 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓