邁向智慧零售時代,研華、良興推「店算通」用數據管理門市
邁向智慧零售時代,研華、良興推「店算通」用數據管理門市
2018.03.26 | 物聯網

研華搶攻智慧零售新版圖,今(26)日宣布,與台灣擁有45年3C產品零售經驗的良興電子合作,共同打造雲端管理平台「店算通」(EcRetail),該平台整合了物聯網的軟、硬體科技,可串接線上線下,進一步彙整銷售資料,目前已全面導入良興電子全台11家實體店面。研華表示,透過自家的平台技術,結合良興在零售業累積的數據報表管理等領域知識,要協助台灣傳統通路商加速邁向新零售時代。

良興累積3年數據搜集,打造零售雲端管理平台「店算通」

良興電子成立於1973年,是全台唯一結合電子零件、工具儀錶、電腦週邊和智能家電的3C連鎖賣場,目前在全台有11家實體店面,也包含光華商場的門市,另有購物網站、行動App服務等。

良興旗下的愛達智能,專為3C電子品牌建置實體店鋪,包括華碩、技嘉等大廠在光華商場和Nova的店面,都出自其手,店鋪營運後,愛達智能也協助其進行運營管理經驗傳授。像是三年前,愛達智能開始採用人流計數器,用以分析門市經營和管理的重點,做為績效及管理調整的依據,累積三年才慢慢有完整數據。

良興總經理賴志達表示,資料需要長時間的收集、追蹤和比較,才能有完整的軌跡,看出趨勢和變化,以做為判斷和決策的依據。他強調,數據的重要性不是當下的絕對值而已,長時間的變化,更能作為決策分析和依據。

2018-03-26 (2).png
「店算通」是一專屬零售通路的雲端管理平台,由研華和良興電子共同打造。
圖/ ecretail.com

而此次研華與良興合推的「店算通」,是一專屬零售通路的雲端管理平台,提供功能包括即時人流、提袋率、熟客率等分析,可交叉比對各門店績效,並透過人臉辨識系統,進行現場來客的年齡、性別分布等統計。

即時數據分析,展握各分店營運績效

「店算通」平台在使用上,各門市管理人員可透過手機,自訂所需功能的儀錶板,即時瀏覽當天的營運績效,總部管理團隊也能即時獲知諸如客流量、各店坪效比、各店客單價、各店人力投入產出比等KPI,做綜合營運績效評估。

研華強調,透過單一雲端平台整合零售業所有繁雜資訊,可協助傳統既有的分店績效數據加以整合,綜合剖析。另一方面,也可藉由遠程巡店管理、門店熱點分析功能,協助管理與運營主管,做出更完整的決策洞見,實現過去僅屬於電商的優勢。

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