「別等到痛才想辦法！」SAP看準智慧開銷，2面向為企業省錢|數位時代 BusinessNext

「別等到痛才想辦法！」SAP看準智慧開銷，2面向為企業省錢

不要等到痛了，才去做數位轉型！SAP看見智慧開銷商機，提供企業採購成本管理服務、外部人力資源管控兩方面，為企業支出進行更嚴密的把關。

智慧開銷兩大要素：採購成本、外聘人才管控

SAP旗下兩大獨立子公司SAP Ariba以及SAP Fieldglass，就是希望在智慧開銷方面，提供企業最佳的解決方案。SAP Ariba針對提供企業採購的成本管理服務，SAP Fieldglass則專注於外部人力資源的管控。 McCarthy表示，這兩項服務，能夠讓企業供應鏈變得更有彈性，並提供企業接軌AI與機器學習等技術的機會。

過去在採購過程中，許多步驟是非常人工且瑣碎的。舉例來說，在與供應商下單、討論合約時，很多人都是透過Line或者電子郵件來回傳遞格式不一的Excel、PDF、word等各式檔案。這樣的溝通方式除了鬆散之外，更難以系統化地統計與供應商間的數據資料。

針對這樣的痛點，SAP Ariba提供了一個平台，系統性整理不同的採購環節，讓客戶可以與供應商一同在平台上協作，簡化繁複的流程並提供數據化的統計，進而提升效率、減少不必要的支出。此外，SAP Ariba的全球網絡中還搜集近380萬名供應商的資料，讓客戶能輕鬆在上面尋找合適的廠商，加快媒合的速度。

不過，若要更完整地達到智慧開銷，雲端化的外部人力資源管理也是相當重要的一環。SAP與牛津大學合作的研究報告指出，企業裡平均有44%的人力資源來自外聘廠商及自由工作者。McCarthy表示，一般公司對於外包項目負責人另外再找的團隊，難以進行品質控管與監督。

McCarthy舉例，他們觀察到有些表現差的外聘人士，會反覆被同一間公司裡不同的人聘用。這樣的人才管理疏失，不僅是資源的浪費，也會影響到產品與服務本身。SAP Fieldglass想做的，就是讓企業和個人都能更有效率地找到適合的彼此。

McCarthy認為，外部人才的數位化管理會是未來的趨勢。因為這對許多年輕人正從事的零工經濟（gig economy）而言，是相當有益處的事。很多自由工作者他不是要找長期正職，而只是想在某一段特定時間、某一特定地點做自己喜歡的工作。過去這些人可能要土法煉鋼地在網上搜尋，但有了外部人才管理系統，他們只需要在平台上輸入資料，變得更方便。

智慧開銷的下一波浪潮：體驗經濟

從智慧開銷風潮的興起，我們可以看見數位轉型正不斷在深化。企業對數據的渴求勝過以往，並發明新的、規模化的方式，量化過去未曾紀錄過的行為。McCarthy也表示，數據以及速度，是數位轉型的兩大關鍵。數據帶來的新觀點加速了決策過程，改良的服務與產品也拉高顧客的期待值。速度不斷加快的情況下，人們也持續在探索新的數據。

至於SAP找到下一個重要數據了嗎？答案是有的。McCarthy認為，在不久的將來，體驗將會帶起下一波浪潮。他說，體驗數據就像是在坐雲霄飛車，過去我們能掌握車的速度、摩擦力等運作上的數據，但體驗數據講究的則是乘客是否有笑、和原先期待是否有落差、覺得好不好玩......等。

體驗數據若是套用在企業裡，就可能是這間公司合作起來感覺好不好、下屬能否輕鬆地與上司交談等。目前SAP已研發出相關系統，並已經在提供服務。對此，McCarthy也表示，SAP在這個領域方面，可說是世界第一。

面對種種快速的改變，McCarthy也對那些在執行數位轉型上感到猶豫的企業留下一句話：「別等到痛的時候才來想辦法。」或許這句話，正好象徵了數位時代的生存守則。

在 AI 快速進入企業營運核心的時代，數據不再只是被動的分析素材，而是 AI 模型運作與決策優化的重要基礎。

零售品牌積極累積大量第一方數據，例如會員資料、交易紀錄以及線上與線下行為數據，但因這些數據分散於不同系統，缺乏統一的身分識別機制以及明確的元數據（Metadata）定義，導致難以整合與分析，同時，也影響 AI 對這些數據資產的理解與應用。

為解決上述挑戰，Vpon 威朋將累積十餘年的實務經驗轉化為產品與服務，如 Audience Center 與 AI Agent 等解決方案，並透過專業顧問團隊協助企業完成數據收集、清理、整合與分析等關鍵流程，從資料清理到 AI-Ready 再到落地應用，讓行銷與業務團隊能以自然語言將數據查詢與分群受眾逐步自動化，大幅縮短過去仰賴技術與分析團隊溝通需求與開發分析邏輯的時間。

Vpon 助零售業打造 AI-Ready 數據基礎，以 Audience Center 驅動業務商機

如何建立 AI Ready 數據基礎建設？

Vpon 威朋數據科學經理廖宜楷指出，在 AI 驅動的時代，數據的品質決定模型價值。其中四個關鍵分別是：建構標準化的數據採集與處理管線，透過統一的工程規範，確保所有進入系統的數據在格式、維度與質量上具備高度一致性；其次是定義語義清晰的元數據（Metadata）體系，確保數據能夠被 AI 理解與使用，從而產出具備可靠性的產出結果；再來是打破企業內部的「數據孤島」，透過完整整合線上（Web/App）行為與線下（POS/CRM）會員資訊，建構全方位的會員數據輪廓，精準捕捉消費者的跨通路行為軌跡。最後，數據的價值隨時間遞減，AI 的決策品質取決於數據的「新鮮度」，因此，數據的持續更新與自動化維護，不僅能讓企業在動態市場中保持敏銳，還可進一步深化會員輪廓分析的即時性。

舉例來說，在 Vpon 團隊的協助下，台灣百貨零售龍頭透過整合 Web 與 App 行為資料，並將線上與線下數據集中於數據中台進行分析，將傳統耗時數小時的複雜資料庫分析工作縮短至秒級回應，並基於此高效率基礎，進一步開發不同業務主題的預測與分群模型，提升行銷精準度與營運決策的敏捷性。

扎實數據基礎的價值落實：Audience Center 如何賦能企業實現「數據即戰力」？

有了堅實的數據底座後，下一步是透過 Audience Center 將數據資產轉化為商業動能。

廖宜楷指出，在變化快速的零售與數位行銷市場中，速度就是競爭力。然而，仍有許多企業在數據應用上面臨嚴重的溝通與技術斷層。過去，當行銷或業務人員需要數據支持時，通常得花費繁複的內部流程申請需求、討論需求，才會進到後續的資料清理、建模與分析，最後才能得到想要的分析結果或行銷名單。這種以「週」為單位的進程，不僅拖慢了決策效率，更讓企業在競爭激烈的市場中錯失先機。

Audience Center 的核心價值在於徹底翻轉上述流程，將數據處理轉化為數據服務，透過直覺的介面與背後扎實的數據基礎支撐，讓非技術人員不用編寫程式碼，即可自行組合維度，大幅縮短從需求到執行的距離，將原先需要耗時數週的作業流程優化成秒級產出。

「Audience Center 的導入，不僅有助於提升效率，更賦予企業快速試錯與精準捕獲趨勢的能力，讓數據真正成為驅動業務增長的引擎。」廖宜楷如此總結。

以 AI Agent 重塑數據使用方式，讓數據更貼近決策流程

「Vpon 除提供 Audience Center 協助品牌發揮第一方數據資產價值、提供豐沛的第三方數據助品牌深化對客戶輪廓的掌握度，更推出 AI Agent 服務讓品牌與行銷人員能更直覺地使用數據。」Vpon 威朋數據科學資深總監陳文謙表示，在數位轉型的過程中，許多企業面臨的挑戰不僅是數據整合，更包括如何讓不同部門的人員都能更即時協作與應用數據，有鑑於此，Vpon 推出四種 AI Agent 協助企業分析與應用數據，極大化第三方數據成效：

第一，以 Reporting Agent 讓高階主管或行銷人員可以自然語言查詢數據與生成報表，即時掌握市場動態，加速決策下達與決策品質。

第二，透過 Insight Agent 確保數據分析不受分析人員的主觀意識或產業知識侷限，可以輕鬆完成跨領域數據分析、快速挖掘潛在市場機會與消費者洞察。

第三，藉由 Audience Agent 將客戶分群方式從規則導向（Rule-based）轉變為關聯導向，以關聯分析擴大受眾範圍，協助品牌找出更多潛在客群。

第四，推出 Creative Agent 協助行銷人員分析廣告素材表現的根本原因，釐清受眾喜歡的素材跟不喜歡的素材，藉此優化廣告投放內容，持續提升轉換率。

陳文謙表示：「透過 AI Agent 的輔助，品牌不僅能更快完成數據分析，也能將分析結果直接轉化為行銷策略與創意建議，降低跨部門溝通成本，讓數據真正參與決策流程。」

鏈結數據生態夥伴，以跨境數據放大行銷效益

除了協助品牌主建立 AI Ready 的數據基礎環境並提升數據使用效率，Vpon 也持續拓展數據生態圈，協助零售品牌更精準布局海外市場。

Vpon 威朋產品行銷資深經理邱心儒表示，跨境行銷過去多仰賴經驗與市場直覺，但透過數據整合與 AI 分析，品牌能更精準理解海外消費者的旅遊與消費行為。

以 Vpon 與日本 Loyalty Marketing Inc. 合作為例說明，透過雙方的獨家合作，企業可以結合 Ponta 超過一億的會員數據、問卷調查結果以及 Vpon 的七大數據來源，深入分析日本消費者的消費偏好與購買力——包括哪些日本族群對台灣品牌最感興趣、最受歡迎的台灣商品類型，以及不同客群的價格敏感度與回購行為等，將行銷決策從過往的經驗判斷轉變為精準的數據洞察，成為品牌出海的重要工具。

簡言之，對零售品牌而言，跨境數據是理解海外旅客真實樣貌的一大利器，也能進一步優化廣告投放、內容策略與商品布局，讓品牌在拓展國際市場時，可以更有效率地接觸潛在客群，放大行銷效益。

展望未來，Vpon 將持續擴展數據生態圈並優化產品服務，幫助零售品牌從數據整合、AI 分析到市場決策建立完整的數據應用循環，希望以數據夥伴的角色與品牌共同成長，打造互利共贏的數據生態。