什麼是架構師(Architect)以及要如何養成?
什麼是架構師(Architect)以及要如何養成?

之前被問到這個問題的時候很頭痛,因為一講就要講很久,而且對方如果底子不夠的話,恐怕會像鴨子聽雷。再說我不當工程師很久了,雖然見過各式各樣的架構師,但是總不好意思一直拿十多年前的職場經驗來吹噓,畢竟資訊科技產業進步很快,有些事情已然不同。

欣見這篇文章談「從程序員到架構師」,也可以提供給上述提問者參考,省下我講解的時間。雖然這裡主要講的是建構優化雲端服務的軟體架構師,但是大同小異,尤其在非技術的部分,例如溝通、架構、抽象分析、決策等能力,則多半也適用於其他類別的架構師。有興趣想理解架構師的人,或是想朝架構師發展的人可以大致瀏覽一下。以下是我的補充說明。

技能樹

有些人看到上述文章,可能會先被兩張「技能樹」圖片所震撼,一張是卓越的程序員(程式師)的技能樹,一張是架構師的技能樹,如作者所言,從程序員到架構師,是一個不斷經驗累積的過程,所以架構師不可能光是懂一堆高深的理論卻不懂得寫程式。然而各位如果比較這兩張技能樹,會發現有大不同,並不是單純靠累積經驗值就能升級的。

不過,請注意到,架構師有很多類型,技能樹有所不同,分享文可以作為參考,但是不要被綁住了。我個人不認為要刻意去把技能樹上的技能學全,重點應該在於融會貫通重要的技能,有一套能解決問題的好方法。

化學反應

因為經驗積累到後來, 重點不在於「量的增加」而在於「質的躍昇」 ,所以不是說你學過越多的語言和演算法、用過很多的工具、做過很多的專案、寫程式碼的速度超快,就能蛻變升級成為架構師。過程中必須產生類似化學反應,才能將經驗和能力整合後提升到另一個層次。但這個類似化學反應的蛻變的關鍵和契機因人因領域而異,很難說明清楚,分享文中也沒有多講。我最後會談一下這件事,並且分享一下我的個人經驗給朋友們參考。

programmer_shutterstock_156863096 (1280x853).jpg
圖/ ShutterStock

重質不重量

為什麼說學了很多東西、專案做得再多,未必能成為好的架構師呢?好比你拿了五個碩士學位,是否可折換一個博士呢?當然不行,因為真正博士等級的訓練極為注重「質的躍昇」,看看學生是否能在融會貫通知識經驗之後,做出優秀的原創作品。同理,發表十篇二流的論文是否等同於一篇一流論文?做了十個「快老二」的研發專案,是否相當於做出一個高技術門檻的原創作品?當然不是。

當事人本身要具備足夠的基礎,其次則是要有適合的環境以及良師益友,否則恐怕學再多也難以濟事 。至於「質」要如何來認定呢?通常得透過實際戰果以及其他資深架構師的肯定來孚眾望,否則即使勉強掛上架構師的頭銜也是無用。

視野和典範

重質不重量的概念並不難懂,但實際上與當事人的視野有關。所謂「夏蟲不可語冰」,如果根本沒看過架構師,缺乏典範,那麼要如何評價一位架構師或是學習成為一位架構師呢?有些工程師長年賣力鑽研,成為某項技術項目的達人,但是技術達人並不見得具備架構師的能力。台灣的資訊電子業有不少的技術達人,但是在產業需要轉型提升的時候,需要構思前瞻和總體策略的時候,才會發現架構師的重要性。

架構師的光譜

架構師有許多種,有的偏軟體,有的偏硬體,但是大多數都要 軟硬兼備 的素養。分享文所談的雲端軟體架構師,比較偏向軟體技術,但是也要懂得系統架構和效能分析優化;台灣比較常見的是嵌入式系統的研發工作,過去的發展受限,往往停留在為硬體產品寫韌體(firmware)的層次,但是到了物聯網時代之後,就開始需要懂軟體的系統架構師來帶領方向。到了數據掛帥的今天,還要再加上AI和資訊安全的素養,又是另外的維度。

基本素養和專業能力

剛進入資訊科技領域的學生,由於從寫程式入門,往往過度熱衷於寫程式(或是完全排拒寫程式)以及沈迷於演算法。其實這些就像英文和數學一樣,是資訊科技人的基本素養,某些公司面試新進員工的時候,考驗程式寫作和演算法的功力,也是理所當然的事情。但是切莫以為基本素養就是專業能力,應聘資深工程師或架構師的時候,除了確認有基本素養之外,更加著重於專業能力。

什麼是專業能力呢?請參考一下技能樹。基本上,資訊工程系課程中有不少有助於培養架構師的課程,不要傻傻的覺得會寫程式就行。有些東西在大學和研究所時期不好好打基礎,到了業界就難了,尤其是與系統和硬體相關的技術,需要有環境與良師益友,才會事半功倍。

環境與良師益友

回顧我自己在求學和擔任工程師的過程,感到頗為幸運地找到不錯的環境和良師益友。我高中參加電研社開始奠定寫程式的基礎,大學則是從電子電路、嵌入式系統到大型電腦都碰過,尤其是後來出國念博士班時專注研究大型平行電腦效能優化技術的時候,有機會鑽研最先進的軟硬體,是我個人蛻變的關鍵和契機。

shutterstock_367286792_coworker.jpg
圖/ Jacob Lund via shutterstock

之後到矽谷Sun工作的那幾年,有幸在效能工程部門,與處理機設計部門、高階伺服器系統架構部門、網路儲存產品部門、 作業系統核心開發部門、資訊安全研究部門、Web軟體發展部門的資深架構師共同合作,不僅實際驗證我的技能,也透過他們對我的讚許讓我拿到成為架構師一員的門票。

架構師的發展機會

在我選擇回國家教書的時候,有幾位具備架構師資歷的同事也離開公司回到他們的祖國貢獻於科技業。好幾位回去中國發展的同事,獲得政府的挹注,後來發展得很不錯。相形之下,台灣資訊產業轉型提升的步調頗為緩慢,無論是產業或學術,鮮少人了解架構師的重要性,願意長期積累技術經驗成為架構師的人少得可憐,乃至於大多數人連架構師是什麼都不大清楚。但有趣的是,這幾年業界想轉型,三不五時就會有朋友要我推薦架構師。

我分享以上這些個人經驗和看法,不是想往自己臉上貼金,只是想告訴學生們什麼是架構師以及如何把自己培養成架構師的歷程。當然,我不是什麼厲害的架構師,只是當年有幸從多位厲害的架構師身上學到一些皮毛而已,不過我認為我這點皮毛,在這個架構師罕見的學術環境,還是有點價值,也歡迎理解成為架構師的難度後仍想成為架構師的學子們一起來學習。

本文由洪士灝授權轉載自其Facebook

《數位時代》長期徵稿,針對時事科技議題,需要您的獨特觀點,歡迎各類專業人士來稿一起交流。投稿請寄edit@bnext.com.tw,文長至少800字,請附上個人100字內簡介,文章若採用將經編輯潤飾,如需改標會與您討論。

(觀點文章呈現多元意見,不代表《數位時代》的立場。)

往下滑看下一篇文章
從會員數據到 AI 行銷:Vpon 打造零售業 AI-Ready 數據中台,提升決策效率
從會員數據到 AI 行銷:Vpon 打造零售業 AI-Ready 數據中台,提升決策效率

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。

#1 從會員數據到AI行銷:Vpon打造零售業AI-Ready數據中台,提升決策效率
Vpon 威朋數據科學經理 廖宜楷
圖/ 數位時代

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。」

#2 從會員數據到AI行銷:Vpon打造零售業AI-Ready數據中台,提升決策效率
Vpon 威朋數據科學資深總監 陳文謙
圖/ 數位時代

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。

#3 從會員數據到AI行銷:Vpon打造零售業AI-Ready數據中台,提升決策效率
Vpon 威朋產品行銷資深經理 邱心儒
圖/ 數位時代

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。

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
AI全球100+台灣20
© 2026 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