【台灣製造業創新指南】緯穎打造透明化的供應鏈溯源數據管理平台，持續提升全球客戶滿意度
2021 年雲端伺服器與資料中心需求暢旺，台廠普遍預測今年下半年度將會是個前景看長的好時機。主要客戶為全球雲端服務大廠的台灣伺服器供應商緯穎，也在這波利多趨勢的最前線。雲端需求相關市場向來競爭激烈，持續掌握客戶高品質需求，同時保持生產供應的穩定，面對這些挑戰，緯穎的壓箱寶是什麼？
簡單來說，緯穎科技 2012 年成立之時就是以原廠直銷（ODM-Direct）的商業模式對伺服器供應鏈帶來破壞式創新，並逐漸成長為現今資料中心與伺服器市場的主要供應商。截至 2020 年止，緯穎已連續五年以上獲利正成長，商業版圖橫跨美、歐、亞三大洲，產品交付至全球超過 300 個資料中心，2020年佔全球伺服器的出貨量約一成。以原廠直銷模式經營的緯穎，相比於其他傳統伺服器品牌商的市佔率一點都不遜色，逐漸站穩前四大伺服器廠商的地位。
COVID-19 打亂全球供應鏈，科技製造業如何持續顧好客戶需求？
當緯穎在努力擴大全球雲端伺服器的市佔率與品牌力的同時，COVID-19 全球疫情也急遽加速科技製造業的競爭，由於供應鏈從長鏈轉變為今天的短鏈，生產方式也越趨於區域化。需求預測抓不準，加上缺工缺料的問題使得出貨交期變得更加難以預測。這些狀況都在挑戰著一直堅持提供客戶高品質且完整服務的緯穎。
面對疫情帶來的營運新局，緯穎擁抱雲端服務，不僅即早適應全員數位協作的工作方式，亦領先全球製造同業，率先將 ERP 系統 SAP 放上 Azure 進行全球營運管理。這些還只是緯穎數位轉型大局的其中兩小塊拼圖，接下來他們要繼續發揮企業DNA 裡那股破壞式創新的精神，挑戰如何「打造資訊透明化的供應鏈」。
對於原廠直銷的商業模式來說，不分時區密切與客戶協作，確保產品整櫃交付到資料中心就可以馬上使用是個關鍵。「Product Traceability（產品可追蹤性）已是現今供應鏈協作上的趨勢，也是必備能力」，緯穎科技資訊長溫宗正 James Wen 直指跨廠區間資料高度透明與分享對客戶來講有多麽重要。
在資料中心產品供應鏈中，緯穎不僅負責運算和儲存系統的設計與製造，亦負責機櫃中全部系統的整合安裝與測試，最後直接出貨到雲端服務業者在全球各地的資料中心。換句話說，緯穎擔任了數十種零組件廠商對客戶的單一窗口。如此一來，當客戶反應某個資料中心發生問題，緯穎除了需要立刻找出原因並立即處置復原外，還需進一步追溯不同伺服器、不同機櫃是否有相同問題，以及受影響的產品出自哪個廠區、哪條生產線等，並且調用相關資料以採取因應對策，務求治標且治本。
打造數位供應鏈第一步：用 Azure Synapse Analytics 建置數據中台
在建置產品溯源系統的基礎，需先打造一個整合來自採購、生產、測試、包裝、出貨等階段的數據中台（Data Platform）。而這些資料來自不同營運據點、不同系統，包括 Shopfloor 車間系統、生產測試系統、ERP、物流系統、RMA 退換貨管理系統等。
資料格式橫跨結構化、非結構化的資料，不僅資料來源多樣、資料定義方式與型態都不同，要將這些儲存在不同資料流中的數據彙集在單一數據中台上，更是一大工程。打造一個單一數據中台不容易，卻是讓科技製造業再進化的致勝關鍵。
上任以來堅持用雲端科技解決問題的溫宗正說：「到了AI 時代，要先做好資料工程才能發揮更多 AI 應用。」
初期，緯穎 IT 團隊先自行在 Azure 平台上摸索建置數據中台，然而此一作法不僅耗費人力、效能不彰且成本高昂，若系統中單一運算節點出問題也很難迅速處理解決。
後來緯穎再度找上數位轉型好夥伴微軟，共同啟動這項具有挑戰性的專案任務，利用微軟 Azure Synapse Analytics 資料分析服務匯集多元資料，整合成為雲端數據中台。在此之上，緯穎打造全新的產品溯源系統。相較原有系統不僅分析效能提升 80 %、成本降低 50 %外，更重要的是提升客戶滿意度。
善用 Azure Synapse Analytics 四大優勢，資料運算效率就可事半功倍
微軟建議採用 Azure Synapse Analytics，以資料叢集式的運算方法能讓數據中台的運算速度及資料分析精細度獲得有效提升。只經歷一個多月的規劃、開發、資料轉移、測試以及顧問教育訓練後，新系統順利上線。「不同於過去系統開發、設計、佈署是分別處理，現在從資料清洗、儲存、建模、分析到發布都在相同環境，省下不少在不同介面切換的時間。」緯穎科技雲端應用開發服務部資深經理楊欣靜 Daphne Yang 說。
以相同的資料量進行分析，新數據中台的分析效能與為客戶服務帶來的成效無可比擬，微軟專家技術部總經理 Vic Hsu 許志勝分析，Azure Synapse Analytics 能為企業帶來四大優勢：
1. 將結構化與非結構化的資料處理需求放在單一平台
在 Azure Synapse Analytics 整合平台上，可讓工程師使用 SQL 語法與工具進行查詢分析，也能讓資料科學家使用 Python 寫程式處理資料，在相同環境處理同一份資料使協作效率提升，且系統版本控制更佳。
2. 在架構上把資料儲存與運算分開，節省成本支出
資料儲存可依照資料更新頻率做不同政策設定，管理更有彈性。而運算上也可依資料量彈性擴展 CPU 運算資源，依需求調度資源讓成本可控制。
3. 不需前期投入硬體建置成本
以產品溯源系統來說，資料保留期限較長且資料量多，而在雲端的架構上按需計價，用多少付多少，在全球供應鏈動盪、供需更難預測的環境下相當有成本優勢，不須前期投資太多硬體成本，能使整體投資金額下降。
4. 資安控管需求符合客戶高標準
在 Azure Synapse Analytics 單一平台上進行資料擷取、探索、準備與分析等有相當多整合工作，能同時在Azure 平台上進行資料安全及資安政策的設定、授權與管理，同時符合資料治理規範，也能確保更高的資料安全性。微軟資安榮獲 MITRE、Gartner、Forrester 三大評測殊榮，提供企業級資料保護力。
從產品溯源到強化研發，透明化的數據供應鏈管理都做得到
至今新產品溯源系統已上線 3 個月，除了快速反應客戶提出的問題外，也同時提升緯穎的產品品質。產品問題也能回饋到研發部門作為後續設計參考，並且能提升製程改善能力。在數據中台上打造產品溯源系統只是緯穎的第一步，有了強大的數據中台，未來除了用於品質提昇外，還能用來作為測試程式與製程前置時間的關聯分析，以及從研發到製程各階段不同 AI 與機器學習的應用。
「未來應用有無限可能」溫宗正笑說。
從緯穎的例子值得作為其他製造業借鏡，許志勝指出製造業邁向智慧工廠有三個進程，首先是須做到資料串連，能將資料從各種後台或車間系統中擷取出來，從單一資料可看出產線發生什麼狀況。第二是能了解資料因果關係，也就是緯穎建置數據中台後目前所處階段，此階段挑戰相當多，包括透過 Common data model 重新定義資料、建立時間序以及資料階層結構等。第三，有了數據中台，就能用來做各種預測。只要用對的演算法自然能快速建模，再依據產線結果匯入以重新訓練模型，如此不斷提升預測精準度。而這也是達到智慧工廠靈活運用 AI 的階段。
打造數據中台過程艱辛，但這對所有投入雲端運算、大數據技術等不同產業的企業來說是必經之路。找到對的合作夥伴、運用好的資料分析工具就能縮短摸索時間，更快體會甜美果實。
