Levi’s 在短短 4 年完成數據轉型：新資料平台處理速度提升 50 倍，解決資料 4 大痛點
在 AI 浪潮下，打造以消費者為中心的數據洞察，藉此推動更好的業務決策，是許多企業希望做到的事，但是該如何處理數據、設定資料治理的策略呢？
Levi’s 過去以身為大型批發商和在百貨公司販售男性牛仔褲而聞名，正轉型為直接面對消費者的全通路零售商。其 501 系列牛仔褲，皆採用直筒剪裁、經典靛藍水洗造型，但數百萬甚至數十億穿過的消費者都能了解版本差異，而 Levi’s 的 IT 部門如何辨識出這些差異、分析哪些顧客偏好哪種版型、哪些新市場正在成長、最新一波寒流可能對供應鏈造成哪些影響等，都是困難且耗時的工作。
然而，Levi’s 自 2020 年建置雲端的轉型經驗揭露，企業內部一致的資料治理，確實能改變業務運作──其新資料平台處理速度提升了近 50 倍，並且有一部分的可視化速度提高了 100 倍。剛開始，Levi’s 也面臨業務分析師不知道資料存放在哪裡、不知道資料所有者是誰、即便獲得資料存取權限也找不到任何文件說明的情形──究竟 Levi’s 最終如何跨越障礙，讓每一個員工都能存取即時且準確的資料呢？
手握巨量資料資產，Levi’s 優先處理哪些數據？
Levi’s 完成數據轉型的目標，其實只經過了短短 4 年，背後是從何開始、如何設定優先順序？根據 Levi’s 數據、分析和 AI 全球主管 Louis DiCesari 的說法，Levi’s 採取了同步進行、分領域逐步推進的策略。
DiCesari 指出，Levi’s 的所有轉型工作皆圍繞在一個目標：提供以消費者為中心的數據驅動洞察並推動業務決策。他們從少數幾個資料領域開始，同時並行推進所有工作，即便仍然有很大的挑戰，但是「如果我們一開始就試圖把 Levi’s 的所有資料做到完美，我們將永遠無法真正推動任何有價值的成果。」因此，Levi’s 選擇每個領域先做到 7~8 分水準，再持續優化並拓展到下一個領域。
在此過程，Levi’s 優先鎖定對業務影響大的領域，包括定價與折扣資料以及消費者資料。「我們最初版本（Version 0）的定價分析，其實只是價格彈性資料。」即便如此，DiCesari 表示這已經比之前依賴第三方靜態資料更好，因為過去 Levi’s 沒有自己的資料。接著，他們再持續新增更多資料，使分析能力持續提升。DiCesari 強調，「資料最重要的，不是資料本身，而是你如何運用它。」
DiCesari 表示，將商品資料與消費者資料整合起來，是 Levi’s 最重要的工作之一。目前，Levi’s 已經可以看到的數據包含：哪些消費者在購買 501 與 511 款式？這些消費行為隨時間有什麼變化？消費者是單通路購買還是多通路購買？消費者在 Levi’s 購買了多少不同品類的商品？這些資料，也將成為 Levi’s 開發牛仔褲以外品類的重要數據。
Levi’s 數據策略解決 4 大資料痛點
現在，許多公司都在整理資料，作為發展 AI 的基礎。Google 分析，企業部署 AI 面臨的一個關鍵挑戰是，取得符合業務等級協定（SLA）的正確資料，也就是 AI 就緒（AI-ready）資料來啟動和支援 AI 使用案例。這項挑戰源於長期困擾企業的資料管理問題：分散的數據孤島、快速變化的需求、組織數據文化不一致且沒有共同數據語言。
DiCesari 表示 Levi’s 需要從 4 個面向進行轉型，也道出其資料痛點。第一項，即時洞察，取代憑直覺決策──Levi’s 擁有逾 170 年歷史與龐大資料資產，過去決策多仰賴經驗與直覺，現階段則聚焦整合資料，協助業務單位即時取得分析結果，提升決策品質。
第二項，資料即服務（Data as a Service），讓全公司員工能在權限控管下即時查詢與分析資料，降低資料團隊成為箇中阻礙的風險。
第三項，是確保資料標準化與定義清楚。全球企業經常出現同一指標在不同地區或部門有不同定義的問題，因此 Levi’s 正在積極投入資源，確保內部資料定義與標準的一致性。
第四項，簡化並整合分析和報告系統。DiCesari 表示，過去 Levi’s 因為缺乏統一的平台，資料散落在各種不同的工具中，產生大量重複報表與資訊版本。如今，要集中資料並完成標準化，也需要汰換舊有系統和工具，確保整個公司都能以「單一真實資料來源（single source of truth）」為依據運作。」
《VentureBeat》報導，Levi’s 與 Google 合作建立一個新資料平台，按照業務領域來組織資料產品，並透過 Google 的資料市集 Analytics Hub 讓這些資料更容易被發現，且每個資料產品都附有詳細說明文件、資料來源以追蹤資訊與品質指標，最終實現處理速度比舊平台快 50 倍、部分可視化速度快 100 倍的成果。
Levi’s 的 AI 旅程進展到哪？
DiCesari 表示，Levi’s 在傳統機器學習方面，已經有成熟的機器學習能力和應用，例如價格優化、尺碼優化、顧客推薦。至於生成式 AI，則主要用來協助團隊進行產品內容初稿生成與翻譯，讓商品更快上架到網站的同時確保符合品牌形象──目前所有流程仍有人類參與，並非完全自動化，但他表示，生成式 AI 確實節省了大量時間。
AI 對於 Levi’s 的產品設計是否帶來影響？DiCesari 表示，Levi’s 目前仍處於非常早期的階段，但科技目前還無法捕捉牛仔布面料細節——例如布料垂墜的感覺、做舊和水洗效果中的微妙差異等，因此未來 AI 是否能在設計上發揮更多作用，仍有待觀察。但就目前而言，Levi’s 專注於讓設計師與公司內各部門夥伴的工作變得更輕鬆。
【推薦閱讀】
◆ AI 基礎設施要用雲端還是自己建？5 個企業管理者最大化投資效益的關鍵判斷
＊本文開放合作夥伴轉載，資料來源：《VentureBeat》、Google Cloud，首圖來源：Unsplash。