1. 策略性思考 (Strategic Thinking)

Canner 的每個團隊成員都應該具備這種能力，以便能夠深入了解問題的根本原因並制定解決方案。而且，團隊成員應該以長期目標為依據來做決策，而不是為了追求短期利益而採取短視的策略。

2. 溝通合作 (Collaboration)

團隊成員在討論中尊重他人的意見和想法，並尋求共識。此外，大家也應該盡力協助其他團隊成員完成工作，並在高壓的情況下仍能保持冷靜和清晰的思考。

3. 勇於承擔 (Commitment)

Canner 的團隊成員都應該對公司的成果承擔責任。大家應該運用聰明的方法解決問題，並在出現錯誤時，團隊成員應該共同承擔並快速進行修正。

4. 熱情執著 (Passion)

Canner 的團隊成員都應該懷有熱情，並將其展現在工作中。團隊成員應該認同公司的願景，並帶著熱情和團隊一起朝著目標前進。熱情和執著不僅可以激勵自己，還可以激勵整個團隊一起努力。

5. 創新改變 (Innovation)

改變市場規則由創新發展，從最根本問題重新思考解決方法的可能性並從中發掘創新的解決方案。團隊成員應該勇於接受失敗並大膽假設，以挑戰傳統方法，從而創造更好的解決方案。

我們相信透過五大核心價值，我們的 Canner 每位同仁能夠一同達成很多不可能。

I'm a Canner, I'm possible.

資料整合耗時耗成本！Canner 開發資料虛擬化技術，打破資料界線讓整合更有效率。

Canner 的創辦人紀力榮則希望整合不同平台的數據，打破資料庫、檔案格式、雲地端的界線，透過資料虛擬化，有效的提煉高含金量的數據。所謂資料虛擬化指的是一種資料整合技術，過去資料整合解決方案，通常是將資料副本移轉至新的資料庫中，再藉由數據暫存、倉儲、資料市集（Data Mart）等步驟，最終輸出整合結果。

但資料虛擬化跳過資料移轉和儲存的步驟，透過單一步驟的數據轉換便能構建出虛擬數據平台，再依需求劃分為多個虛擬資料市集並輸出。整體過程除了降低資料外洩風險外，也能節省成本及時間，在格式統一的前提下也更便於資料管理。至於應用場景，則可推展至正在朝向工業 4.0 轉型的工廠、大眾每天都會接觸到的零售業，以及處理各式金流問題的金融業上。

Netflix 資深資料科學家李庭柏提問，Canner 如何確保系統在保有速度前提下，能夠穩定運作不出錯？回應，Canner 會將數據實體化，並不會受到資料源頭變動所干擾。再者，Canner 為分散式的系統，透過故障排除降低問題發生可能。

Canner - Data Access Solution. Right data to right person.

• 【創業小聚#121】: https://meet.bnext.com.tw/articles/view/47421?fbclid=IwAR3FceGl2PZ3KE-kWbVfolZPXVejYdoICQLDA2m3K0prm2Q1KxHUHNCvY1c

世界經濟論壇(World Economic Forum)在2019年全球競爭力報告中，將台灣列為全球四大創新國之一，究竟台灣企業的AI導入有多成熟？各行業又面臨何種落地機會及挑戰？Hive Ventures 將在本次峰會發布台灣企業AI成熟度的趨勢調查，揭曉台灣企業在 AI 的布局現況，國發會龔明鑫主委、前 Google 台灣董事總經理簡立峰、簡禎富教授及知名矽谷創業家陳五福也將與會，和電子、製造、零售、金融及醫療等行業先驅，共同探討台灣AI發展現況、企業布局及未來趨勢。

Canner 的資料調用平台，是藉由資料虛擬化技術，整合多源資料庫、雲地端資料，加速綜合報表產出，並可為企業省下達7成的數據生產成本。很榮幸在 Galaxy Summit 2021 能夠上台與各路好手分享並交流，以及各不同領域的上市企業交流切磋，台灣在 2021 年的 AI 在企業中目前導入的現況。

Canner Enterprise - Data Access Solution for Enterprises.

• 【三立新聞】不只半導體領先！台灣企業部署AI人才　成亞洲領頭羊 https://www.setn.com/News.aspx?NewsID=915381
• 【電子時報】蜂行資本：台灣AI應用面3年內有望趕上美國 https://www.digitimes.com.tw/iot/article.asp?cat=158&cat1=20&cat2=10&id=0000606781_FBD863R37X5P712OQHIPL
• 【聯合報】台灣八成企業積極導入AI 但門檻是「缺有經驗人才」 https://money.udn.com/money/story/5612/5341905
• 【數位時代】8成台灣企業已經導入AI，一張圖看懂進度到哪裡！還面臨了哪些挑戰？ https://www.bnext.com.tw/article/61947/tw-ai-trend-2021
• 【中時】台灣已有八成以上企業嘗試導入AI 企業渴望挖掘有經驗人才 https://turnnewsapp.com/ct-featured/223860.html
• 【自由時報】調查：8成企業嘗試導入AI 台美AI應用差距3年內有望追近 https://ec.ltn.com.tw/article/breakingnews/3478649?utm_medium=APP&utm_campaign=SHARE&utm_medium=APP

1. 信任承諾，專心致志 (Commit and focus)

Focus and commitment are what make everything different.

信任以及承諾是團隊合作的最基礎，每個角色各盡其職專注達成自己本分內的重要職責才能造就一個成功的產品與企業。

2. 獨立思考，有效溝通 (Independent thinking, and effective communication)

Your unique talent and thoughts are what make you different, make a difference.

我們相信產品與公司之所以特別，是來自於每一位成員的獨立思考，與彼此間的有效溝通跟合作。

We need to create environments in which everyone feels welcomed, fairly treated, and fully supported to do their best. In short, it's about prioritizing mutual respect.

而我們在團隊合作時，有效溝通的前提是一個互相尊重，彼此公平對待，支持彼此的環境。

3. 主動積極並實踐 (Proactive, and action)

Do what matters, now.

轉換想法變成行動有很多希望能夠改善的地方，動手做出改變；我們相信永遠能夠更好主動積極的貢獻與作出改變，並且實踐。

4. 以終為始 (Working backward)

Set your end goals first, then weight your decisions.

所有執行與想法都必須先從希望得到的結果（終）作為出發點，以一個成功的產品我們需要從使用者的角度思考我們的工作與做事方法，以終為始來設計、思考、與執行。您不能單就技術作為出發點來思考客戶要怎麼使用。

5. 注重品質，兼顧速度 (Quality with Speed)

Deliver with quality makes things count.

成果必須兼顧品質以及完成度才完整，完成事情沒有注意到該有的品質以及明顯的失誤，在規劃時就應該思考進去的話並不算完成。在注重品質的同時也要同時兼顧到速度，也就是如何在有限的時間達成所需要的範圍內的達成率是關鍵，用心聆聽使用者最在意的痛點達成最大的滿足。能夠提供使用者讓對方得到滿足且在客戶能接受的時間之內，才算是完整的結果。

6. 使用者導向 (Users/Customers first)

Happy customers are why a company exists.

公司企業之所以成立，為了要滿足客戶而存在。必須把客戶與使用者導向進行產品設計與改良，一個企業與產品之所以偉大，因為有一群熱衷的粉絲與社群。

7. 團隊合作 (Team work)

Great things in business are never done by one person. They're done by a team of people. — Steve Jobs

偉大的產品從來不是一個人的成果，而是一個完美協調的團隊合作。

Ownership Mentality

領導者目標長遠，不會為了短期業績而犧牲長期價值，用主事者 (Owner) 角度思考。他們的一舉一動不僅僅代表自己的團隊，還代表整個公司。他們從不會說「那不是我份內的事」。

2. 組織 — 贏得信任

Earn Trust

領導者要用心傾聽、坦誠溝通，而且尊重他人。領導者勇於自我批判，就算這樣做會讓自己尷尬或難堪。不認為自己或其團隊永遠是對的，領導者會以最高標準來要求自己和其團隊。

3. 決策 — 有主見；敢承擔

Have Backbone; Disagree and Commit

對於無法苟同的決策，領導者應當不卑不亢地提出質疑，即便這樣做會讓人感到不悅或疲於應付。領導者應當意志堅定，不輕易動搖。他們不會為了保持社會凝聚力而輕易妥協退讓。當做出決定之後，他們便勇往直前。

4. 執行 — 往大思考、從小開始、快速執行

Think Big, Start Small, and Move Fast

領導者應制定闡明大局方針與執行策略，兼顧大膽創新與啟發團隊。從不同角度考慮問題，並分階段從最重要的事情下手，執行快速精準。

5. 結果 — 實現目標

Deliver Results

領導者會重視決定事情成敗的關鍵因素，而且能保證品質並及時完成。就算遭受挫折，領導者依然勇敢面對，從不輕易放棄。

根據IDC研究報告指出，2025 年全球資料量將成長至 163 ZB，約是 2016 年 16.1 ZB 的 10 倍以上，加上資料探勘、大數據等工具進步下，從大量資料中挖掘隱藏商機，儼然已成為企業強化競爭力時，必須投入的重要工作之一，也讓數據中台成為時下最熱門的議題。

因應企業打造「數據中台」的強烈需求，市面上有不少軟體公司均有提供解決方案，其中最值得關注的品牌，莫過於來自於台灣的「易開科技」。

該公司創立於 2016 年，早期是以發展CMS網站軟體為主，後來看準企業挖掘資料的龐大需求， 2018 年在取得國發基金、Hive Ventures、SparkLabs Taipei等投資後，正式跨足發展數據中台解決方案 - Canner，目前鎖定在金融、製造、零售等三大領域。

易開科技創辦人紀力榮指出，市面上常見的數據中台解決方案，多半都是要將所有資料庫複製一份到專屬平台中，不僅時間非常冗長、成本也相當貴，預估花費至少要新台幣數千萬以上，專案時間可能長達1年以上。

其次，中小型企業規模相對較小，難以取得海外原廠的即時技術支援，最終只能仰賴在地SI業者協助。Canner 採取獨家研發的虛擬數據中台技術，能免去資料複製繁瑣工作，除成本與海外品牌相比極具競爭力，專案時間亦可縮短至數天即可完成。

安裝時間短、CP 值高 支援多種部署模式與數據串接來源

有別於歐美品牌的解決方案，易開科技推出的 Canner 解決方案，僅需要短短數分鐘即可完成安裝，能打破資料庫、檔案格式、雲/地端的界限，快速整合來自不同資料庫的數據，透過數據孤島連結、聚合、轉換、合作、呈現等步驟，將龐大資料轉換成寶貴價值，是提升企業競爭力的最佳工具。

考量到現今資料成長速度非常快，這套軟體也具備自動化擴充運算與優化的功能，能解決企業人才不足的問題，即便是中型企業也能輕鬆完成數據中台的建置工作。

紀力榮表示，Canner 不光能快速串連各種資料庫、資料倉儲，也能快速連結到BI、AI 軟體，以及各種數據應用之中，免去程式設計師開發的困擾。此外，資料庫管理人員也能針對不同部門員工的職務與工作需求，設定相對應的存取權限，讓每位員工都能取得工作所需的分析結果，進而創造資料的最大價值。

以製造業為例，Canner 可協助企業更快速整合廠房資訊、M&A數據、物流數據，以及上下游廠商等資訊，加快產品上市時間。在廣告行銷業可應用的場景如各種跨屏幕、跨平台、OMO、 O2O 等數據整合。

值得一提的是，Canner 也提供非常彈性的安裝方式，讓企業能夠依照自己的需求與喜好安裝在他們希望裝置的環境下。尤其是 Canner Cloud 版本，也可安裝在企業內部的 VPC 內，無資料外洩等問題，能兼顧資安與營運需求。

接受 TTA 旗下加速器輔導 縮短產品上市時間

從 2018 年切入數據中台領域至今，易開科技的技術能力已備受各方肯定，而 Canner 虛擬數據中台解決方案亦已順利打進金融、製造業、零售等領域，在台灣市場知名度快速攀升。此優異成績，除歸功於團隊努力之外，國發基金、Hive Ventures、SparkLabs Taipei等資金、技術支援，更是公司能快速成長的關鍵。

紀力榮說，易開科技的產品能在最短時間上市，關鍵之一在於 TTA 引進的國際知名加速器 SparkLabs Taipei 協助，提供多方面顧問服務與建議，順利縮短我們的學習時間與克服各種挑戰。我們認為，台灣在資料產業有絕佳的發展機會，易開科技將持續深耕資料領域，為全球企業提供最佳的虛擬數據中心解決方案。

本文原刊載於 TTA 雜誌 2021 年 7 月號，更多新創團隊故事歡迎至 TTA 雜誌瀏覽。

國發會亞洲矽谷執行中心與台杉投資共同主辦的VS Talk第九場座談24日登場，並邀請到全球新創生態圈推手Techstars執行董事鄭端儀主持，以AI為主題，由Hive Ventures分享台灣企業導入AI趨勢，也邀請Canner、ProfetAI、Ubiik等新創分享企業導入AI的實戰經驗。

新冠疫情襲擊全球，李彥樞說，在後疫情時代下，企業更重視的是如何在零接觸的狀況下，仍然能保持營運的彈性與韌性，而AI在其中更是扮演關鍵。事實上，58.6％的台灣企業已經進入AI「導入期」，代表絕大部分的企業已展開行動；更有近25％的企業已進入規模化階段。

不過導入AI，首先要有數據，Canner易開科技共同創辦人暨執行長紀力榮觀察，企業從數據來源到商業應用整個流程，需要花費非常大的時間與人力成本才能達到。為解決痛點，Canner開發的Canner加快企業整合數據的速度，把數據孤島連結，讓企業反應力加快50倍，讓企業部門準確地拿到想要的數據與資訊。

ProfetAI共同創辦人暨執行長黃建豪分享，AI時代來臨，製造業也面臨轉型課題，如何將過去由老師傅傳承的經驗升級，將是未來競爭力的關鍵。而企業導入AI時，常面臨無法決定「要用AI解什麼題目」的困境，ProfetAI看到此一痛點，開發出「一周內POC（概念驗證）模式，先幫企業做好AI題目快篩，把箭靶先畫好，才不會在導入時迷失方向。

物聯網新創優必闊（Ubiik）創辦人彭天豪則分享Ubiik自身的經驗，2020年Ubiik取得5.7億元標案，要在台灣六縣市布建35萬個智慧電表，透過導入自行研發的AI模型，別家公司需要花上數百人、數個月的時間才能完成的工作，Ubiik只要2天就能完成，所需的人力更是別人的兩成以下。他形容，AI就像是阿基米德的槓桿，善用AI將可幫助缺乏人力物力的團隊「play smart」，不只節省成本，還能做出比百人團隊更好的成果。

閱讀全文：https://ctee.com.tw/news/tech/521863.html

過去因為我們的資料散佈在雲端、地端，資料庫類型也不同，所以無論在數據分析、報表視覺化使用，亦或是資料科學家要建立模型時，都需要花費不少時間在資料的ETL，並且還需要事先規劃好資料模型以及資料的排程與更新規劃。現在有了Canner，它可以快速地聯結各種資料庫，無論是在雲端或是地瑞，並且可以用簡單的SQL語法將資料整合在一起，也能輕鬆的做好排程更新。大大節省了資料分析與應用的前置作業與時間，讓資料分析師與資料科學家可以更便利且更充裕的時間來應用。

Steven - 誠品 資料分析主管

雲地分離的痛 搬運資料就得花上好幾天

誠品的資料來源來自不同資料庫，儲存的地方有些在雲端，有些在地端，像是帳號中心、會員點數系統、舊的誠品電商交易系統，都在地端的 SQL Server 裡，而新的誠品線上交易資料、櫃位推薦 APP 交易系統，以及提供分析使用的 Data Mart 都是在雲端。

過去要分析這些資料時，都需要設法將資料統一匯整至雲端的 Data Mart 中，這其中需要花費許多人力與時間在 ETL 上。這些至少都是要花費 1-2 天，甚至 1 個星期的時間。

• 線上線下、各個不同的系統數據的整合
• 地端、雲端的資料庫數據的整合
• 建置 ETL 花費大量人力及時間，需花 1-7 天不等
• 資料很龐大又雜亂，浪費了 Data Mart 空間
• 資料散落在各個資料庫，管理不易

因為一個使用者需求，花費三個月以上的時間卻還不能滿足

一開始是依據 User 的需求建置了一個 Data Mart，從 Data Model 的設計到ETL程式的開發與測試，到最後的資料驗證與排程更新，前前後後大約花了 3 個月以上的時間。但是後來 User 的需求更深入且多樣化，再加上資料科學家加入了統計建模及 AI 應用，使得資料來源與資料量的需求越來越多，假如要用傳統的 ETL 將一般的交易資料轉進 Data Mart ，會擔心因花費不少時間上，無法滿足所有人的需求。

另外，在建立 Data Mart 時會依據需求來判斷來源資料是否有分析價值，有些資料一開始認為僅是記錄型資料，所以沒有規劃納入 Data Mart 中，但往往上線之後，User 突然提出了要看這類型的需求，以往這種資料很龐大又很雜亂且太類似流水帳，會覺得浪費 Data Mart 的空間，並且這樣的資料散落在各個資料庫之中，要整合在一起需要花費很多的時間與空間來整理與存放，對於這種資料就需要取捨是否要規劃至 Data Mart 中。

Canner快速整合異質資料源 滿足不同使用者分析情境與需求

Canner 標榜著可以快速整合不同的資料來源，並且能符合不同使用者與使用情境，再加上可以有不同的資料使用權限控管，於是就想說試著來使用 Canner。希望可以快速的整合不同資料來源的資料，不論資料庫在雲端或是地端，亦或是不同家的資料庫，都希望以最少的時間與最小的 effort 來統整資料，來快速的符合資料分析師與資料科學家對於資料以及 BI Report 的需求。

使用情境：雲地資料一次整合到位 加速報表與統計模型使用

目前誠品資料來源，地端包含舊誠品電商的交易資料、帳號中心資料、會員點數系統資料，這些都是 SQL Server。再加上雲端上有誠品線上(新EC)的交易資料、櫃位推薦系統以及 Data Mart 的資料，這些資料庫都是雲端資料庫。

誠品使用 Canner 將各個資料庫都設定好，依據不同的需求將 Table 連結 Canner 後，再使用簡單的 SQL 來製作成 Materialized View。之後將這些 Materialized View 串接到 Tableau Server 上供資料分析師製作視覺化報表，以及提供給資料科學家使用Python 建立統計模型與AI使用。

Next Step With Canner: 提供更多資料分析的彈藥庫

以資料工程師來說，過去希望在 Canner 整理好的 Materialized View 可以整合 ETL 來給其他資料庫使用。而Canner亦快速的提供了解決方案，讓誠品十分滿意。

以資料科學家來說，會想針對顧客因行銷活動而購買的統計預測模型，透過 Canner 整理好建置模型所需要的解釋變數及預測變數資料集，並透過其中的 Jupyter notebook 的排程功能建立視覺化的行銷活動描述性統計視覺化圖表進行定期的資料初步檢驗， 而進一步的模型建置會將 Canner 建置的Materialized View 串到自己環境的 Python 做處理。

想了解更多Galaxy summit 2022 回顧 誠品 完整資料調用讓 OMO 更有信心

易開科技（Canner）執行長暨共同創辦人 Howard Chi 表示，談到資料驅動的新零售策略，大致上需涵括四個重點，一是以資料為依據推動更精準的行銷、供應與銷售；二是由資料驅動決策，以適應市場和消費者變化；三是利用資料預測與分析新機會，得以快速執行；四是靠既有資料提高消費者的滿意度與信任感。

要想實現資料驅動的新零售策略，究竟該如何進行資料處理？Howard Chi 歸納六大趨勢，包括雲地端異質資料整合、更即時貼近市場數據決策、企業內部資料中樞（Single Source of Truth）、資料加值應用與再行銷活化、資料跨組織分享與協作，以及需求單位更快速找到資料及使用資料。

當企業已理解上述五大策略、六大趨勢後，更重要的則是需要執行新零售轉型步驟。對此，易開科技不論面對大型或中型零售業者、電商業者，都可提供幾個步驟建議，此即為「智能化階梯五步驟」，依序是收集資料、整理整合資料、分析處理、融合應用，及最後的大規模佈建。

「數據轉型絕非口號，需要有適當工具來實現，」Howard Chi 說，隨著資料進入、到 ETL、再到儲存，然後就出現斷層，只因無法將這些資料轉換成 Business Side 能理解的資料，因為他們的需求，絕不會和我在儲存資料時一模一樣。這時我們就需要一套能處理數據、融合數據的工具，就是「數據中台」，也就是透過企業內部一個數據公共中樞，把資料變成 Business 懂得的應用場景，以便於進行加值與使用。 只不過，要搭建一個新零售數據中台，其實不簡單。主要是因為數據中台的實作非常複雜，它的架構原本就複雜，還得應付不斷增長的數據需求，處理大量且異質的數據來源，並需要兼顧數據治理，所以有相當的困難性。

透過虛擬數據中台，直接將資料轉變為終端應用

某大型零售商過去也為前述難題苦惱，花很多時間整合雲地數據，所幸後來懂得在 AWS 上透過 Canner 搭建數據中台，總算化繁為簡，只需利用簡單 SQL 語法即可達到整合，將資料分析師、資料科學家及業務單位通通連結在一起，有更充裕時間去開創應用。

Howard Chi 表示，易開科技孕育的 Canner 資料調用技術，可將不同異質資料庫變成單一數據接口，讓應用單位輕易串接到 AI、BI 等分析工具，再針對終端應用程式進行優化。具體來說，Canner 提供數據加值、轉型、壓縮等功能，執行完後才進到 AI 或 BI 應用程式；另外它也能做到跨組織的數據管理，例如可限定部門或個人有權使用哪些部份的數據，並達到即時跨組織的數據分享。更重要的，它會為資料進行加值、標籤或註解，讓 Business 的人了解這些資料究竟代表何意義，而企業也可在中長期不斷沿用 Canner、透過同一平台運算更大量數據，而不需要擴張一整條 Data Pipeline。

企業只要透過三個步驟，即可完成 Canner 資料調用的建構。首先是連結數據，只要打上 URL、Username 及密碼就能接起來；其次可直接做跨系統的整合，把資料倉儲、資料庫、資料湖、檔案系統、雲地端數據全部整合在一起，中間還提供包含了權限管理、Metadata 管理、暫存數據管理、數據分享、虛擬 Data Mart、多階層的數據轉換、Log 紀錄、排程管理等完善機能；最後將整合完成的數據成果，輸出到 AI 或 BI 等各種工具，與此同時還能顧及中長期資料管理與治理需求。

Howard Chi 強調，Canner 足以協助企業加速 30 倍的數據產出，比起傳統建置模式省下 90% 安裝時間，讓過去一整條 Pipeline 需求，簡化為現今的一個數據中台。此外，過去需要建 ETL、資料倉儲、資料超市，才銜接 AI、BI 各種分析，現在僅需透過虛擬數據中台，即可直接把 Data Source 變為終端應用程式，加速企業的反應力及彈性。

Media

• 【AWS】易開科技打造雲端數據中台，由資料驅動新智能零售
• 【Digitimes】易開科技打造雲端數據中台，由資料驅動新智能零售

資料調用界面與 PostgreSQL 接口完全兼容，這意味著它可以支援任何支援 PostgreSQL 連接器的資料應用程序。這使企業能夠輕鬆地從各種來源調用和使用資料，無論他們使用的具體工具或應用程序是什麼。

「我們很高興為 Canner Enterprise 宣布這些新功能，」Canner Enterprise 的 CEO Howard Chi表示。「我們的目標一直是使企業盡可能輕鬆地調用和使用他們的資料，這些新功能是實現這一目標的重要一步。我們有信心，我們的客戶將會發現這些新功能非常有價值。」

Canner Enterprise 的資料虛擬化產品旨在幫助企業簡化其資料管理流程，減少整合和使用來自多個來源的資料所需的時間和資源。有了這些新功能，企業可以更輕鬆地調用和使用來自各種來源的資料，進而更容易獲得洞察並做出明智的決策。

有關 Canner Enterprise 的資料虛擬化產品的更多信息，請調用公司的網站或今天就與 Canner Enterprise 團隊的業務窗口聯繫sales@cannerdata.com。

隨著台灣企業對於數據應用重視程度逐步提升，但是企業如何得以「快速整合、安全調用、敏捷輸出」的進行資料分析工作仍是一大課題。「Canner」資料管理平台將「資料調用」區分為 3 大面向：資料管理、人員管理、輸出管理，作為研發核心，提供 6 種主要功能「異質資料庫連結」、「資料目錄建構」、「欄位再定義」、「五層權限控管」、「隱私資料遮罩」、「多格式輸出」，落實前述三大趨勢，讓數據工作流程最佳化。

以 Canner 為管理核心，打破數據孤島實踐企業數據中台

目前台灣已有部分金融、製造、零售、遊戲企業採用「Canner」，透過完整導入規劃，提升工作速度與資料調用安全性，實踐數據中台的架構。「企業經常困擾於數據孤島問題，即使現在大多數數據都可集中在數據倉庫內，但由於處理數據的複雜性和敏感性，如何平衡分析需求和數據安全仍然是企業的一大障礙。」易開科技 CEO 紀力榮表示。「這就是 Canner 的利基點，借助 Canner 的技術，企業各業務部門之間的合作協作可透過數據治理，強化其連接性，打破數據孤島，保證資料安全性和隱私性。」

「這就是 Canner 的利基點，借助 Canner 的技術，企業各業務部門之間的合作協作可透過數據治理，強化其連接性，打破數據孤島，保證資料安全性和隱私性。」

資料調用民主化加速分析數據，Canner 讓企業轉型更敏捷

「蜂行資本（Hive Ventures）在 2019 年投資易開科技的種子輪融資，我們的參與也表明對易開科技的商業模式保持信心。且數據將成為未來企業成功的基石，企業可透過 Canner 找到更有效的方法來調用和分析數據，以實現更敏捷的企業轉型。」蜂行資本創始合夥人李彥樞表示，隨著投資科技基金合夥人吳錦城也加入顧問群，希望透過其帶入成功企業家經驗，看見易開科技在數據解決領域引領潮流。

「大規模數據可用性和資料調用的安全與速度是企業數位轉型的重大障礙。台杉相信易開科技可望成為下一代商業智能應用和分析工具，並且擁抱開源生態圈，實現新興數據生態系統的民主化。」台杉投資科技基金合夥人吳錦城說。

預計推出 SaaS 與開源計畫，目標全球市場實踐數據革命

「Canner」目前不僅提供落地架構，更可支援 AWS、GCP 和 Azure 等主流雲服務，今年下半年計劃透過開源計畫(OSS)和提供 SaaS 兩種方式，提供開發者與全球客戶使用。合作夥伴部分，易開科技亦計劃與 Redshift、Snowflake 和 BigQuery 等全球雲數據倉庫提供商以及系統整合商合作，加快跨組織的雲數據倉庫(Data Warehouse)和數據湖(Data Lake)的使用，讓數據生態圈產生新革命的動力。

僅兩成企業重視數據，易開科技靠數據中台打造安全有效的數據使用環境

易開科技由紀力榮、張仲威成立於 2018 年，希望解決的是企業在數位轉型時碰到的數據孤島的問題。根據易開科技表示，到 2025 年，預計全球 75% 的企業將利用數位平台來擴展其數位價值與應用，然而目前只有 21% 的企業領袖將數據視為資本，顯然有段不小的差距。

儘管現在大多數數據都集中在數據倉庫中，但是要找哪些原始數據、如何把不同檔案形式原始數據轉換成可以相互使用的資料形式，一直是企業頭痛不已的地方，而且取出數據時需要將資料副本轉移到新的資料庫中，才能開始使用，也會增加額外的資安風險。 易開科技的核心產品 Canner 是一個設有多重訪問權的數據中台，不僅可以迅速整合所需要的數據，還可以同時保護資安。

Canner 以虛擬化的技術，提供了可以連接 MySQL、Oracle、MongoDB 等不一樣的資料庫的 API（可以視為水管接口），並設置多層數據訪問的授權制度，再以資料虛擬化的方式建構虛擬數據平台，一步驟處理數據轉換、暫存與計算等流程，除了降低資料外洩風險外，也能節省成本及時間。

「這就是 Canner 的利基點，借助 Canner 的技術，企業各業務部門之間的合作協作可透過數據治理，強化其連接性，打破數據孤島，保證資料安全性和隱私性。」易開科技執行長紀力榮表示。

相比於去年著重在快速取得資料，現在更強調要讓對的人取得對的資料，所以多了包含資料授權、資料隱蔽以及數據取得的紀錄等等新功能。

網路界傳奇吳錦城也加入，下半年將瞄準海外客戶

本輪資金運用，紀力榮表示將會聚焦優化 Canner 的三個層面：資料管理、資料溯源以及調用效能，更能符合台灣企業實際需求，下半年計劃透過開源（OSS）和提供 SaaS 兩種方式，讓功能的導入更具備彈性。

「例如中小企業可能不會一次導入全部的功能，所以先從小的功能慢慢導入，也比較好取得信任。」紀力榮說，藉由 SaaS 與開源的方式提供開發者與全球客戶使用，易開科技可以進而拓展自己的國際客戶。

「蜂行資本在 2019 年投資易開科技的種子輪融資，我們的參與也表明對易開科技的商業模式保持信心。數據將成為未來企業成功的基石，企業可以透過 Canner 找到更有效的方法來調用和分析數據，以實現更敏捷的企業轉型。」蜂行資本創始合夥人李彥樞表示

隨著投資科技基金合夥人吳錦城也加入顧問群，希望透過其帶入成功企業家經驗，看見易開科技在數據解決領域引領潮流。

吳錦城是一位連續創業家，4 次的創業都成功出場，包含 1995 年與陳五福一起成立、半年內被瀑布通訊（Cascade Communication）以 1.5 億美元買下的製造大型網路交換機的愛力思通訊（Arris Networks），以及 1997 年創立的箭點通訊（ArrowPoint Communications），由於網路設備巨擘思科（Cisco）看上了箭點通訊加速網路傳輸速度的關鍵技術，便以 57 億美元收購箭點通訊，這筆收購更創下麻州史上第二高收購案。隨後吳錦城創立的 Acopia Networks、Azuki Systems 也分別被 F5 Networks 和愛立信（Ericsson）買下，可以說是整個網路產業興起的重要推手之一。

「大規模數據可用性和資料調用的安全與速度是企業數位轉型的重大障礙。台杉相信易開科技可望成為下一代商業智能應用和分析工具，並且擁抱開源生態圈，實現新興數據生態系統的民主化。」台杉投資科技基金合夥人吳錦城說。

報導原文：https://meet.bnext.com.tw/articles/view/48860

Cheng Wu 的創業之旅始於1995年，當時他創立了Arris Networks，該初創公司開發了 High-density Internet Access 產品，並於 1996 年 5 月被 Cascade Communications 以 2.17 億美元收購。 1997 年，他創立了 ArrowPoint Communications，擔任 CEO，帶領公司成功上市。 ArrowPoint 於2000年以57億美元被 Cisco Systems收購，吳錦城先生擔任該公司的集團副總裁等多個高級職務。

2002年，吳錦城先生以 6,500 萬美元創立了Acopia Networks，該公司於2007年以 2.1 億美元被 F5 Networks 收購。同年，他以初創資本600萬美元創立了 Azuki Systems，專門從事寬頻無線多媒體數據傳輸軟件。 Azuki Systems 於 2014 年 2 月以 1 億美元的價格被愛立信收購。

憑藉著在科技行業的豐富經驗和專業知識，吳錦城先生將為 Canner 提供寶貴的見解和指導。他在成功建立公司方面的廣泛背景將對推動 Canner 未來的增長和成功至關重要。

Canner 非常高興歡迎吳錦城先生擔任顧問，並期待與他有一個豐富的合作。

誠品並不僅僅是一家書店、商店和旅館，透過線上線下數據整合，誠品能夠提供更多信心給其供應商，使其能夠更加積極地透過誠品進行銷售。當然，數據必須有價值，且必須確保僅有正確的人能夠獲得正確的數據。因此，在數據調用的過程中，誠品最關注的是安全性和速度。

對於前端業務需求方而言，需求是永無止盡的，且希望快速解決問題。然而，對於後端提供方來說，安全性才是最重要的。因為他們需要確保數據的安全性和準確性，並避免出現隱私問題。

誠品副總張鈿浤也提到，現在最大的 OMO 挑戰在於「人」和「組織」，與 20 年前泡沫經濟時期相比，現在的技術已非常成熟。這也使他相信「數位可以改變世界」。

但是，如何從傳統產業中瞭解數位技術的應用，並調整組織文化以擁抱新技術，仍是一個需要面對的挑戰。

Part 1

Part 2

擁抱數位與轉型的平衡，企業文化要有空餘跟容錯

張鈿浤副總提醒，企業必須要有空餘跟容錯的空間，必須從中思考如何取得平衡。 「數位」跟「轉型」是兩件事情，數位已經足夠成熟，但是企業要怎麼去擁抱「轉型」，張鈿浤認為是接下來一個重點。尤其對零售行業來說OMO是未來重點趨勢。然而，電子商務不只是管道，更是工具。誠品可以想像，為什麼消費者要去實體賣場或線上賣場的理由。

未來誠品會更強調，透過數據越了解消費者需求，分析線上行為與線下行為，去探索消費者在不同場域的需求，讓誠品給消費者帶來更多線上與線下的感動。

想了解更多：Eslite 誠品 雲地整合加速數據分析效率

資料的變革正在發生，基本上可分為三個層面，應用面、流程面、組織面。以應用層來說，BI不再只是視覺化，也包含更多層面的開發，不再只是報表呈現，例如建置資料科學的應用。第二個是流程，現在資料管理中正在流行「資料分析工程」，也就是說資料開發就如同軟體開發流程一樣，為了要讓資料管理可以規模化，一定會加強流程控管，讓開發成果更成熟。

最後是組織，是要透過組織將資料存取權限擴散到前線的應用單位，現在的資料大多都是資料集中化，因為資料調用不安全，所以設置各種人為管理流程。因為大家都想避免不安全發生。但是未來資料管理會更智能化，現在資料儲存是散佈在不同的儲存裝置內，管理相當需要人力，未來智慧化後可以更智能的示警，也因此企業更有信心可以將權力下放。調用效能技術，已經不是問題了，更重要的則是來自於調用管理，這也是Canner著重的部分。

解決資料調用障礙 連結、轉換、輸出缺一不可

Howard 分享到，現在企業導入 BI 跟 Data Warehouse ，但是後續將面臨整體調用速度障礙、大量資料庫管理等問題，應該要專注優化整體資料調用流程，才能真正解決資料分析師、資料工程師的工作障礙。

企業導入 BI 跟 Data Warehouse ，但是後續將面臨整體調用速度障礙、大量資料庫管理等問題，應該要專注優化整體資料調用流程，才能真正解決資料分析師、資料工程師的工作障礙。

Howard 也建議，企業要導入整體系統時，切勿忽略三大要點「連結」、「轉換」、「輸出」。連結，是透過建立單一平台進行異質資料整合與建立資料目錄，讓使用者做標籤與敘述，做到資料可搜尋性。 轉換則須注意提取資料同時，細緻權控與隱私遮罩，確保足夠的安全機制。最後輸出則要盡量滿駔不同使用場景不同工具，多格式輸出能力。

在許多企業現在對於數據團隊最常聽到又不太了解的詞莫過於「數據中台」這個詞，今天我們想要用不同的角度透過比喻的方式深入淺出帶大家一步一步了解，什麼是數據中台以及為什麼他這麼重要。希望透過今天的文章，大家可以了解大家想要解決的問題，以及該如何思考。

在企業內部的數據團隊就像是企業的中央廚房，企業內部的資料庫以及資料倉儲的資料儲存的方式有很多像是廚房的食材有很多種儲存方式冷凍、冷藏與常溫倉庫依照不同的食材儲存在不同適合的地方；點餐就像是，企業內部不同的業務單位向數據單位請求資料；清理與加工食材就像是企業中的 MIS 與數據團隊整理與整合資料透過 ETL 與資料運算；最後送餐給客戶，出餐給客戶有很多情境包含是預約、料理包、內用、外送、還是自取等不同的出餐情況處理方式都不一樣，就像是在企業內不同單位使用不同的應用系統如：BI 軟體、資料分析軟體或是 Excel 等。

透過新的資料架構概念來達成這整個流程的自動化並且能夠規模化使用，在資料量級更大、人員更多及應用需更多元的情況下還能夠有效率的使用，這就是數據中台。

數據中台的概念

企業內部的資料儲存以及隨著業務與部門需求的複雜度增加所儲存的資料與量級都會增加，不同的原始資料在清理與加工上處理的方式不一，最後還需因應不同的資料使用者的使用需求去提供給他們要資料。

數據中台一般包含了資料如何「收集」、「儲存」、「整合」、「使用」。在建置符合您企業內部數據中台架構時，需要很清楚地了解到企業內部通常收集的資料為何，使用哪一種儲存的解決方案最符合成本與效益；不同的業務單位的平常性需求為何，以及使用者希望能夠可以使用在那些情境中，並針對這些情境做到優化。

數據中台最大瓶頸：資料權控

數據中台最難解決的關鍵設計之一就是資料權控，企業可能因應不同的情況則不同的資料儲存與應用工具，但是這些儲存與應用工具都有自己的權限控管機制。在資料權控上有很明顯的斷層與不一致問題。例如：使用 BI 與分析工具的資料使用者，通常無法直接進資料庫中取資料，需要透過 MIS 與 IT 輸出到特定的地方或轉換成特定的檔案他們才能夠取得。

在不同的儲存與應用系統間，資料的權控管理如何在同一個平台中？並且具有統一的軌跡紀錄的能力。在沒有安全且可監管的資料權控設計在各個不同系統之間，那就無法達成數據中台的願景。

統一授權機制後，資料流程上的挑戰

企業內部的現代化資料調用的目標：

讓資料使用者能夠找得到資料，使用時同時兼顧安全與取用效率

現在大部分企業拿資料的流程，應用單位想要取用一個資料的流程：

1. 需求者需要先找到資料擁有者，可能在 IT 或是 MIS 的哪個人手上有這個資料。
2. 跟資料擁有者索取資料集，資料擁有者手上的這張表有部分欄位需要過濾或是遮罩，才能給特定的團體或是個人使用。需要透過某種方式把欄位遮蔽，遮蔽後輸出。
3. 如果使用者想要在 Excel, BI 或是 API 的方式取得，就需要在看用什麼方式實作讓使用方得以在工具中取得資料。
4. 最後在會依照使用頻率做優化處理，或是自動化(每日、每週或每月)。

當未來資料的取用規模到數十個不同的部門與單位，規模化的調用流程會是企業最大瓶頸。在企業端我們常聽到資料的取用通常會花上數日或數週的時間，最大的挑戰在於如何自動化與流程化整個資料調用的體驗與使用。

統一資料權控平台：資料調用層

Canner Enterprise 資料調用平台，是為了幫助企業解決在跨異質資料集以及資料應用工具間的資料調用挑戰，統一各系統間的資料權控問題 Canner Enterprise 支援超過 20 種不同的資料庫、資料倉儲、資料湖等資料儲存技術，並且針對不同的應用工具做最佳化的輸出優化。

透過 Canner 的資料虛擬化功能得以快速連結，統一的資料安全管理設計讓不同的儲存運算層上能有一致的權控機制，最後在不同的應用工具中能夠把資料的授權機制延伸至應用工具系統中，讓在資料應用工具中的操作使用軌跡能夠完整的紀錄在單一資料調用平台中，解決數據中台最大的資料權控挑戰。

高雄市長陳其邁表示，亞灣區除了讓很多新創公司實現夢想，將新的解決方案不僅在地利用，更能跟國際市場接軌，一方面落實觀念的驗證，二方面進化到商業模式與服務模式的驗證。

微軟指出，微軟新創加速器已正式邁入第三屆，已培育32家新創團隊，獲得創投企業 3 億 8 千萬資金挹注，創造超過 5 億 3 千萬的商機規模。微軟期待將新創種子，帶到高雄科技沃土腹地。

Canner 共同創辦人暨 CEO 紀力榮表示，本次參與亞灣新創園最主要希望能服務中南部的製造業者，期望可透過 Canner 資料調用管理平台，讓製造業更有效的管理生管、原料、銷貨等等數據，更快速洞悉從產線到銷售現場的數據機密，面對疫情不穩定的狀況下，依舊可利用可靠的數據，進行最佳商業智慧決策。

透過 Canner 資料調用管理平台，讓製造業更有效的管理生管、原料、銷貨等等數據，更快速洞悉從產線到銷售現場的數據機密，面對疫情不穩定的狀況下，依舊可利用可靠的數據，進行最佳商業智慧決策。

Canner 資料調用管理平台，透過資料虛擬化技術，讓企業面對異質資料源皆可以一致性、零搬運的調用，讓資料調用不再需要大費周章。同時將分析主導權更貼近業務應用單位，提供自助式工作區搭配業務性標籤，使用者得以更簡易、快速的完成各式資料應用。

數據的邊界逐漸從原本資料庫本身，逐漸延伸至資料應用端，讓人與組織都能夠使用。企業內部複雜的原因有三個主要部份『資料儲存、人員、資料應用工具』；在不同的場景中有最適合的資料儲存方式，企業內部人員有階層性、交互性資料可以從不同人員做授權，資料應用工具有營運層面、分析層面、預測層面。這三個面向造就資料企業數據根本的資料複雜性。

資料調用困難及實踐？

首先我們先來看最基本的目標，資料調用的初衷，就是：

讓資料使用者找得到資料，並且馬上使用。

您可能在想，在公司沒有導入資料調用層，不同的部門需要資料還是都拿得到呀？是的，但我們回想一下過去現在企業拿資料的流程，應用單位想要取用一個資料的流程：

1. 需求者要先找到資料擁有者，在 IT 或是 MIS 的哪個人手上有這個資料。
2. 跟資料擁有者索取資料集，資料擁有者手上的這張表有部分欄位需要過濾或是遮罩，才能給特定的團體或是個人使用。需要透過某種方式把欄位遮蔽，遮蔽後輸出。
3. 如果使用者想要在 Excel, BI 或是 API 的方式取得，就需要在看用什麼方式實作讓使用方得以在工具中取得資料。
4. 最後在會依照使用頻率做優化處理，或是自動化(每日、每週或每月)。

要達成以上這句目標，並不容易，資料到應用中經歷了重重關卡。

首先從左而右，異質資料來源需要先進行同質化；資料授權能夠與應用端組織一致化並針對資料欄、位、表，針對使用者的用戶資料去做遮罩與過濾；讓資料賦予業務意義與定義，透過資料產品化加工；最後針對不同的應用工具優化、追蹤並輸出。

一個完善的資料調用平台，須解決資料異質性、可用性、資料授權、資料應用多元性。

為什麼需要資料調用層 (Universal Semantic Layer)？

當公司內有不同部門與人員調用資料這個需求可能疊加至數百或數千的需求，人力成本與時間瓶頸最終會開始堆加累積，變成未來需求都需要等數週或數月才能取得需要的數據。

這樣的工作流程很明顯的流程挑戰在於『資料調用流程』。過去我們為了要把資料安全並且有效率的方式拿給需求方，最後當資料到他們的手上的時後已經是過時，或是因為溝通上的落差，調出的資料與使用者的認知不一致，到最後資料完全錯誤。

如果有個工具能夠把資料的異質性同質化，支援資料授權機制滿足企業內部組織架構，並且針對不同應用做最佳化。就能解決資料調用的瓶頸。

所以企業需要一個解決『儲存、人員、應用』三個複雜維度的資料調用層。

完善的資料調用層

完善的資料調用層，包含了四大設計：

1. 資料虛擬化

透過資料虛擬化技術，首先系統支援多種異質資料連結器，讓異質資料儲存同質化，不論資料儲存在各種不同的資料儲存技術，包含資料湖、資料倉儲、SQL 引擎或是資料庫等，都可以透過資料連結器同質化在一個一致的資料介面上操作。

最後在資料運算時能在資料『零搬移、零複製』的情況下，把資料在運算記憶體中運算完成後直接輸出到應用端。

2. 資料產品化

在資料做加工變成，可以應用的數據的過程包含賦予他語意上、情境化的數據，叫做資料產品化。數據轉換層將指標 (Data metrics) 加入商業語意 (Semantic)，讓資料集具業務性輪廓，讓資料賦予應用端語言，應用端使用者能夠定義、查找、並且理解資料來源與品質。

3. 資料安全管理

當資料從源頭的資料源權控，對接到企業內部的 Identity and Access Management 身分識別系統 (IAM)，並且針對不同應用軟體中的資料權限管理，需透過一層資料安全管理層做串接，讓資料能夠與組織內部的權限管理進行整合。

4. 自助式調用

透過廣泛支援的資料輸出方式，在各種不同的業務場景所使用的工具，無論是營運性、分析性、整合性工具都能夠過單一平台進行優化，並且讓使用者能夠自助式管理。

成效

透過統一的資料調用層，能夠大幅降低企業內部資料調用的複雜度與人力成本。

1. 資料調用從原本數日到數分鐘，異質資料的透過連結快速同質化，讓資料整合的成本下降 60% ，幫助企業的數據反應力與競爭力大幅提升，決策可從數日到數分鐘。
2. 減少實體搬遷資料，不需要為了資料遮罩以及過濾另外萃取資料集，減少資料儲存與提高安全性，減少 40% 以上的實體搬遷資料需求。
3. 增加資料應用方式，對企業未來要採用 AI, ML 或是進階分析工具像是 Jupyter notebook 可以共享數據，減少超過 80% 以上的資料重工與優化成本。
4. 資料授權動態化，提升資料工程師資料調用效率，透過資料調用層，能夠讓應用端人員對於資料集更透明，提升 4 倍資料工程師對於企業內部工作效率的提升。

回溯 BI 效能瓶頸原因

BI 工具如 Power BI 、 Tableau 都為此各有相關的資料供資料分析師優化，例如：去除資料雜質、降低圖表複雜度，格式欄位都要一一調整。

以下圖來看，很多公司直接把 BI 工具連結在各種資料儲存之後，所以異質資料整合並且同質化、跨資料集格式轉換、以及為了要給不同使用者不同的資料及，需要在 BI 中重複複製相似的資料集遮罩、過濾後授權給不同單位的人查看。

資料整合、轉換、複製、授權、過濾、遮罩這些資料運算相關能力都需要 BI 本身的效能運算來達成。因為此原因，所以 BI 軟體花了很多的資源不是在資料的呈現，而是在做『資料運算』，讓 BI 很快就會遇到效能上的挑戰。

BI 加速分離運算與呈現

Canner Enterprise 作為資料調用管理平台，讓資料再進入到 BI 之前把資料整合、轉換、授權、過濾、遮罩資料作業都完成，大幅降低需要在 BI 中需要額外運算的資源。

Canner Enterprise 加速 BI 呈現，透過以下主要功能：

1. 資料虛擬化： Canner 提供 20 種以上異質資料連結器，讓儲存資料同質化，包含資料湖、資料倉儲、SQL 引擎或是資料庫等，都可以透過 UI 介面上操作。 能讓資料『零搬移、零複製』的情況下，大數據運算完後推送到前端呈現。
2. MPP 平行式加速運算：Canner Enterprise 基於 MPP 設計架構，將數據分散到多節點運算，讓資料不會受到大數據量級的瓶頸。
3. UI 操作過濾與授權：針對不同的使用者以及群體，不需要再複製多種類似的資料集，為了給不同的群體使用與操作，透過 Canner Enterprise 資料管理員，能夠讓每個人看到不同欄位等級的資料集在不需複製資料的情況下。
4. 資料壓縮推送 (Data Push) ：透過 Canner Enterprise 的 Data Push 功能，針對特殊的 BI 軟體，能夠先在系統中先做壓縮在同步至 BI 軟體中例如：使用 Tableau，Canner Enterprise 會先把資料轉換成 Hyper File 主動的推送同步到 Tableau 中，讓佔用 BI 系統中資源極小化。

讓 BI 以外的應用工具，共享資料加速

透過 Canner 作為 BI 加速器，先行進行資料整合、轉換、複製、授權、過濾、遮罩，可大量降低 BI 工具所需高運算量的依賴。讓企業內部 BI 以外的資料分析工具像是 SAS、R、Python 或是 AI 軟體都能夠共同應用處理後的資料，不需要額外在這些系統中去重複加工數據。

資料倉儲的設計就像是我們在現實生活中大型的倉庫一樣，為了容納大量的資料而設計的資料儲存方式。讓資料量在非常大量的時候還是能夠快速地找到與使用。

資料倉儲專案建置的挑戰

資料倉儲的建立，首先會把所有不同地方的資料透過 ETL 工具輸入到資料倉儲中，在此同時您需要在資料倉儲中定義 schema 與 Denormalized (反規範化) 資料，讓資料在後續的應用上可以從一個完整的大表中直接快速分析取得結果。為了達到此會需要解決以下挑戰：

1. 應用單位需求來源盤點：針對此建立對應的資料萃取流程
2. 需求建立資料倉儲中的 schema：資料表在資料倉儲中要如何建立
3. 資料取用的場景：針對常見的使用場景為了要優化搜尋速度與降低成本，會特別針對資料做指標 (Dimensions) 以及衡量 (Measures)。

維護資料倉儲才是最大的挑戰

在建置資料倉儲上，最大的挑戰不是建置，而是維護。要如何在未來業務與需求不斷新增與刪減或變化時，同時能夠保持資料倉儲儲存與運算上，能夠反映業務變化的需求。常見問題如下：

1. 資料輸入流程改變：資料要如何流進，歷史的資料格式如何與新的資料格式合併。
2. Schema 調整：業務端使用者所需要的表格有更多的需求，這時候就會在既有的 schema 中，新增或修改欄位。要如何確認資料倉儲中，所有相對應的資料集 schema 都有同步更新？
3. 針對不同應用場景：需要有更多面向的資料集，包含如企業內部有 20 個不同縣市的主管，要如何在資料倉儲中為了這 20 個不同縣市的相關人員給予他們能夠查看的資料集？

資料虛擬化搭配 ETL，完美滿足企業各式資料情境

企業中的資料在不同情境下，最適合的處理解決方案。資料虛擬化可以幫助企業把資料小至大量的資料快速整合。

搭配資料虛擬化，降低 80% 以上的時間與人力

透過資料虛擬化技術，在串接資料源以及資料快速的迭代的情況，比起以往使用資料倉儲等服務更彈性且方便，滿足企業在講求資料快速反饋的需求。

Canner Enterprise 作為資料倉儲前哨站：

Canner Enterprise 能夠讓企業同時兼顧彈性整合與大量資料分析能力，主要特點如下：

1. 資料虛擬化整合資料：資料不需要搬移的情況下，直接連結資料庫或資料倉儲，就能夠跨資料集的做運算。減少建立資料輸入流程以及手動建置 schema。
2. 定義商務性語意：透過添加資料標籤、描述，讓資料更具貼近業務分析語言，讓業務單位能夠自己找到想要的資料並且使用。
3. 資料安全管理：透過 Canner Enterprise 企業不需要因應不同的使用者與使用單位，建置不同的資料集在資料倉儲中。透過 Canner Enterprise 進階授權機制，能夠在不需要建立實體的資料集讓不同的企業成員拿到不同的資料集。
4. 自動優化輸出：針對不同的應用場景，Canner Enterprise 有內建不同的優化方式，在您使用不同的接口方式自動優化。

數據分散、應用價值差：企業缺乏整合多個系統、跨平台資料的技術能力，導致重要資訊被零散在各個地方，無法有效應用於業務決策中。

營運策略與數據指標缺乏一致性與邏輯性：企業常常從技術面出發進行分析，但分析內容與商業目標不一致，無法用數據分析結果驅動營運決策。

為了解決這些問題，Canner 提供低門檻且易用的資料調用服務，協助零售企業成功邁向新零售轉型。下面我們通過幾個品牌客戶的應用案例，介紹 Canner 如何幫助企業整合分散的數據、實現一致性的數據分析並順利實現新零售轉型。

在過去的十多年中，這些零售企業從實體門店發展至線上電商、APP 會員經營等通路。由於資訊系統建置時間跨度大、新舊交雜且分散在不同系統中，數據存儲也分為地端和雲端，包括門市交易系統、會員點數資料庫、電商中心、線上交易資料庫和會員APP系統等。這些系統負責單位不同，涉及的營運單位也很複雜，因此整合所有系統到雲端不切實際。

現況困境

對於業者而言，除了系統整合問題，資料流通暢也是非常關鍵的。過去，數據團隊為了實現資料整合，必須根據不同單位的需求，進行 ETL Pipeline 的開發。具體而言，整合流程通常包含以下步驟：

從雲端系統中撈取需要的資料，並將其儲存至整合用資料庫中。 地端系統需要先將資料下載成檔案，再透過 FTP 進行傳輸，最終存儲至整合用資料庫中。 在整合用資料庫中，進行資料彙整及清理。 如此繁複的流程，只是為了取得正確的資料。每個 ETL 程式的開發時間，至少需要三至七天以上。

由於不同系統中的資料格式不一致，以及各種不同的資料源，整合這些資料常常需要複雜且冗長的程式碼，而且需要不斷地維護和更新。而且在整合過程中可能會發生錯誤或丟失資料，從而導致分析失準或決策出現偏差。這些問題都會影響企業的決策效果和競爭力。

應用成果

使用 Canner Enterprise 後，企業能夠在幾分鐘內成功連結來自 6~7 種跨平台、跨系統、跨雲地端的異質資料，包括 PostgresSQL、MS SQLServer、CSV、JSON 等多種檔案格式。透過數據虛擬化技術，企業無需搬遷原始資料或建立更多的中介系統，不但能夠最小化對既有營運的影響，還能節省數百萬元的雲端建置成本。

使用 Canner Enterprise，數據工程師就像擁有一個完整統一的虛擬資料倉儲中心，收到分析需求後只需在 Canner Enterprise 工作區中下一個 SQL 查詢，即可調用來自跨系統的資料集或欄位，無需額外花費時間調整欄位型態等格式，直接運算整合。對比傳統的 ETL 開發，使用 Canner Enterprise 的數據工程師可以在短短 30 分鐘內完成以上工作，工作效率提高了 5 倍以上。

此外，Canner Enterprise 還提供了一系列的工具和界面，方便企業用戶進行數據分析和報告。使用 Canner Enterprise，企業可以更快速、更準確地進行數據分析和報告，從而提高決策效率和企業競爭力。

下一步

• 【零售實例】如何運用資料授權 驅動跨團隊協作
• 【零售實例】如何擺脫慢 BI 加速產出分析報表

現在企業數據越來越多元複雜散佈於企業不同的來源與系統中，要如何透過統一的平台取得散佈在這些系統中的資料，變成企業越來越大的挑戰。企業需要有新的方式來輔助他們達成，於是出現了『Data Fabric』的架構。

什麼是數據經緯 (Data Fabric)

根據 Gartner 的文章定義， Data Fabric 架構是實現現代化數據管理與整合的關鍵技術。

Gartner 針對 Data Fabric 定義如下：

來源自 Gartner Data Fabric Architecture is Key to Modernizing Data Management and Integration

主要功能如下

• 虛擬層在既有資料架構之上

  Data Fabric 能夠在既有的資料架構以及資料來源上，連結不同的資料及不論他是在地端、公有雲端以及私有雲端，就能夠成為單一的資料接口調用並且使用資料，讓散亂在各地的資料能夠透過虛擬層合而為一。

• 強大的資料輸出與優化

  透過 Data Fabric 使用者可以針對不同的應用工具像是 BI, AI 與各式的分析工具中使用資料。

• 元數據目錄與管理

  其中 Data Fabric 最重要的功能之一就是元數據目錄的管理，讓資料能夠被搜尋、可下載，且讓企業內不同部門的人更容易取得資料並且透過他們的平日業務術語使用資料。

• 彈性的資料模型與轉換

  針對不同的應用場景與使用者，可以快速的產製不同面向的資料模型以及 Dimension 資料集，讓資料能夠依照不同的應用場景做最佳化的輸出，不需額外建立多個資料表在資料庫中。

• 資料共享與安全

  資料共享在企業組織內部以及跨單位分享是個大挑戰，其中最大的挑戰是如何讓資料從資料集中透過細緻與完整設計的資料安全管理系統，讓使用者能夠針對不同的群體與個人，做到表、欄位等級的權控。

Data Fabric 可以讓人打破過去的工作流程，透過快速建置虛擬層就能夠透過單一平台查看資料、轉換、整合到應用工具。

透過 Canner Enterprise 實踐 Data Fabric

Canner Enterprise 資料調用管理平台透過資料虛擬化、資料產品化、資料安全管理、自助式調用四大功能，達成企業 Data Fabric 架構。

1. 資料虛擬化：透過資料虛擬化技術達到零搬運、零複製的資料調用，即時的大數據資料運算。
2. 資料產品化：使資料集具有業務性，讓資料分析師與資料使用者，可透過業務語言於資料搜尋引擎中查詢、調用。
3. 資料安全管理：將授權管理、遮罩方式、軌跡記錄統一管理，讓資訊人員與資料分析人員可於單一平台協同合作並自動化管理，減少人員異動所造成的管理風險。
4. 自助式調用：提供不同應用工具的最佳輸出格式，讓使用者可自由選擇習慣的應用工具，可以最佳化輸出使用。

透過 Canner Enterprise 您不需要改變既有的資料架構，透過單一平台統一資料接口，並且整合所有異質資料源與應用工具的權控管理。

隨著網路和數位化的革新，零售業者從純電商或傳統實體店紛紛走向線上線下虛實整合，消費者也更加熟悉在各種通路間進行選擇，例如線上下單、門市取貨，使用APP領取實體店的優惠券，以及線上線下會員整合，同步累積點數等。如何緊密整合不同通路間的資訊與策略，避免各自獨立運作，也就是所謂的「全通路」經營模式，成為零售業者重要的課題。

然而，在我們與零售業者客戶的合作經驗中發現，即使很多老闆具備新零售思維，也努力推動轉型全通路經營，但實際執行時卻馬上遭遇卡關。通常，遇到的最大瓶頸是如何打通所有通路間的資訊，實現真正的 OMO (Online merge Offline) 整合。

零售業者經常面臨的困境是，不同通路間的資料儲存在不同系統中，資料格式也不同，且無法準確匯總和比對。這些困境使得零售業者無法快速地獲取整合的資訊，從而無法做出準確的決策和提供更好的服務。

三步驟實踐資料驅動的 OMO

第一步：串接跨域資料源 打通資料流整合

實現資料暢通，讓各個系統的資訊同步，看似簡單，但實際上卻非常困難。企業常常因為現有的資料庫系統建置分散、系統過舊、資料機敏性等因素，而無法順利將資料搬遷或上雲整合。例如，起家於實體門市的品牌，可能有 POS、ERP 紀錄即時進銷存資料，而後又跨足線上購物，多了官網、APP 商城等資料來源。此外，原本門市會員與線上會員可能儲存在不同的系統中，要串接這麼多系統本身就是一大挑戰，更何況有些系統架設在地端機台，有些則架設在雲端環境，整合上更是難上加難。

為了解決這些問題，Canner Enterprise 採用了資料虛擬化技術。通過這種技術，業者無需花費大量成本搬遷資料或建置更多的客製化系統。只需幾分鐘就可以連結跨平台、跨系統、跨雲地端的異質資料，大大降低了數位轉型的門檻。而由於虛擬化的特性不會影響企業原始系統的資料，因此導入過程中可以最小化對既有營運的影響。Canner Enterprise 的語義層技術可以自動解析不同系統中的資料，轉換為統一的格式，提供了易用的界面和工具，讓資料工程師可以輕鬆地進行資料分析和報告，從而提高企業的決策效果和競爭力。

第二步： 零資料複製行為 加速銷售分析節奏

過往為了同步優惠資訊，工程師每天都要花大量精力在各個系統中新增跟刪除重複的活動資料，且這些優惠的使用紀錄又分散在電商、 APP 與線下交易系統中。即使資料團隊想要分享活動的成效資料給行銷團隊，等到資料整理好，早就跟不上活動多、效期短、調整快的行銷策略。

現在透過 Canner Enterprise 將各系統資料連通以後， 資料團隊不再需要浪費時間在處理系統間的重複資訊，而是專心於資料管理以及應用加工。工程師可以快速將線上發送的優惠資訊整合會員線下的使用紀錄，並且在資料來源中標記好行銷用途，再擷取或運算為方便行銷團隊取用的資料表。行銷團隊也無需花費漫長的流程在溝通跟等待工程師準備資料，利用熟悉的商務語言即可輕鬆搜尋並調用到需要的成效分析資訊。

第三步： 提升 OMO 資料戰力資料直達多元行銷工具

當 Canner Enterprise 成功打通企業全通路的資料，企業團隊之間的協作流程效率也得到了提升。商業分析應用需求回歸到領域專家端，行銷團隊便能夠開始發展各種行銷策略，例如精準投放和會員經營。同時， Canner Enterprise 串接調用的資料也可以直接交換至 Excel、BI 工具和分析應用軟體，使團隊同仁能夠隨時查看行銷成效分析報表，及時應對市場的變化。

舉例來說，使用 Canner Enterprise 後，業者的行銷團隊可以透過整合的數據進行精準投放，根據不同平台的使用習慣，進行不同的行銷活動，從而提高業績。同時，由於 Canner Enterprise 可以自動整合各種系統中的資料，因此團隊同仁可以輕鬆地建立報表，追蹤關鍵指標，並對行銷策略進行調整和優化。此外，Canner Enterprise 還提供了一個易用的界面和工具，讓數據工程師可以輕鬆地進行數據分析和報告，從而提高企業的決策效果和競爭力。總之，Canner Enterprise 的語義層技術不僅可以解決企業數據整合的問題，還能為企業團隊帶來更高效的協作流程和更精準的行銷策略，助力企業在數字化時代取得更大的成功。

下一步

• 【零售實例】如何快速整合門市與電商資料
• 【零售實例】如何運用資料授權 驅動跨團隊協作
• 【零售實例】如何擺脫慢 BI 加速產出分析報表

Canner Enterprise 是一個資料調用平台，可以為製造商提供來自多個源頭的統一資料視圖，無論其格式、位置或結構如何。通過 Canner Enterprise，製造商可以輕鬆調用和整合來自各種系統的資料，例如 ERP、CRM、MES 等。

製造商在資料管理方面面臨著眾多挑戰。例如，在競爭激烈的市場中，製造商必須不斷優化其運營以降低成本並提高生產力。Canner Enterprise 可以幫助製造商調用和分析來自各種生產系統的實時資料，使其能夠識別影響生產力的低效、瓶頸和其他問題。

今天的資料挑戰

製造業缺乏資料虛擬化的情況下可能會面臨著與資料管理和調用相關的若干困境。以下是製造業在沒有資料虛擬化的情況下面臨的一些重大痛點：

1. 資料孤島: 製造系統產生了大量資料，這些資料往往存儲在孤立的資料庫中，使其難以調用和分析。這可能導致操作的碎片化，製造商可能會錯過有價值的見解和優化機會。
2. 複雜的整合: 整合來自各種系統的資料可能是一個複雜和耗時的過程，特別是如果系統使用不同的格式或協議。製造商可能需要開發自定義的整合解決方案或依賴手動資料轉移，這可能會出現錯誤和低效。
3. 資料複製: 在許多情況下，製造商需要在多個系統之間複製資料，以確保所有團隊都可以調用所需的信息。這可能導致資料複製、不一致和錯誤，這使得難以信任和依賴資料。
4. 有限的調用: 某些團隊或決策單位可能無法調用資料，這導致孤立的決策和錯過優化的機會。在某些情況下，製造商可能需要提供資料重複搬移與調用資料或需要特殊技術才能調用資料，這限制了資料的可用性。
5. 緩慢的資料檢索: 沒有資料虛擬化，從各種系統檢索資料可能會很慢和耗時。製造商可能需要執行多個查詢或等待手動資料轉移，這會減緩決策速度並阻礙運營效率。

製造業中使用資料虛擬化的情境：

資料虛擬化是一種允許企業調用和整合來自多個源頭的資料而不必實際移動或複製資料的技術。在製造業中，資料虛擬化可以用於各種方式來改善資料調用、整合和分析。以下是在製造業中使用資料虛擬化的一些情境：

1. 供應鏈管理: 製造商可以使用資料虛擬化來整合來自各種源頭的資料，例如供應商、物流提供商和內部系統，以獲得更全面的供應鏈視圖。通過虛擬化資料，他們可以快速輕鬆地調用實時資料，執行模擬和分析，並做出更明智的決策。
2. 生產計劃: 製造商可以使用資料虛擬化來調用和整合來自各種生產系統的資料，包括機器傳感器、車間系統和質量控制系統。通過虛擬化資料，他們可以快速分析生產資料，識別模式並優化生產流程。
3. 品質控制: 製造商可以使用資料虛擬化來整合來自各種質量控制系統的資料，包括生產系統、供應商系統和顧客反饋系統。通過虛擬化資料，他們可以快速識別質量問題、追踪質量指標並改進其質量控制流程。
4. 資產管理: 製造商可以使用資料虛擬化來整合來自各種資產管理系統的資料，包括機器傳感器、維護系統和庫存系統。通過虛擬化資料，他們可以快速分析資產性能、追踪維護要求並優化資產利用率。
5. 銷售與行銷: 製造商可以使用資料虛擬化來整合來自各種銷售和行銷系統的資料，包括客戶資料庫、市場研究系統和社交媒體。通過虛擬化資料，他們可以快速分析客戶行為、識別趨勢並改善銷售和營銷策略。

圖一、大中華區 AI 新創代表性企業

The market of AI startups is driven by localization, democratization and business value.Here are three forces driving the market direction of AI startups in Greater China:

1. China government’s policy

2. Democratization of AI technologies to accelerate adoption

3. Business value focus shifting from AI use cases to AI contributing to digital solutions

《大中華區  AI  新創公司市場指南》報告中指出， AI 新創公司市場受本地化、民主化與商業價值所驅動，尤其隨著AI技術逐漸可以低成本實踐民主化，加上 No-code, Low-code 技術增多，加速企業內部更多角色 (數據科學家、業務分析師、開發者) 得以使用，最終將有更高終端用戶可及性，也代表著規模化的趨勢勢在必行。就此趨勢來說，「資料調用」將會是規模化後是否可順利運行的重要關鍵。

圖、AI新創企業四種分類

Canner 共同創辦人暨執行長紀力榮表示，隨著企業分析規模擴張，調用資料從源頭授權、加速運算、輸出應用這幾個重要節點皆有可能產生阻礙，包含授權需要大量人工設定管理、加速運算效能不足、輸出應用格式不一，再加上人員調用軌跡都會是接下來面臨的問題。而 Canner 即是看見這些痛點，投入研發打造 Canner Enterprise 資料調用管理平台，可以一站式解決調用障礙。

入選強化AI科技 零搬運、零複製協助企業調用高品質資料

本次 Canner 以 「強化 AI 科技」(AI-augmented technologies and applications) 納入報告中，透過「零搬運、零複製」的資料虛擬化技術，與現行 ETL 工具不同，無須排定排程搬運、無須大量儲存空間，於平台中可即時彙整出高品質訓練資料與分析資料，提供 AI/ML 模型訓練更好的基礎，加強企業 AI 準確度與分析應用速度，亦可成為打造數據中台的基礎架構。

安全、快速、標準化 Canner 協助企業達成資料共享

面對變化萬千的消費者客群，「資料共享」是各產業逐漸朝向的趨勢，「Canner 資料調用管理平台」是基於「資料虛擬化」技術，發展四大設計支柱：異質資料調用、資料授權、資料產品化以及自助式調用，讓企業從資料整合到輸出應用一站完成，且可擴張使用規模，讓更多終端資料消費者(各領域業務人員)加入更多專業知識分析。

• 了解更多零售場景 :　【零售應用】 OMO 轉型的下一步：整合各通路資料 儲備數據洞察力
• 了解更多資料虛擬化技術：資料調用四大設計

幸運的是，有一種可以簡化金融機構資料管理和調用的解決方案——資料虛擬化。而資料調用層 Canner Enterprise 就是這項技術革命的前沿。

Canner Enterprise —— 資料調用平台

Canner Enterprise是一個強大的資料調用平台，利用資料虛擬化技術，允許金融機構從多個來源調用和管理資料，無論資料的格式、位置或結構如何。這意味著金融機構可以輕鬆調用來自各種系統的資料，例如核心銀行業務、CRM、風險管理和合規系統等。

使用 Canner Enterprise，金融機構可以解決許多金融問題，例如金融控股、保險、銀行、證券等。例如，在金融控股公司中，資料分散在各個業務部門和系統中，使得難以獲得組織運營的完整視圖。Canner Enterprise 可以提供組織資料的統一視圖，使管理人員能夠做出更好的決策並識別潛在的風險和機會。

在保險業中，資料對於風險評估、承保和理賠管理至關重要。Canner Enterprise 可以為保險公司提供客戶、保單和理賠的360度視圖，使其能夠提供個性化服務並簡化理賠處理。

對於銀行來說，合規是一個關鍵問題。Canner Enterprise 可以幫助銀行調用和管理來自各種來源的資料，例如反洗錢系統、欺詐檢測系統和交易監控系統等。這可以幫助銀行遵守法規，檢測可疑活動並防止欺詐。

在證券行業，資料對於投資決策、風險管理和組合優化至關重要。Canner Enterprise 可以幫助證券公司調用和分析來自各種來源的資料，例如市場資料提供商、研究公司和交易系統等。這可以幫助證券公司做出明智的投資決策並有效地管理風險。

金融資料虛擬化的應用場景：

1. 風險管理：銀行和金融機構可以使用資料虛擬化從多個來源（如信用局、監管機構和內部系統）調用和整合資料，以獲得更全面的風險暴露視圖。通過虛擬化資料，他們可以快速輕鬆地實時調用資料，進行模擬和壓力測試並做出更明智的決策。
2. 客戶分析：金融機構可以使用資料虛擬化將客戶服務系統、交易系統和行銷數據庫等客戶接觸點的資料合併，以獲得更全面的客戶視圖。通過虛擬化資料，他們可以快速輕鬆地分析客戶行為、識別模式並提高客戶參與度。
3. 合規報告：金融機構可以使用資料虛擬化調用和整合來自各種系統和來源的資料，以確保符合法規要求。通過虛擬化資料，他們可以快速生成合規報告、監控和審計交易並提供實時調用監管資料。
4. 組合管理：投資公司可以使用資料虛擬化從各種來源（如市場資料源、研究報告和內部系統）調用和整合資料，以做出更明智的投資決策。通過虛擬化資料，他們可以快速分析市場趨勢、評估風險並優化其組合。
5. 欺詐檢測：金融機構可以使用資料虛擬化從各種系統（如交易、開戶和欺詐檢測系統）調用和整合資料，以檢測和防止欺詐活動。通過虛擬化資料，他們可以快速識別模式、跟踪可疑活動並在欺詐發生之前進行預防。

一直以來 Canner 致力追求對團隊最友善且尊重所有成員的工作型態，舉凡連假提早搭車、門診預約等事宜，為了團隊成員可自由安排工作時間，經過一段時間的嘗試及實驗，最後形成 Canner 特有的「小別勝新婚的部分遠端工作模式」。

一週固定兩天進公司

• 會議：會議前，將所需資料及討論要點放到公開頁面，將腦力激盪且複雜的會議集中當面討論。
• 交流：沒有天天見面的油膩感，週間偶爾見面的午餐或是下午茶時光，聊天交流起來輕鬆沒壓力。
• 換個口味換換心情：替換工作環境對於新點子的刺激也很有幫助。

其餘天數遠端在家工作

• 節省通勤時間：炎炎夏日不用人擠人塞在捷運上，更不用在寒冬中瑟瑟發抖等待公車到來。
• 工作地點的自由性：在連續假期來臨前提早返鄉，在老家工作也不是問題。
• 遠端不寂寞的變形陪伴：屬於工程師的浪漫，我們在 Gather 上建立自己的家園，開會、討論、集思廣益，也有國外的同事在線上，遠端陪伴不寂寞。

針對團隊如何運行、如何有效運用遠距工作並保持團隊的向心力， Canner 制定遠端工作的準則。讓團隊可以有一個最高指導原則遵循合作，避免溝通上的困難以及衝突。包含明確定義：

• Text Discuss： 以列點的方式討論，減少來回詢問，拉長討論時間。
• Video Discuss： 非同步的來回討論有其極限，進一步討論可以以 Video Conference 的方式進行 。
• Transparent Discussion： 為了讓 Remote 同仁們能夠盡可能參與對話，線上討論時使用 Public Channel 討論。會後，將會議記錄歸檔以便休假同仁查看。
• Proactive Check： 主動且確實閱讀會議記錄及文件，資訊同步無時差。

Remote Culture 是建立在每位夥伴的信任基礎上，即便不在辦公室，工作的完成度也絲毫不會受到影響。在 Canner 我們工作隨性但不隨便。有點黏又不太黏的相處模式正是我們維持感情的重要關鍵。

雖然兩者都可以提供資料整合的解決方案，但它們之間有一些關鍵的區別，本文將探討 Data Virtualization 跟 Data Fabric 差在哪裡。

Data Virtualization (資料虛擬化)

Data Virtualization 是一種將資料分散在不同系統中的企業整合技術。它通過虛擬層來提供統一的資料視圖，並且可以將資料整合到多個應用程序中。Data Virtualization 技術針對不同的資料來源進行抽象，從而使企業可以輕鬆地存取資料，而不必擔心它們存儲在何處。使用 Data Virtualization 技術還可以提高資料的可用性和完整性，因為資料被整合到一個統一的視圖中。

Data Fabric (資料經緯)

Data Fabric 是一種將資料分散在不同系統中的企業整合技術，但與 Data Virtualization 不同的是，它更著重於資料的整體架構。Data Fabric 技術允許企業在不同的資料來源之間自由地移動和管理資料。它可以為企業提供一個統一的資料管理平台，從而提高資料的可用性和可靠性。使用 Data Fabric 技術還可以提高企業對資料的控制力，並且可以提高資料的安全性。

Data Virtualization 和 Data Fabric 的區別

Data Virtualization 是一種透明地整合分散資料的方法。它通常是將多個資料源（例如關係型資料庫、NoSQL資料庫、Web服務和其他資料源）整合到一個虛擬的資料庫中，使得使用者可以透過單一的接口，從虛擬資料庫中存取所有資料源中的資料。這樣可以提供統一的資料存取方式，減少資料複製和同步的需要，提高資料整合的效率。

Data Fabric 則是一個更加全面的架構模型，它旨在實現企業資料的整體架構。Data Fabric通常是指一個統一的資料架構，它可以整合不同的資料來源，並為用戶提供統一的資料調用接口。Data Fabric的目標是提供一個整體的資料架構，使得企業可以更容易地管理和控制資料，同時也可以更輕鬆地進行資料分析和應用開發。

簡單來說，Data Virtualization 更注重資料整合的技術，著重於實現透明地整合分散資料；而Data Fabric更注重資料整合的架構，著重於實現企業資料的整體架構，使得企業可以更容易地管理和控制資料。

透過 Canner Enterprise 實踐 Data Fabric

Data Virtualization 和 Data Fabric 技術都是現代企業在資料整合方面的重要工具。雖然它們有許多共同點，但它們之間仍然存在一些區別，例如對資料整合和資料管理的重點不同，以及適用的應用場景不同。Canner Enterprise 設計高擴充以及支援度的 Data Virtualization 技術，協助企業實踐 Data Fabric 架構。

原文連結：https://www.digitimes.com.tw/iot/article.asp?id=0000646454_E785RJPJ4W9AKM5YTHPGI

Canner 技術受肯定 實踐資料共享願景最佳方案

隨著全球進入新經濟時代，從大量資料中挖掘商機，進而掌握市場脈動與了解消費者需求，已成為全球產業積極投入資料共享、分析的驅動力。以金融產業為例，早已開始運用大數據工具分析客戶資料，除可做好 KYC(Know your customer)工作外，也可為特定族群設計專屬產品，以精準行銷提高專案活動效益。

為協助台灣產業接軌國際趨勢，2021 年底金管會公布「金融機構間資料共享指引」，明確就金融機構間可辦理之資料共享類型，揭示相關辦理原則。但根據Canner長期觀察發現，多數金融業者都是採取傳統資料共享模式，由金控集團旗下各事業單位，各自將資料上傳到共享空間後，再由資訊部門針對特定單位需求製作專屬報表。此種模式不僅製作時間冗長，徒增資訊部門負擔外，也難以確保符合法規及稽核要求，亦無法掌握資料後續的使用軌跡。另外，部分企業甚至會透過限制可使用資料共用服務的人數，減輕資訊人員工作負擔，無形中也限制資料的價值。

Canner執行長紀力榮表示，目前資料共享挑戰可分成權限管控、資料調用兩部分，前述提到的法遵、使用軌跡等，是屬於權限管理的環節。資料調用則因各事業單位使用的資料庫品牌迥異，因此共享檔案的格式也不盡相同，且在資料調用流程中，需要讓中介資料重複存取與搬移，造成資料浪費與耗時。

Canner推出的Canner Enterprise資料調用管理平台，可針對商業分析的前、中、後整體流程，以「調用、授權、輸出」3 大管理層面，解決資料調用障礙，大幅提升企業的整體競爭力。

四大獨家功能 解決資料共享挑戰

Canner在2022年獲得Gartner入選「大中華區 AI 新創公司市場指南」代表企業，以及 KPMG「台灣創新科技大賽」獲得亞軍等獎項肯定。Canner Enterprise資料調用管理平台備受研究機構肯定的關鍵，在於內建資料虛擬化 (Data Virtualization) 、資料產品化(Data Productization)、資料授權(Data Authorization)、自助式調用(Data Consumption) 等四大功能，可助企業解決資料授權機制與資料調用流程等問題，並享有資料共享運行架構。

這項產品以資料虛擬化方式將異質資料源整合，讓企業享有「零複製、零搬移」的調用資料。此外，Canner Enterprise資料調用管理平台訴求將資料主導權還給用戶，為資料使用者提供自助式工作區將調用結果，直接轉換為指定輸出格式到應用端，或將運算後結果自動化推送至 BI 工具。

最後，針對企業最擔心的權限控管部分，Canner研發的五階權控架構，讓管理員可快速指派資料授權角色與對應人員、設定資料遮蔽規則保障資料隱私，且能完整保留使用軌跡紀錄，符合企業的內稽與內控規範。

紀力榮指出，Canner Enterprise的創新技術，不光採取資料虛擬概念，更包含「Data Access」可確保資料調用過程中，不會受資料架構異動、版本變更等影響，並能依照資料使用者的業務屬性，快速調用個人化的資料集，完全不需要人工重新切分，解構過去高耦合的資料架構，讓後端儲存與運算架構改變的時候前端資料應用工具，不需要做任何變更還能夠持續運行。

換句話說，Canner Enterprise資料調用管理平台可協助企業發揮資料最大價值，因此目前已有金融與零售業導入，於企業中落實資料共享的願景。

首先，不同的資料庫具有不同的資料權限。企業內部可能存在多個不同的資料庫，例如 MySQL、Oracle、SQL Server 等，這些資料庫的資料權限設計各不相同，這將對資料權控造成挑戰。因此，數據中台需要對各種資料庫的資料權限進行統一的設計和管理，以實現資料權限的統一和控制。

其次，不同的資料應用工具在資料權限的設計也存在差異。例如，BI、AI、資料分析工具等在不同的應用中對資料權限的要求和控制也不盡相同，這需要數據中台在資料權控的設計中充分考慮這些差異，以滿足各種應用場景的資料權限要求。

此外，數據中台還需要整合內部既有的 Active Directory 和身份認證系統。這將對資料權控的實現造成挑戰，因為這些系統可能存在不同的權限分級，而且不同的部門和角色對數據的使用也存在差異。數據中台需要對這些系統進行整合，實現統一的身份認證和資料權限管理，以確保數據的安全性和隱私性。

Canner Enterprise 資料調用平台，解決數據中台資料權控痛點

Canner Enterprise 協助企業統一資料庫的資料權限以及統一各種資料應用工具包含BI、AI以及像是資料分析工具等在不同的應用中資料權限的設計。同時，Canner Enterprise 還可以整合內部既有的Active Directory和身份認證系統，確保資料數據中台在複雜的資料調用上權限統一且安全。

以下是 Canner Enterprise 的主要特點：

1. 資料權限管理：Canner Enterprise 可以協助企業統一資料庫的資料權限管理，確保不同部門和應用程序能夠獲取到需要的數據，同時限制未授權的訪問。Canner Enterprise 可以實現基於角色的權限管理，讓企業能夠更加方便地管理和控制數據的訪問權限。
2. 資料應用管理：Canner Enterprise 支持統一管理不同的資料應用工具，包括 BI、AI 以及像是資料分析工具等，確保不同應用場景下的數據訪問權限得到統一管理。Canner Enterprise 可以根據不同應用場景設置不同的數據權限，讓企業能夠更加靈活地設計數據權限策略。
3. 內部身份認證管理：Canner Enterprise 可以整合內部既有的 Active Directory 和身份認證系統，確保資料數據中台在複雜的資料調用上權限統一且安全。Canner Enterprise 可以將企業內部的身份認證系統整合到數據中台中，確保只有經過驗證的用戶才能訪問數據中台的數據。
4. 可擴展性：Canner Enterprise 可以根據企業的需要進行擴展和定制。Canner Enterprise 使用現代化的技術架構，可以實現高效、穩定和安全的數據管理。

非常感謝每一位來參加小聚的你們，大家的回饋都是下一次小聚活動的舉辦動力。

接著就讓我們簡單回顧一下當天四位講師分享內容：

▍分享一｜VulcanSQL: 如何快速把你的 Data Warehouse 變成 API

第一場分享由 Canner 後端工程師 Eason 與大家分享開源專案 VulcanSQL 開發的初衷與想法，從解決現代資料工程師的角度，讓 VulcanSQL 提供資料分析師更便於資料共享的 API 開發框架，只用 SQL 就可以快速把資料倉儲轉成可對內對外使用的 API，可自動產生 API 文件，以及調用資料的後來介面，讓不會 SQL 的使用者也可以透過 VulcanSQL 的後台完成資料串接 / 下載 CSV 等操作，讓調用資料更簡單，更自助化。

更多關於 VulcanSQL 資訊：VulcanSQL 官網

▍分享二｜從 Trino 到企業級資料共享產品的開發之路

第二位分享者則是 Canner 資料工程師 Cooper，Cooper 因研發企業級資料共享解決方案，基於 Trino 做了不小的修改，很多修改也貢獻回到社群。快速 SQL 查詢引擎，專為針對多個來源的大型資料集進行互動式分析查詢所設計。世界級企業客戶多以Trino為處理巨量資料運算架構，如Facebook 本身用於處理300 PB級之資料倉儲、Netflix 用於處理儲存於AWS S3中10 PB級以上之資料、這次分享中，Cooper 介紹 Canner 實作在 Trino 上的企業需要的功能，也著重在 connector 的動態更新做深度介紹，例如如何在 Trino 設定 Connectors。

更多關於 Trino 資訊：Trino 官網

▍分享三｜聽說隔壁部門開始用 Kafka 了

第三場分享由Chia-Ping Tsai 蔡嘉平博士進行，嘉平同時也是HBase, Kafka, Yunikorn的核心開發者 (committer & PMC)，另外也是 Apache Member 和 HBase, Kafka 官方研討會的委員。最近重心放在推廣 Kafka 技術到台灣的各個領域，透過淺顯易懂的方式，讓大家了解 Kafka 為世界級熱門大數據事件串流處理系統的運行方式，Kafka 由 LinkedIn 公司開發，是一個分佈式的，支持多分區、多副本，基於 Zookeeper 的分散式資訊流平台，最大的特點就是收發消息非常快，kafka 每秒可以處理幾十萬條消息，它的最低延遲只有幾毫秒，常被運用在事件追蹤、日誌紀錄等等應用場景。

更多關於 Kafka 資訊： Kafka官網

▍分享四｜數據架構導入經驗談

第四場分享由「資料科學家的工作日常」維元分享，資料分析能夠幫助企業用更量化的方式解決問題，但是在導入的過程中會面臨許多不同的挑戰。維元分享過去在不同單位的數據導入的經驗談，如何讓企業願意隨著業務量的增長調整資料架構與團隊數據文化的階段性任務。在導入的過程中透過不同的開源工具，逐步建立「人人都是資料分析師」的團隊分工。

更多關於資料科學家的工作日常：Facebook

本次活動非常感謝四位講師的鼎力相助，以及每一位到場參加的人。資料小聚我們下次再見。

如果您對資料小聚有任何建議，請不吝與我們聯繫，或者加入 Discord 與我們互動聊聊。

關於【SELECT * FROM 資料小聚】

SELECT * FROM 資料小聚以分享更多與資料相關的開源為主題，希望讓更多人可以透過開源軟體，解決資料分析與資料工程的問題，不藏私的公開開源開發者的看法與見解。我們將定期每季舉辦小聚活動，如果有興趣歡迎追蹤我們的 Discord，一起在上面聊資料。

資料虛擬化現在在企業內的重要性

資料虛擬化有很多重要性。首先，它可以幫助企業更好地管理資料，從而提高業務效率。通過將不同來源的資料整合到一個虛擬的資料庫中，企業可以更容易地調用和分析這些資料，而不需要進行複雜的資料轉換和整合工作。這樣可以節省大量的時間和人力成本，從而提高企業的效率和競爭力。

以下有幾個關鍵在企業內的重要應用：

1. 簡化資料整合：企業內部可能有不同部門和系統，每個系統都有其獨特的資料格式和結構，這會使資料整合變得複雜且耗時。資料虛擬化可以在不複製資料的情況下集成和整合資料，從而簡化資料整合過程。
2. 增強資料可用性：通過資料虛擬化，企業可以將資料從不同的源集中到一個虛擬的資料層中，從而增強資料的可用性和可調用性。這使企業能夠更輕鬆地使用和分享資料，從而提高生產力和決策的質量。
3. 提高資料安全性：資料虛擬化可以幫助企業將資料保持在源系統中，從而降低資料泄露和安全問題的風險。此外，通過設置權限和控制調用，企業可以更好地保護其敏感資料。
4. 優化資料管理：資料虛擬化可以幫助企業更好地管理其資料，從而提高資料的質量和可靠性。通過資料虛擬化，企業可以在不破壞現有資料結構和系統的情況下，更好地組織和管理其資料。
5. 降低成本和風險：通過資料虛擬化，企業可以降低資料整合和管理的成本。此外，由於資料虛擬化不需要在不同系統之間複製和轉移資料，因此可以降低資料遺失和不一致性的風險。

資料虛擬化的未來

資料虛擬化在未來將會有更廣泛的應用。首先，隨著人工智能和大資料技術的發展，企業將需要更多的資料進行分析和預測。資料虛擬化可以幫助企業更好地管理這些資料，從而提高企業的預測能力和決策能力。例如，企業可以利用資料虛擬化技術，將不同來源的資料整合到一個虛擬的資料庫中，再利用人工智能技術，對這些資料進行分析和預測，從而得出更精確的結果。

1. 大資料和 AI：資料虛擬化可以幫助企業更好地管理和整合大資料，從而提高資料分析和 AI 技術的應用效果。通過資料虛擬化，企業可以更輕鬆地將多個源的資料整合到一個虛擬資料層中，從而創建更大的資料集並實現更精確的分析和預測。
2. 雲資料和多雲架構：隨著企業和組織越來越多地採用雲資料和多雲架構，資料虛擬化也將變得更加重要。資料虛擬化可以幫助企業將不同雲平台的資料整合到一個統一的資料層中，從而提高資料的可調用性和可用性。
3. 資料隱私和合規性：隨著資料隱私和合規性問題越來越受到關注，資料虛擬化可以幫助企業更好地保護敏感資料並確保資料使用的合法性。通過設置權限和控制調用，企業可以更好地控制資料的調用和使用，從而確保資料的隱私和合規性。
4. IoT 和邊緣計算：隨著物聯網（IoT）和邊緣計算技術的應用越來越廣泛，資料虛擬化也將發揮重要作用。資料虛擬化可以幫助企業更好地管理和整合分散在不同設備和邊緣計算節點上的資料，從而實現更有效的資料分析和預測。

Canner Enterprise 資料虛擬化技術

Canner Enterprise 中的資料虛擬化是一種重要的新型技術，可以幫助企業更好地管理和分析資料，提高預測能力和決策能力。在未來，資料虛擬化將會有更廣泛的應用，幫助企業更好地應對各種挑戰和機遇。因此，企業應該加強對資料虛擬化技術的學習和應用，從而提高企業的競爭力和創新力。

好的團隊合作是公司是否成功且能持續成長的重要關鍵之一。透過有趣的 Team Building 規劃，讓團隊成員跳脫日常辦公環境，Think Outside The Box，不僅能提升團隊間的溝通，也能在無形中提升換位思考以團隊合作的能力。

除此之外，平時工作繁忙，在辦公室期間大家也都帶著口罩，較少有實體機會跟不同 team 的同事交流，在這種情況我們容易變成最熟悉的陌生人。

隨著疫情逐漸好轉，為了促進不同團隊間的交流我們決定走出戶外，這次 team building。Canner 來到了好山好水的宜蘭，我們安排一系列動靜皆宜的活動，讓大家在平常忙碌的工作中，有些許放鬆也能夠與不同 team 的成員互相認識熟絡。

遠離辦公室的第一站，我們來到宜蘭東澳，近年風靡各大網美的 SUP，下水前大家都還很興奮！

下水後才發現需要 SUP 活動需要團體間的互相合作，同心協力， 才有辦法併成一排。此外更需要大家互相照應，讓不擅水上活動的同事也可以安心一起同樂。

在這次 Outing 中，除了培養更好的團隊默契，也慰勞大家一整年辛勤的付出，大家辛苦了！

Team Building 的燒腦團體遊戲考驗的不只是智商還有團體默契 XD

休息一宿後我們繼續戰鬥，沿著南澳海岸線，騎乘海灘車觀賞風景，淨空腦袋重新出發。

從一開始到職一個月後還是無法認識每位同事，經過兩天一夜的 team building 後可以馬上叫出正確名字，這就是實際相處的魔力！除了凝聚向心力外，我們也獲得了許多，像是以下幾點：

脫離舒適圈，發現不一樣的你我

每個人都有自己習慣的偏好，平時休閒時會選擇從事自己喜歡且擅長的活動，但除此之外，在 team building 中一群人一起去做一些平時可能不會從事的活動，跟不同生活圈的人群聊天，因此激發不同想法或是找到共同話題。

暫離一下，帶著更好的自己回來

如文章一開始所述，在工作中難免會遇到難以跨越的瓶頸，進入無限循環的撞牆期。放下電腦，暫離一下，跟團隊夥伴漫無目地聊天，看看無邊無際的海景，充飽電後，帶著更好的自己回到工作崗位上繼續奮鬥！

創造一群人的回憶

一段旅行是由許多精彩的回憶片段所組成。一次難忘的活動為整個團隊增添一個共同回憶，在茶餘飯後，我們偶爾會談起當下因為大量的戶外活動造成的肌肉酸痛，更會想到大家在活動中團結哈哈大笑的感覺，伴隨這個只屬於你我的回憶，彼此關係更上一層樓。

除了靜態照片以供回憶，動態影片更帶你身歷其境

資料 API 是資料消費者在其日常業務應用程序（例如 BI、報告、儀表板、電子表格和 Web 應用程序）中使用資料的主要接口。 然而，存儲在資料倉庫中的資料對於那些沒有 API 消費層的用戶和工具是無法訪問的。 VulcanSQL 旨在通過將 SQL 轉換為靈活的 API 來解決該問題。 它是上下文的，因為它可以根據不同的用戶角色和業務上下文將 API 轉換為相應的 SQL。

借助 VulcanSQL，資料工程師可以快速輕鬆地創建 API，而無需編寫任何後端代碼。 這可以加快開發時間並降低構建資料 API 的複雜性。 生成的 API 具有高度可擴展性和高性能，可以在不降低性能的情況下每秒處理數千個請求。

VulcanSQL 被設計為高度可定制和可擴展的。 它內置了對複雜 SQL 查詢和自定義業務邏輯的支持，可以創建高度定制的 API 來滿足特定的業務需求。 這種靈活性使得創建與現有業務應用程序和資料倉庫無縫集成的高度複雜的資料 API 層成為可能。

總之，VulcanSQL 是一個功能強大的分析 API 生成器，它使資料工程師可以輕鬆地僅使用 SQL 來構建可擴展、高性能和高度可定制的 API。 對於任何希望在不影響性能或靈活性的情況下讓用戶和工具訪問其資料的組織來說，它都是必不可少的工具。 我們邀請您立即下載並試用 VulcanSQL！

• Github: https://github.com/Canner/vulcan-sql
• Website: https://vulcansql.com
• Discord: https://discord.gg/8JAsVFfNes

原文連結：https://www.digitimes.com.tw/iot/article.asp?id=0000647800_OA77ZCRM1HQY7RLC969PT

自金管會2021年底發布「金融業資料共享原則」後，在原則規範下不僅提升消費者權益、強化消費者個資風險控管，金融業者也有規範可循，合理合規的共享資料，創造新型態金融服務商機。因此不少金融業者也積極導入資料共享科技，提升營收與客戶的使用者體驗。

易開科技共同創辦人暨執行長紀力榮分享觀察，金融業想要資料共享，就會面臨人員與資料分散管理問題，需要一個平台串起整體流程，降低企業複雜的文書流程與大量人力管控機制。 Canner 關注此問題，研發「Canner Enterprise」資料調用管理平台，透過資料虛擬化 (Data Virtualization)、資料產品化 (Data Productization)、 資料安全管理 (Data Authorization)、自助式調用 (Data Consumption) 四大功能，提供資料共享快速且安全的運行架構。

Canner以資料虛擬化、資料產品化、資料安全管理與自助式調用四大關鍵設計，將資料調用流程最佳化，加速企業實踐資料共享。易開科技

授權管理不再各自為政 單一平台統一管理

首先，資料共享的過程中，勢必會增加參與人員數量，企業面對「資料安全管理」的議題，過往應用端的人員授權與資料授權兩者是分離管理各自為政，容易產生授權不一致，且調用軌跡零散難以稽核。透過Canner Enterprise「資料安全管理」，先將資料調用角色以「五階權限」區分，包含系統管理者、資料擁有者、資料管理者、資料分析者到資料使用者，以階層式授權管理明確區分功能、依授權群組完成資料遮蔽、留下軌跡記錄，將授權管理集中於單一平台。

資料調用、整合、輸出一次到位

此外，資料共享的資料源來自跨組織、跨機構，甚至是第三方服務提供者(Third-Party Service Provider；TSP)，故需要面對不同的資料儲存方式、資料格式、資料定義的不一致，所以在使用資料前需要花大量時間進行資料定義釐清與調用資料。而Canner Enterprise 的「資料虛擬化」、「資料產品化」與「自助式調用」三大功能，可將來自不同的資料源進行虛擬化調用整合，以業務語言建立資料目錄，加速整合為具有業務性的資料集，最後無須轉換檔案格式，直接與不同應用工具串接，敏捷地完成資料共享。

Canner技術獲肯定 核心設計解構資料調用架構

Canner Enterprise以「資料調用」 作為核心設計理念的技術突破，讓儲存與運算架構改變的時候，前端資料應用工具不需要做任何變更，還能夠持續運行，不受影響。Canner 2022年入選Gartner《大中華區 AI 新創公司市場指南》之新創代表企業，以及KPMG「台灣創新科技大賽」亞軍殊榮，技術備受肯定。紀力榮表示，Canner Enterprise可解構過去高耦合設計，讓 Canner資料調用流程安全快速，實踐資料共享，並成為企業數據轉型的最佳動能。

現代資料堆疊的流行與現代企業需要處理大量資料有關，這些資料來自多個不同的來源，包括網站、移動應用、社交媒體、傳感器、服務器和其他資料庫。此外，企業需要將這些資料轉化為有用的洞察，以便做出更好的業務決策。

傳統的資料堆疊通常需要使用多個不同的工具和技術來完成資料處理的各個階段，這些工具通常不相互兼容，並且需要進行大量手動配置和維護。而現代資料堆疊則更加自動化和可擴展，通常由許多現成的工具和平台組成，可以更容易地集成和升級，並更快地產生有用的資料分析洞察。

因此，現代資料堆疊在近年來越來越流行，特別是在大型企業和資料驅動型企業中，這些企業需要有效地處理大量資料，以提高其業務效率和競爭力。

什麼是 Modern Data Stack？

Modern Data Stack 是一種全新的資料分析架構，它將資料科學、資料分析、商業智慧等技術整合在一起，並且能夠快速構建起一個完整的資料分析流程。它的設計目的是簡化資料分析過程，減少資料分析師和工程師之間的協作問題，提高資料分析的效率。

Modern Data Stack 通常由以下四個主要組件組成：

• 資料提取（Extract）：從不同資料源中提取資料，例如資料庫、API 等。
• 資料轉換（Transform）：將提取的資料轉換為可用於分析的格式。
• 資料加載（Load）：將轉換後的資料加載到資料倉庫或資料湖中。
• 資料分析（Analyze）：使用資料科學和商業智慧工具進行資料分析和報告。

為什麼 Modern Data Stack 如此流行

隨著資料的爆炸性增長，企業需要更多的資料分析和資料科學支持，以幫助做出更好的決策。而傳統的資料分析流程往往需要耗費大量的時間和人力，特別是在資料提取和轉換方面，常常需要技術人員的協助。而 Modern Data Stack 的出現，可以讓不具備技術背景的人員也能夠輕鬆地進行資料分析，從而提高資料分析的效率並節省成本。

此外，Modern Data Stack 還具有以下優點：

• 靈活性：Modern Data Stack 可以應對不斷變化的資料需求，並隨時調整資料分析流程。
• 可擴展性：Modern Data Stack 可以輕鬆地處理大量的資料，並且可以隨著資料量的增加進行擴展。
• 易於管理：Modern Data Stack 可以將資料分析流程集中管理，並提供資料質量監控和資料可視化等功能，方便管理人員進行管理和監控。

企業須關注 Modern Data Stack 的原因

1. 資料驅動決策的重要性：現今的企業越來越重視資料驅動決策，因為透過資料的分析和應用，企業可以更好地理解其客戶、市場和業務運營，從而做出更明智的決策。
2. 資料量的增加：隨著企業在不同渠道和平臺上收集的資料越來越多，需要更高效地處理、儲存和分析資料。現代資料堆疊提供了更有效的方式來處理大量資料，從而提高了企業的資料分析效率。
3. 資料分析工具的進步：現今的資料分析工具越來越先進和強大，可以支持更複雜的資料分析和建模，從而提供更準確和有價值的資料洞察。現代資料堆疊可以更好地整合這些工具，提供更有效的資料分析和建模功能。
4. 資料隱私和安全的風險：隨著企業使用的資料量越來越多，資料隱私和安全成為越來越重要的問題。現代資料堆疊可以提供更好的資料安全和隱私保護措施，從而減少資料泄露和安全風險。

使用 Canner 成為資料調用層在 Modern Data Stack

企業在實現資料調用層時可以從多個方面受益，包括：

1. 提高資料質量和一致性：資料調用層可以幫助確保資料在不同工具和應用程序中的一致性和準確性，降低資料分析中錯誤和不一致性的風險。
2. 提高生產效率：資料調用層提供了一個統一的接口來調用和分析資料，可以減少冗余資料處理的需求，提高資料分析的效率。這可以提高生產力並降低成本。
3. 增強安全性：資料調用層可以幫助確保資料安全和受控方式使用，最小化資料洩露和未經授權調用敏感資料的風險。
4. 可擴展性：資料調用層設計為高度可擴展，可以處理大量的資料並支持多個並發用戶。這可以幫助企業根據需要隨著時間的推移擴展其資料能力。
5. 靈活性：資料調用層可以根據企業的特定需求和要求進行定制，使組織能夠以適合其獨特需求和目標的方式利用其資料。
6. 更好的決策：通過提供一個統一的接口來調用和分析資料，資料調用層可以幫助企業更快地生成見解，並基於資料驅動的見解做出更明智的決策。

資料語意層可以幫助企業更好地理解它們的資料。當企業有多個資料庫和應用程序時，它們的資料通常以不同的格式存儲。這使得企業難以了解它們的資料。資料語意層可以將所有資料轉換為統一的格式，這樣可以讓企業更好地理解它們的資料。這樣，企業就可以更好地管理和使用自己的資料。

企業商業智慧和資料分析中遇到的挑戰

1. 資料源的複雜性：當企業需要從多個資料源中整合和分析資料時，可能面臨資料源的複雜性問題。語義層可以將資料源中的資料轉換成統一的模型和術語，從而簡化資料分析的過程。
2. 資料品質的問題：資料源中可能存在缺失值、重複值、錯誤值和不一致值等資料品質問題，這可能會影響資料分析的準確性和一致性。語義層可以進行資料清洗和校驗，從而提高資料品質。
3. 組織文化的問題：當企業中的 IT 團隊和業務部門之間存在溝通和理解問題時，可能會影響資料分析和商業智慧的成功。語義層可以提供一致的術語和計算方式，從而消除語言和文化上的障礙。
4. 資料分析的效率和準確性：當企業需要進行大量的資料分析和商業智慧報告時，可能會面臨效率和準確性問題。語義層可以提供簡單易懂的界面和報告，從而節省時間和提高準確性。

舉個例子來說，一個企業可能需要整合來自不同資料庫的銷售和客戶資料，並進行客戶分析。由於不同的資料庫可能使用不同的術語和計算方式，這可能會導致資料分析的困難和錯誤。通過導入語義層，企業可以將這些資料整合到一個統一的模型中，並使用統一的術語和計算方式進行分析。這樣可以節省時間和提高分析的準確性，從而幫助企業做出更好的商業決策。

Semantic layer（資料語義層）可以幫助企業哪些事情？

資料整合

資料語意層可以將企業中不同的資料庫和應用程序整合在一起。這樣可以讓企業更容易地管理資料，並且可以減少資料之間的重複。通過資料語意層，企業可以將不同資料庫中的資料轉換為統一的格式，這樣可以讓不同的應用程序和資料庫之間更容易地進行資料交換和共享。

資料分析

資料語意層可以讓企業更容易地進行資料分析。在過去，如果企業想要進行資料分析，他們需要從多個資料庫中提取資料，然後將這些資料匯總在一起。這樣的過程非常複雜和耗時。但是，通過資料語意層，企業可以輕鬆地調用和分析資料，因為所有資料都已經轉換為統一的格式。

資料語意層可以幫助企業更好地理解它們的資料。當企業有多個資料庫和應用程序時，它們的資料通常以不同的格式存儲。這使得企業難以了解它們的資料。資料語意層可以將所有資料轉換為統一的格式，這樣可以讓企業更好地理解它們的資料。這樣，企業就可以更好地進行資料分析。

資料共享

資料語意層可以讓企業更容易地共享資料。通過資料語意層，企業可以將不同資料庫中的資料轉換為統一的格式，這樣可以讓不同的應用程序和資料庫之間更容易地進行資料交換和共享。這可以讓企業更容易地協作和共享資料，從而提高企業的工作效率。

資料語意層可以幫助企業更好地理解它們的資料。當企業有多個資料庫和應用程序時，它們的資料通常以不同的格式存儲。這使得企業難以了解它們的資料。資料語意層可以將所有資料轉換為統一的格式，這樣可以讓企業更好地理解它們的資料。這樣，企業就可以更好地共享資料。

資料安全

資料語意層可以幫助企業更好地保護資料安全。通過資料語意層，企業可以將資料轉換為統一的格式，這樣可以讓企業更容易地控制資料調用權限。這樣，企業就可以更好地保護資料安全。

Semantic Layer 可以帶來以下商業上的成效

1. 更好的資料品質和一致性：語義層可以進行資料清洗和校驗，從而提高資料品質和一致性。這可以減少資料分析中的錯誤和不準確性，從而提高決策的準確性和可靠性。
2. 更高的資料分析效率：語義層可以提供簡單易懂的界面和報告，從而節省時間和提高資料分析的效率。報告用戶可以輕鬆地使用語義層創建和查看報告，從而快速獲取有價值的信息和趨勢。
3. 更好的資料整合和分析：語義層可以將來自不同資料源的資料整合到一個統一的模型中，從而簡化資料分析和商業智慧的過程。這可以幫助企業從資料中發現有價值的信息和趨勢，從而做出更好的商業決策。
4. 更好的協作和理解：語義層可以提供一致的術語和計算方式，從而消除不同資料源之間的語言和文化上的障礙。這可以促進 IT 和業務部門之間的協作和理解，從而提高項目的成功率。

Canner Enterprise 建立企業內部的資料語意層

透過 Canner Enterprise 可以將企業的各種資料透過資料虛擬化整合在一起，並對這些資料進行統一管理和處理。這不僅可以幫助企業更好地進行資料分析，還可以實現資料的共享和協作，從而提高企業的工作效率。同時，Canner Enterprise 還可以保證資料的統一安全性和業務定義一致性，從而保護企業的資料安全與解決資料在商務上應用的障礙。

DBLink 是許多關聯式資料庫管理系統 (RDBMS) 中的一項功能，它允許從另一個資料庫調用一個資料庫中的表。 DBLink 的工作原理是在兩個資料庫之間建立連接，使 SQL 語句能夠跨兩個資料庫執行。 DBLink 主要用於調用 RDBMS 系統內的資料，它要求兩個資料庫在同一網絡上運行。

另一方面，資料虛擬化是一種允許從多個來源調用和整合資料的技術，無論資料位於何處。 資料虛擬化提供了資料的虛擬化視圖，使用戶無需移動或複制資料即可調用和分析資料。 資料虛擬化的工作原理是創建一個虛擬層，該層整合來自多個來源的資料並將其呈現為用戶或應用程序可以調用的單一視圖。

DBLink 與資料虛擬化的主要區別在於，DBLink 僅限於調用 RDBMS 系統內的資料，而資料虛擬化可用於整合來自任何來源的資料，包括 RDBMS 系統、NoSQL 資料庫、雲存儲系統和 API。 資料虛擬化還為資料整合提供了更靈活和可擴展的解決方案，因為它不需要移動或複制資料，並且可以用於實時調用和整合資料。

使用DBLink有什麼問題

雖然 DBLink 可以成為在關聯式資料庫管理系統 (RDBMS) 中跨多個資料庫調用資料的有用功能，但使用 DBLink 存在一些挑戰和限制。 以下是使用 DBLink 的一些問題：

1. 性能：DBLink 在跨不同資料庫調用資料時會影響系統性能，因為它涉及額外的網絡流量和處理效能瓶頸。 這會導致查詢響應時間變慢並影響資料庫系統的性能。
2. 安全性：使用 DBLink 時，用戶需要有適當的權限才能調用遠程資料庫中的資料。 這會引起安全問題，因為它涉及授予用戶調用另一個資料庫中資料的權限。
3. 兼容性：DBLink 可能不與所有 RDBMS 系統兼容，這會限制其對使用多個資料庫的組織的實用性。
4. 維護：DBLink 需要持續維護和管理，包括監控錯誤和問題，並根據需要更新配置。
5. 可擴展性：對於更大的資料集或具有復雜資料整合要求的組織，DBLink 可能無法擴展。 隨著資料庫和表數量的增加，管理 DBLink 連接會變得更加複雜。

在實施之前，組織需要仔細考慮使用 DBLink 對性能、安全性、兼容性、維護和可擴展性的影響。 替代解決方案（例如資料虛擬化）可能會提供更靈活和可擴展的資料整合方法，從而解決 DBLink 的一些局限性。

資料虛擬化能解決問題嗎？

資料虛擬化可以成為解決與使用 DBLink 相關的一些問題的有用解決方案。 就是這樣：

1. 性能：資料虛擬化可以通過在內存中緩存頻繁調用的資料來提高查詢性能，減少跨網絡調用資料的需要。 這可以提高查詢響應時間並減少對資料庫系統性能的影響。
2. 安全性：資料虛擬化提供了一個抽象層，可以通過以一致的方式管理和控制資料調用來幫助解決安全問題，無論資料位於何處。 這有助於確保只有授權用戶才能調用資料，並滿足資料隱私和合規性要求。
3. 兼容性：資料虛擬化旨在與廣泛的資料源兼容，包括關聯式和非關聯式資料庫、雲存儲系統和 API。 這為資料整合提供了比 DBLink 更靈活和可擴展的解決方案。
4. 維護：資料虛擬化可以通過提供集中的資料視圖幫助減少維護需求，無需管理和維護與不同資料庫的多個連接。 這有助於降低管理資料整合的複雜性和成本。
5. 可擴展性：資料虛擬化可以通過為資料整合提供更靈活和可擴展的解決方案來幫助提高可擴展性。 隨著資料源和表的數量增加，資料虛擬化可以幫助管理資料整合的複雜性並提供更具可擴展性的解決方案。

使用 Canner Enterprise 資料調用層

Canner Enterprise 的資料虛擬化可以幫助解決與使用 DBLink 相關的挑戰，為資料整合提供更靈活和可擴展的解決方案，有助於提高查詢性能、資料安全性、兼容性、維護性和可擴展性。 通過使用 Caner Enterprise，組織可以創建跨多個來源的統一虛擬化資料視圖，使他們能夠根據更全面的資料視圖做出更明智的決策。

Data Mesh 理念有四大主要原則，原則與說明如下：

原則一：執行團隊擁有資料權責 (Domain Ownership)

資料擁有權應該屬於特定的領域，而不是屬於中央的 IT 團隊。每個領域都需要擁有自己的資料團隊和責任，負責管理其領域內的資料、定義資料的含義和質量標準，並提供對外的資料服務。

每個執行團隊都有自己的資料權責，包括資料的所有權、資料的質量、資料的安全性以及資料的可靠性。這樣可以保證資料的責任歸屬明確，各個執行團隊可以更好地管理和維護自己的資料。

原則二：執行團隊提供自主式資料產品和服務 (Data as a product)

Data Mesh 的核心思想是將資料視為產品，每個資料領域 (Data domain)都是一個小型的資料生產部門，需要擁有自己的資料管理者 (Data Steward)、負責人 (Data Owner)、和資料品質保證。透過這種方式，資料可以更快地流動，並且更容易與用戶進行溝通和交流。

每個執行團隊都可以提供自己的資料產品和服務，並且可以獨立地進行資料管理和資料共享。這樣可以更好地滿足不同業務單位的需求，提高資料的價值和效益。

原則三：建立自助式資料平台 (Self-serve data platform)

每個領域都需要擁有自己的資料平臺，以支持自助式服務的資料開發和使用。這些平臺應該提供統一的資料接口和元資料，以便其他領域和用戶可以輕鬆地調用和使用。

資料共享是非常重要的，這樣可以更好地實現業務的協同，提高資料的價值。因此，需要建立開放式的資料共享機制，讓不同的執行團隊可以自由地進行資料共享，同時也需要建立相應的資料安全和隱私保護措施，保護資料的安全性和隱私性。

原則四：建立資料治理機制 (Federated computational governance)

資料治理需要在領域內進行，但是需要在整個組織中進行協調和管理。這需要使用統一的資料目錄和元資料，以便各領域和用戶可以了解資料的含義、質量和使用方式。

資料治理是非常重要的，這樣可以保證資料的質量、可靠性、可擴展性和安全性。因此，需要建立相應的資料治理機制，包括資料質量檢測、資料安全控制、資料共享協議等，保證資料的高質量、高效益和高價值。

實踐 Data Mesh 的好處

1. 更好的資料質量和可信度：由於每個資料領域都有自己的資料團隊和責任，因此可以更好地控制資料品質和資料一致性，從而提高資料的可信度。
2. 更快的資料交付速度：由於資料領域擁有自己的技術堆疊和負責人，可以更快地提供資料服務，並更好地滿足用戶需求。
3. 更好的資料治理和合規性：Data Mesh 可以幫助企業更好地掌握其資料，並確保其符合法規和標準。
4. 更高效的資料分析和應用：由於資料已經被分類和標準化，因此可以更快地進行資料分析和應用，從而提高業務效率和創新能力。

透過 Canner 實踐 Data Mesh 理念

傳統的集中式資料架構通常由一個中央團隊負責資料的提取、轉換和加載（ETL），然後將資料存儲在中央資料庫中。

透過 Canner Enterprise 軟體四大功能資料虛擬化、資料授權管理、資料產品化、自助式調用，透過人性化的 UI 設計，能夠協助企業達成 Data Mesh 理念，通過將資料權限分散化下放到各個業務單位容易使用且導入，讓每個資料產品團隊都負責自己的資料治理，包括資料的提取、轉換和加載。這樣可以確保資料質量問題被及時發現和解決，同時也可以加快資料流程的速度。

「我們在 Canner 的願景是在一個單一平台上實現所有資料調用流程，」該公司的 CEO Howard 表示。「通過 Canner Enterprise v2，我們致力於提高資料專業人士和應用程序用戶的體驗，使他們可以無縫地協作和互動資料產品。」

Canner Enterprise v2 的關鍵特點包括統一且直覺的側欄，方便資料探索和調用，以及模塊化設計，允許不同的用戶角色基於其需求調用不同的功能。

「我們很高興推出 Canner Enterprise v2，為資料專業人士和應用程序用戶提供更流暢和用戶友好的平台，」CEO 表示。「我們相信這個新產品將幫助組織更好地管理其資料，更有效地協作，最終導致更好的決策和商業成果。」

有關 Canner Enterprise v2 的更多信息，請調用公司的網站 https://cannerdata.com。

Data Fabric 通常是指一個統一的資料架構，它可以整合不同的資料來源，並為用戶提供統一的資料訪問接口。它旨在實現資料的統一管理和統一存取，提供一個整體的資料架構，使得企業可以更容易地管理和控制資料，同時也可以更輕鬆地進行資料分析和應用開發。

相比之下，Data Mesh 更強調資料的分散化和去中心化。Data Mesh 的理念是將資料分成小型的資料區域，每個資料區域都是由一個獨立的小團隊負責管理和開發。這樣可以實現資料的本地化，讓資料與相關的業務邏輯更加貼近，同時也可以降低系統的複雜性和提高系統的可維護性。

簡單來說，Data Fabric 更注重資料的整合和統一，而 Data Mesh 則更加強調資料的分散和去中心化。這兩種架構模型可以根據企業的需求和情況來選擇應用，它們都可以提供更好的資料管理和應用開發效率，同時也可以幫助企業更好地應對日益複雜的資料管理挑戰。

Data Fabric

Data Fabric 是一個用於管理和整合資料的框架，它提供了一個統一的資料訪問層，使得資料可以在不同的系統和平台之間自由地流動。Data Fabric還提供了可擴展性和彈性，以應對資料量的增加和不斷變化的業務需求。簡單來說，Data Fabric 旨在簡化資料管理和資料整合的複雜性。

Data Mesh

與 Data Fabric 不同，Data Mesh 強調的是資料治理的分散化，並且將資料作為產品來管理。Data Mesh 旨在實現一種分散式的資料架構，其中每個資料團隊擁有自己的資料產品，並且可以獨立地開發、部署和管理這些產品。這種分散式的資料治理模型可以減少資料中心化帶來的風險，同時也可以提高資料的可靠性和有效性。

差異

1. 資料的擁有權和管理：

在 Data Mesh 中，每個領域或產品團隊都管理其自己的資料。例如，負責客戶資料的團隊會管理其自己的客戶資料庫，負責產品資料的團隊會管理其自己的產品資料庫。另一方面，在Data Fabric 中，資料是集中管理和治理的，Data Mesh 提供了對組織中所有資料的統一視圖，無論資料存儲在哪裡。

2. 資料互通性和標準化：

在 Data Mesh 中，資料互通性和標準化是通過使用 Data Contract 和 API 實現的，Data Contract 和 API 定義了不同領域之間如何交換和訪問資料。每個領域或產品團隊負責定義自己的 Data Contract 和API。相比之下，Data Fabric 通常使用資料虛擬化層，提供組織中所有資料的統一視圖，使得整合來自不同來源的資料更容易。

3. 資料治理和安全性：

在 Data Mesh 中，資料治理和安全性是分散的，每個領域或產品團隊負責管理自己的資料安全性和治理政策。在Data Fabric 中，資料治理和安全性是集中管理和強制執行的。

4. 可擴展性和靈活性：

Data Mesh 設計靈活且可擴展，可以更容易地添加新的領域或產品團隊隨著組織的增長。每個領域或產品團隊可以管理自己的資料基礎架構，使其可以選擇最適合其需求的工具和技術。相比之下，Data Fabric 旨在提供組織中所有資料的統一視圖，使得整合和分析資料更容易。然而，隨著組織的增長，這可能不夠靈活且更具挑戰性。

總體來說， Data Fabric 強調的是資料整合和資料流動的統一性，而 Data Mesh 則強調分散式的資料治理模型。Data Fabric 提供了一個統一的資料訪問層，使得資料可以在不同的系統和平台之間自由地流動；而 Data Mesh 則鼓勵每個資料團隊擁有自己的資料產品，並且可以獨立地開發、部署和管理這些產品。因此，Data Fabric 更適合處理資料整合的問題，而 Data Mesh 更適合處理資料治理的問題。

使用 Canner Enterprise 達成新型態的資料架構

Data Mesh 和 Data Fabric 都是現代企業在資料整合中重要的架構概念，但它們在各方面都有所不同。企業可以根據自己的業務需求和資料管理情況，選擇適合自己的架構。Canner Enterprise 提供高度可擴展和支持性的資料虛擬化技術，以協助企業實現 Data Mesh 和 Data Fabric 架構。

在以往的版本中，Canner Enterprise 資料虛擬化功能會將所有 SQL 查詢都透過 Canner 的 SQL engine 去做運算與處理。但現在，有了 EQT，企業可以決定哪段 SQL 直接查詢到原始的 Database，哪些 SQL 透過 Canner 的 SQL engine 去做運算與處理。這種方式不僅可以提高查詢效率，還可以更好地保護企業的敏感數據。

EQT 的使用非常簡單。只需要在 Canner Enterprise 中設置一個 EQT，並指定需要直接查詢到原始 Database 的 SQL，即可開始使用。使用 EQT 可以大大減少查詢的時間，提高企業的查詢效率。同時，EQT 也可以避免企業的敏感數據透露給不需要的人員，從而保障企業的數據安全。

總的來說，EQT 是一個非常實用的功能，可以幫助企業更靈活地控制 SQL 查詢的運作方式，提高查詢效率，同時保護數據安全。如果您想了解更多關於 EQT 的資訊，請聯繫我們的客戶支援團隊。

在這個充滿活力的一年開始之際，我們在為新的挑戰和機會做好準備。在 Kick-off Meeting 上，我們回顧過去一年的成就、討論未來的計劃和策略，以及加強團隊合作和文化。今年度主題是 "I am a Canner (能者)，I am Possible."，這個主題表達了我們對自己、對團隊和對公司的信心。當我們將自己的能力、信念和決心結合在一起，我們就可以創造不可能的事情！

在今年度的 Kick-Off Meeting 我們分為兩個部分：

在上半場的活動中，藉由每個部門都向全公司同仁分享去年度達成的成就以及今年的目標和計畫。不僅讓大家從整個公司層面、Sales Team、Marketing Team、Dev Team、Support team 以及 Operation Team 中了解各團隊的營運以及發展狀況，也讓公司同仁們更了解各部門之間的合作和貢獻。

在活動的下半場，我們也邀請研發團隊的同仁，分享一些令人驚豔的研發技術以及他們如何應對市場的需求。這些技術和思考過程不僅對產品的開發有著重要的影響，也反映了我們在技術領域的專業性和創新性。經過這樣的交流分享，使整個公司的同仁們更加了解我們的產品，並且感受到我們對產品和技術的熱情與承諾。

此次我們選在桃園作為活動地點，這不僅是想讓團隊成員能夠離開辦公室環境，更希望能夠透過這樣的方式啟發大家的創造力，並且鼓勵大家採用 "think outside of the box" 的思維方式，專心一致的在 kick-off meeting 中進行分享以及交流。在這樣的環境能夠讓每個同仁都能夠感受到一種全新的氛圍，並在其中得到更多的啟發。此外，我們在活動當天也設定了一個有趣的 dress code 主題： “Canner”。活動以團體賽的方式進行，每位團隊夥伴透過組隊的討論可以激發彼此的創意、觀察以及聯想力，更能夠促進團隊夥伴之間的互動和認識。

Vulcan 隊！

I am Canner, I am possible!

Data Mesh 真人版！

四朵雲～

獲得滿堂彩的 ASK ME 三人組（請見官網右下角），除了裝扮很像，還有互動式服務，超級精彩！

Canner是一個信任承諾、專心致志的團隊。每個人都將自己的承諾付諸實踐，並全心全意地致力於實現公司的目標和愿景。同時，我們也鼓勵團隊夥伴以獨立思考的方式進行有效溝通。當我們擁有自己的想法並且能夠清晰地傳達它們，我們才能更好地合作創造優秀的產品以及提供完善的服務。同時，我們也注重品質和速度的平衡。在我們的工作中，以使用者導向的原則規劃我們的決策。我們的目標是在保證產品和以及維持服務品質的前提下，盡可能地提高速度和效率。而且，我們秉持「以終為始」的理念，這有助於我們更好地掌握時間和目標，更好地管理我們的計劃和策略。

最後，團隊合作是成功的關鍵。在Canner 我們團結一心、共同努力，克服困難、突破挑戰。I am a Canner, I am Possible!

什麼是模擬查詢 (Query Impersonation)？

模擬查詢 (Query Impersonation) 在外部系統取得 Canner Enterprise 資料時，得以在 SQL 中帶入使用者參數，動態取得在資料列層級安全性 (Row-level Security) 以及資料行層級安全性 (Column-level Security) 的資料集，來保護資料的安全性。

範例: 以資料行層級安全性 (Column-level Security) 進行

使用者在 Canner Enterprise 中要建立 View 或是 Materialized View 時，可以在 SQL 語法中加入上述的函數來定義資料權限。

資料權限定義: 當使用者在工作區中權限角色不是工作區擁有者 (Owner) 時，資料表中的 address 欄位會回傳 *** 的值給使用者。

SELECT
    (CASE 
        WHEN get_workspace_role() != 'owner' THEN '***' 
        ELSE address::text 
    END)
FROM 
    customer_27487

以上述例子，如果在外部系統拿這個 View 的資料時，如果他不是工作區的 Owner 的話他拿到的資料為 ***，如果是的話會回傳正確的 address。

完整的文件請參考：https://docs.cannerdata.com/zh-TW/product/workspaces/sql/query_impersonation

我們相信模擬查詢 (Query Impersonation) 這個新功能將為我們的使用者帶來更多的便利。我們也期待大家的反饋和建議，以便我們不斷優化和完善這個功能。感謝大家的支持！

很榮幸在七月邀請到了 Clkao，infuse AI 的創辦人兼CEO，來到 Canner 與我們一同度過了一個難忘的 CT Time（Canner tea time）。Clkao 分享了許多寶貴的經驗，包含開源的知識和對於 g0v 以及 AI 最新發展的深入見解。

在這次 CT Time 中， Clkao 分享他對開源的熱愛和對於開源協作的寶貴經驗。開源一直是 Canner 建立文化和技術基石的核心價值，Clkao 的分享對我們有著很大的啟發。他分享了如何積極地參與社群、開源貢獻。 另一個令人驚豔的主題是 g0v，這是一個台灣的社會運動，旨在推動公民參與和透明政府。Clkao 細緻地描述了 g0v 運動的由來、核心價值和取得的成就。這個運動不僅在台灣有著深遠的影響，同時也激勵著我們更積極地思考如何透過技術與社群的力量，讓我們的產品和使命影響到更多的人。

此外， AI 已經成為各個行業的一部分，對於現代科技的影響無處不在。Clkao 分享了 AI 領域最新的趨勢和挑戰，並對未來的發展做了一些預測。這不僅讓我們了解到 AI 的無限潛力，同時也提醒了我們要在技術發展的同時保持對於倫理和社會責任的高度警覺。感謝 Clkao 無私的分享和寶貴的時間。這次經驗將激勵我們在開源和社會責任上更進一步，並在 AI 領域尋找新的應用和突破。

最後，也要感謝所有參與這次 CT Time 的團隊成員，期待未來能繼續舉辦這樣豐富多彩的活動，與更多的業界先驅和社群達人交流，碰撞出更多不同的火花！

第一場分享由Clkao 主講，他其深入的技術見解與實際應用案例讓我們受益匪淺。 Clkao的分享探討了 LLM 的前沿發展與未來趨勢，讓與會者對於語言模型的應用與優勢有了更深入的理解。

第二場分享，我們邀請到了 VulcanSQL 的專案負責人 Cooper。他向我們介紹了 VulcanSQL 這個令人振奮的專案，並且聯合 Ming-Han 講述了在整合 ChatGPT 過程中所遇到的困難。這段分享對於正在探索類似整合的人們來說相當有價值，Cooper 以及 Ming-Han 的經驗分享讓我們少走了許多彎路。

這次的【SELECT * FROM 資料小聚】不僅僅是學習與分享的平台，更是業界交流與合作的機會。我們看到了來自不同背景的專業人士相互交流的場景，這種合作與凝聚力無疑將為 AI 與開源社區帶來更多創新與突破。感謝 Clkao, Cooper 以及 Ming-Han 的精彩分享。感謝所有參與這次【SELECT * FROM 資料小聚】的夥伴，你們的熱情參與使這次活動更加特別！期待未來我們還能舉辦更多類似的活動，繼續促進 AI 和開源社群的蓬勃發展！

Originally post on: https://vulcansql.com/blog/powering-rapid-data-apps-with-vulcansql

What Are the Challenges ?

When it comes to building data applications on top of your data warehouse, several obstacles can get in the way. Here are the primary obstacles you might come across:

1. High Query Latency: Customer-facing applications require speedy responses, often within milliseconds. Traditional data warehouses, however, are optimized for analytical workloads, which might lead to slow query responses that could negatively impact your application's user experience.

2. Security Concerns: In a world where data breaches are all too common, implementing an application-specific security layer is vital. This is especially important for multi-tenant environments where each user must access only their own data.

3. Cost Considerations: The scalability of your applications to serve a large number of concurrent users can bring about cost challenges. As the user base grows, the associated cost of managing a data warehouse might skyrocket. Striking a balance between scalability and cost can be quite a struggle.

Meet VulcanSQL

VulcanSQL, a data API framework built specifically for data applications, empowers data professionals to generate and distribute data APIs quickly and effortlessly. It takes your SQL templates and transforms them into data APIs, with no backend expertise necessary.

One of the defining attributes of VulcanSQL is its strategic use of DuckDB's exceptional capabilities as a caching layer. This synergistic pairing permits VulcanSQL to deliver low-latency APIs, presenting an optimal solution for scenarios where traditional data warehouses may fall short.

By utilizing VulcanSQL, you can move remote data computing in cloud data warehouses, such as Snowflake and BigQuery to the edge. This embedded approach ensures that your analytics and automation processes can be executed efficiently and seamlessly, even in resource-constrained environments.

Visualize a typical use case, where you, a data engineer or analytics engineer, regard the historical data in your data warehouse as "cold data" and store the data frequently accessed or relevant to the application within VulcanSQL as "hot data".

Now, let's see how straightforward it is to write a VulcanSQL API.

Crafting a Data API

Let's assume we are creating an API that will provide the daily revenue for the past three years.

For instance, I will set up a VulcanSQL server and use BigQuery as the data warehouse with TPC-H SF1 data within. We need to handle two things first, but I won't delve into the specifics here.

• Project configuration: Establish project-related configurations. For more information, visit: https://vulcansql.com/docs/api-plugin/overview
• Connecting to a data source: For more details, visit https://vulcansql.com/docs/connectors/overview. We support BigQuery, Snowflake, PostgreSQL, and Clickhouse.

Now let's dive into the most critical aspect - writing our APIs.

Step 1. Crafting APIs with SQL Templates

After initializing your VulcanSQL project, we can begin constructing your API using SQL templates. Let's develop a daily_revenue.sql file, which contains the main business logic of the API, all written in SQL.

As an example, I'll create an API that responds with the daily revenue for a specific period.

{% cache %}
select
  *
from daily_revenue
  where orderdate >= {{ context.params.startdate }}
  and orderdate <= {{ context.params.enddate }}
{% endcache %}

• Fetching from Cache: The {% cache %} ... {% endcache %} directive fetches data from the DuckDB caching layer.
• Dynamic Parameter: context.params.xxx stands for the values acquired from the query parameters. VulcanSQL uses your template to furnish users with data they specify via parameters.

Step 2. Configuring your API

Next, let's develop a daily_revenue.yaml file to configure your API.

urlPath: /daily_revenue
cache:
- cacheTableName: daily_revenue
  sql: "select sum(totalprice), orderdate from cannerflow-286003.tpch_sf1.orders where orderdate >= '1996-01-01' group by orderdate "
  profile: bq
  refreshTime:
      every: "1d"
profile: bq

Here we've defined an API with the path /daily_revenue. In the cache settings, we specific following configurations:

• cacheTableName: The name of the table in DuckDB that will store the cached data.
• sql: The SQL query that will be executed to extract data from BigQuery.
• refreshTime: The frequency at which the cache will be refreshed. In this case, it's daily.
• profile: We created a BigQuery profile in the project configuration step. Here, we specify the profile to use. Check out the Connecting to Data Sources for more information.

Once you start the VulcanSQL server, it syncs data from BigQuery to DuckDB for caching and then serves it at the /daily_revenue endpoint.

Performance Evaluation

In this scenario, we've extracted aggregated data from the data warehouse and transformed a SQL template into Data APIs using VulcanSQL. Now, let's assess the performance of VulcanSQL.

To evaluate if VulcanSQL could serve as a low-latency data API, especially in handling multiple concurrent requests, I conducted a series of load tests using k6.io.

Here's a look at a basic request. The load test was run for a span of 30 seconds. For a concurrency level of 1 and 10, VulcanSQL managed to handle the load within an impressive 100 milliseconds!

# concurrent 1, ran for 30 sec
med 9ms
p(95) 13ms

# concurrent 10, ran for 30 sec
med 48ms
p(95) 71ms

Even at a concurrency level of 100, VulcanSQL kept the response times within 500ms.

# concurrent 50, ran for 30 sec
med 223ms
p(95) 267ms

# concurrent 100, ran for 30 sec
med 422ms
p(95) 492ms

And with 300 concurrent users, the response time managed to serve within approximately a second, still showing impressive scalability.

# concurrent 300, ran for 30 sec
med 1.0s
p(95) 1.3s

All our source code is available on Github. Feel free to check it out!

Summary

In today's data-driven world, businesses rely heavily on their data warehouses. These rich repositories serve as the backbone for collecting and processing tons of data, turning raw numbers into valuable insights.

However, as more and more organizations look to build data applications atop these data warehouses, a new need arises - the need for a robust data API framework. This framework should be designed to overcome traditional obstacles like high query latency, security concerns, and cost issues, enabling organizations to fully leverage their data and drive their operations to new heights.

Are you ready to step up your data application game with VulcanSQL? Check out our quickstart guide here and embark on a journey towards more efficient, secure, and cost-effective data applications.

Finally, if VulcanSQL resonates with you, please consider starring us on GitHub!

K-Startup Grand Challenge（KSGC）不僅是一項政府計畫；它代表著全球新創公司進入韓國市場的光明燈塔。無論是為了籌集新一輪投資，還是拓展業務，KSGC都開啟了無限可能的大門。從眾多新創公司中脫穎而出，成為60支精英團隊之一，不僅是一份榮耀，更是對我們遠大理念和辛勤付出的肯定。

隨著10月31日至11月2日Demo Day的到來，我們的目標十分清晰。這是向由投資者和風險資本家組成的嚴格評審團展現我們對於韓國市場潛力的絕佳機會。他們將基於我們的展示來評估哪些團隊能為韓國帶來更多商業價值、創造就業機會和推動創新。

我們冒險之旅的起點：

我們參加 KSGC 的旅程始於一場激烈的篩選過程。從超過6,000家新創公司中脫穎而出，這既是一種振奮人心的榮幸，也帶來了巨大的壓力。在抵達韓國之前，我們投入了無數小時進行準備工作。我們的目標不僅是向世界展示Canner的潛力，更是要深入這個充滿創新與文化交流的環境，從中汲取靈感與能量。

韓國 - 新篇章：

抵達韓國，彷彿踏入了一個全新的世界。KSGC為我們提供了寶貴的交流機遇，讓我們每一天都充滿了新的學習和體驗。從深入了解韓國市場的細節到與來自世界各地的企業家進行交流，每一刻都不僅令人難忘，更具有變革性的意義。

備戰 Demo Day：

準備Demo Day本身就是一段難忘的旅程。這一過程包含了嚴謹的規劃、持續不斷的練習，以及對我們最終展示的細微調整。我們所獲得的專業指導無可匹敵，它極大地提升了我們的展示方式、策略和技巧。面對挑戰，我們團隊的精神和動力始終未曾衰減。在漫長的夜晚和清晨，我們彼此支持，堅定地專注於我們共同的目標。

Demo Day – 我們旅程的高峰：

Demo Day標誌著這三個月努力的高潮。隨著每個團隊蓄勢待發，準備展示他們數月來的心血成果。對我們來說，這次的展示不僅是旅程的頂點，更是一個我們引以為傲的故事。我們學到了如何在國際市場上擴展，並從參與KSGC Demo Day的加速器中收到了邀請，他們看好我們的產品在韓國生態中的機會和潛力。

最後：

隨著 Demo Day 的結束，我們不僅攜帶著激勵人心的經歷和珍貴的反饋離場，更帶著一個更加明確的目標和對未來藍圖的清晰想象。這些經驗和教訓將成為我們通往成功道路上的堅實基石。這段旅程如同成長的熔爐，使我們蛻變，不僅成為充滿潛力的競爭者，更為 Canner 在全球舞台上留下深刻的印記。

2023 年終於結束了！我對最近許多網路上的文章談論和提到“語意層 (Semantic Layer)” 感到非常期待與興奮和不知所措... 2023 年對於 Semantic Layer 來說無疑是一個奇妙且重要的一年。

確定的未來

2023 年初，有一則關於 dbt 收購 Transform 的重大新聞。自那時起，數據生態系統就急切地等待dbt進入語意層的下一步動作。在 2023 年 10月的dbt Coalesce 年會期間，dbt 宣布了其下一代 “dbt Semantic Layer” 展望了語意層的未來面貌。最近，Cube的 CMO Jen Grant 在一篇文章中稱 2023 年為語意層之年。她表示 "While Cube and the semantic layer have been around for a long time, it was only in 2023 when the stand-alone semantic layer category turned from a cool idea to a necessary ingredient in any data stack."

讓我們來看看宏觀統計數據，Google 趨勢也顯示從 2022 年開始，“語意層” 一詞開始獲得全球關注。在 2023 年，它達到了高峰。2024 年將對 “語意層” 來說更加期待！

不僅是美國，還有亞洲

許多美國公司分享了客戶對 “語意層 (Semantic Layer)” 的趨勢。

在 Canner，我們也看到同樣的趨勢不僅發生在美國市場，而且還在亞洲。今年，我們很幸運能夠在亞洲地區的銀行、保險公司、製造業、遊戲和零售行業提供和實施我們的解決方案，也有更多合作夥伴與大型企業詢問度持續增加。通過為客戶提供 Canner Enterprise，我們仍然看到 “語意層” 仍處於市場初期階段，並且在未來 2024 有很大的潛力和可能性。

隨著 Canner 仍然有許多新的想法和創新正在進行，今天我想分享我們朝著 2024 年的 “語意層 (Semantic Layer)” 的願景和理念。

我們在 2024 年 Universal Semantic Layer 的 5 個關鍵創新

1. 查詢虛擬化相容性 (Query Virtualization Compatibility)

語意層在所有資料應用程式中以相同的基本邏輯運行，包括 BI、AI 和高級分析工具。 實現這一目標的方法是語意層解決方案將實現查詢虛擬化等技術，這是語意層的重要組成部分； 透過虛擬化，企業資料消費者可以跟任何資料來源與數據應用的方式取得資料； 在幕後，語意層將透過最佳化和自動化自動重寫查詢並下推到特定於來源的 SQL 語言。

隨著語意層逐漸成為主流採用，傳統和最新來源和資料應用程式的兼容性問題必須妥善解決。 在 Canner，我支援了許多可以連接到語意層的來源和資料應用程序，例如 Informix、Sybase、Oracle、BigQuery 等來源，以及 SSIS、SSAS、SAS、Tableau、Power BI、Metabase 等應用程式。

2024年，我們將繼續擴展資料應用和來源的兼容性。

2. 上下文感知指標調用 (Context-aware Metrics Access)

我們相信指標的未來是動態且可組合的，這意味著指標應該了解上下文。 當涉及不同的使用者或查詢時，這將允許自動組合指標，而無需建立 View 和 Table。 為了實現可組合性，需要一個通用的 SQL 和 API 的指標介面。

我們需要一個指標接口，它是指標生產者和資料消費者之間定義明確的共享邊界。 語意建模是使用模型定義語言 (MDL) 定義的，它允許資料團隊公開一致的的和可擴展的介面。 客戶端驅動的架構會搜尋根據使用者需求自訂的數據，而無需了解指標中的任何資料結構，系統會自動生成重組的 SQL ，很好地解耦了計算邏輯和數據服務應用邏輯。這透過減少應用程式工具中大量過度獲取資料來增強資料一致性和快速效能。

3. 數據應用治理 (Governance in Business Collaboration)

治理對於企業客戶使用的任何資料相關工具都至關重要。 語意層透過彌合資料和業務團隊之間的差距，在現代企業資料架構中發揮獨特的作用，這意味著許多複雜的治理問題只能透過這兩個團隊之間的協作來解決。

未來，語意層的治理將與工作流程完全整合。 這將包括資料共享流程、部門之間和跨職能團隊之間的審批工作流程。 此整合將建立在審查追蹤、精細資料存取控制、資料血脈、通知和資料政策等基本功能之上，這些功能也將納入語意層。 因此，團隊和部門可以無縫協作，無需在不同平台之間切換。

4. 在資料分析中啟用人工智慧 (Enable AI in Data Analytics)

根據最近的研究，語意層可以幫助防止人工智慧幻覺。 為了實現這一目標，必須建立語意層來​​為資料提供足夠的上下文和語意，並跨來源定義標準資料和指標定義，這將有助於確保提供必要的資訊。

人工智慧和原始資料之間的直接存取可能會導致安全漏洞。 為了緩解這種情況，透過語意層產生 SQL 可以確保細粒度的存取控制策略到位。

5. 開源語意層 (Open-source Semantic Layer)

我們相信開放性對於生態系統至關重要，並且一些 資料社群的人 正在呼籲語意層擁有開放標準。 我們計劃開源我們的核心——開放語意層。 我們的目標是透過開放定義標準和查詢引擎創建跨 BI、資料科學、人工智慧和高級分析工具的查詢標準化。 這將有助於企業解決不同應用工具中多個資料定義不一致的問題。

我們的計劃包括三個主要設計組件：語意建模、語意定義語言和標準協議。 技術工程師可以透過類似 GraphQL 的語法來定義語意層與定義指標。 此外，我們也為非技術人員提供自助式 UI 介面，以建立跨不同應用工具的語意標準。 我們還將透過 PostgreSQL wire protocol 標準提供標準的 SQL 查詢，讓傳統與新型的資料應用工具都能夠完美連結，並且任何應用程式工具都可以 API 接口取得資料，確保所有應用程式都可以在統一的資料治理框架下進行管理和應用。

2024 年會是個令人興奮的一年

我們將分享更多詳細信息即將發布的部落格文章和分享，我們到時見！你也可以追蹤我們的電子報，就能夠收到我們最即時的消息！

在這篇文章中，我們將探討資料網格到底是什麼以及它如何使您的組織受益。 無論您是希望達成公司資料策略的 CIO 或 CEO，還是只是對這個創新概念感到好奇，這篇文章是為你而撰寫的。

資料網格簡介 - 它是什麼以及為什麼它對企業很重要？

資料網格是一個在科技業越來越受歡迎的新概念。 從本質上講，它是一種管理資料的方法，將資料分解為更小、更易於管理的部分。 然後，這些部分被組織成獨立的單元，企業內的不同部門可以輕鬆存取和使用這些單元。 這種方法對於每天處理大量資料的大型組織尤其重要。 它有助於降低管理這些數據的複雜性，使其更易於使用和分析，透過採用資料網格策略，企業能夠創造更精簡、更有效率的資料管理系統，從而推動成長和成功。

了解資料格的四個核心原則

那麼，Data Mesh 的四大核心原則是什麼？ 讓我們仔細看看：

領域驅動的資料所有權

在傳統的資料管理策略中，資料通常由集中式團隊管理。 然而，在資料網格中，每個網域或業務單位都擁有自己的資料的所有權。 這確保了數據符合該特定領域的特定需求和目標。

數據作為產品

Data Mesh 將資料其視為一種有價值的產品，需要對其進行管理和維護才能提供價值。 這意味著有完整的資料生命週期來管理和維護資料。

自助數據平台

資料網格的一個關鍵方面是創建擁有自己的資料平台的獨立工作區。 這使得組織內的各個部門或團隊可以輕鬆有效地存取資料。

聯邦治理

在資料網格中，每個域都可以控制自己的數據，但也有一個聯邦治理結構。 這允許域之間的協作和資料共享，同時仍然保持自治。

如何開始使用資料網格

要開始使用資料網格，首先要確定組織內的不同功能或業務部門。 這些可以基於產品線、地理位置或特定的業務功能。 每個領域都將對自己的資料負責，因此明確定義其角色和職責非常重要。

a. 確定您的業務目標和數據需求

當開始一項新業務或尋求改進現有業務時，花時間確定您的業務目標和資料需求非常重要。 您希望透過您的業務實現什麼目標？ 是增加收入、擴大市場範圍還是提高客戶滿意度？ 一旦您清楚地了解了自己的目標，您就可以開始確定需要哪些數據來幫助您做出明智的決策。 這可能包括有關客戶行為、銷售趨勢或市場研究的資訊。 透過找出您的業務目標和數據需求，您將能夠更好地制定策略決策並推動業務向前發展。

b. 評估您目前的資料基礎架構和流程

管理資料對於任何組織的蓬勃發展和實現其目標都至關重要。 評估您目前的資料基礎架構和流程以確保它們高效且有效至關重要。 簡化的基礎架構和優化的資料流程可以顯著影響您業務的成功。 透過分析您的資料基礎設施，您可以識別需要改進的領域並充分解決它們。 它還可以幫助您識別可能阻礙您運營的任何潛在瓶頸。 因此，花時間徹底評估您的資料基礎架構和流程對於確保您的組織準備好面對新的挑戰至關重要。

c. 設計適合您業務的資料網格架構

設計適合您業務的資料網格架構需要仔細考慮您組織的獨特需求。 成功的資料網格架構可以實現資料的分散所有權和管理，使各個團隊能夠使用資料來推動創新和改善業務成果。 為了創建可持續且有效的架構，確定正確的資料工作區並確保它們在團隊之間保持一致非常重要。 此外，為數據品質和政策制定明確的標準資訊對於維持數據信任至關重要。 透過花時間設計個人化的資料網格架構，您可以確保您的組織充分利用資料的潛力。

成功實施資料網格的技巧

解決實施資料網格的複雜性是一項艱鉅的任務，但只要採用正確的方法和指導，成功是可以實現的。 一個關鍵技巧是確定組織的優先級，確保為資料分配所有權並集中編目以便於存取。 強大的溝通管道同樣重要，可以促進團隊之間的協作以支援資料網格架構。 此外，優先考慮數據民主化和自治的文化對於成功至關重要。 接受這些技巧，再加上對資料網格架構的清晰理解，可以幫助組織成功實施並獲得優化資料基礎設施的回報。

a. 團隊之間的溝通與協作

在當今的數位時代，團隊之間的溝通和協作變得比以往任何時候都更加重要。 隨著遠端團隊和分散式辦公室成為常態，在團隊之間建立有效的溝通管道以確保生產力和成功結果至關重要。 為實現共同目標而共同努力還可以培養一種支持、創造力和創新的文化。 對於團隊成員來說，能夠有效溝通、分享想法並無縫協作進行專案至關重要。 簡而言之，溝通和協作是有效團隊合作的關鍵方面，優先考慮這些技能的組織往往會更成功地實現其目標。

b. 資料治理的重要性

資料治理是任何處理資料的組織不可或缺的一部分。 它是一組確保正確使用和管理資訊的政策、程序和標準。 如果沒有適當的資料治理，就會存在資料外洩、資料遺失以及對所提供資訊缺乏信任的風險。 在當今數據驅動的世界中，決策很大程度上受到數據的影響，組織必須實施有效的數據治理實踐以確保合規性、透明度和問責制。 透過這樣做，他們可以安全、自信地使用數據來推動業務成長和成功。

本公司成功使用資料網格的現實範例

在當今的商業世界中，數據已成為組織最有價值的資產之一。 然而，傳統的資料管理方法已不再足夠。 資料網格是一種強調去中心化資料所有權和管理的新方法。 Zalando、ThoughtWorks 和 Intuit 等公司已成功實施資料網格，從而提高了資料品質並加快了洞察速度。 例如，時尚和生活風格零售平台 Zalando 實施了資料網格來改進其推薦引擎。 透過分散資料所有權，他們能夠減少開發時間並將模型準確性提高 10%。 這些現實生活中的例子表明，對於希望利用資料實現永續業務成長的組織來說，資料網格的實施可以改變遊戲規則。

實施資料網格的挑戰以及如何克服這些挑戰

隨著企業不斷產生大量數據，數據網格的概念已成為管理和利用這些數據的一種主流的方法。 然而，儘管有潛在的好處，許多公司仍在努力成功實施資料網格。 一項主要挑戰是建立自治資料工作區的複雜性，這可能會導致資料品質和治理問題。 此外，傳統的組織結構和流程可能不利於資料網格所需的去中心化方法。 然而，透過採取精心設計領域邊界、建立清晰的溝通管道以及投資必要的技術和人才等措施，公司可以克服這些挑戰並釋放資料網格的全部潛力。

語意層 (Semantic Layer) 如何幫助資料網格取得成功

資料網格的一個重要組成部分是語義層，它充當資料工作區和應用程式之間的橋樑。 它提供了一種標準化的方法來存取和理解來自不同領域的數據，從而實現它們之間的無縫整合。 語義層還有助於維護資料的一致性和可靠性，並促進使用不同資料集的團隊之間的協作和溝通。 透過建立統一的語言和對資料的理解，語義層在資料網格的成功方面發揮著至關重要的作用。 它使企業能夠打破數據孤島並創建一個有凝聚力的生態系統，所有利益相關者都可以存取和使用數據效率積極地。

Data Mesh 在資料管理領域的未來前景

數據管理的未來就在這裡！ 隨著資料網格的出現，企業現在可以利用其資料資產來推動創新和成長。 這種革命性的資料管理方法涉及跨團隊分配資料的所有權和存取權限，使其更易於存取、可靠和可擴展。 好處是多方面的，從提高數據品質和處理到更快的上市時間和更好的業務成果。 借助資料網格，公司可以擺脫通常無法交付預期結果的傳統集中式模型，並採用更敏捷、協作的方法，使團隊能夠自信地做出資料驅動的決策。 隨著組織不斷產生大量數據，資料網格有望成為有效且有效率的資料管理的前進方向。

嵌入式分析的工作原理

嵌入式分析的工作原理是將儀表板、報告和視覺化等資料分析功能無縫嵌入現有軟體應用程式。 這是透過使用將應用程式與分析平台或工具連接起來的應用程式介面 (API) 來實現的。

為什麼嵌入式分析很重要

嵌入式分析為組織提供了多種好處，包括：

1. 改進決策：

透過為用戶提供對現有應用程式中數據和分析的即時訪問，嵌入式分析可以實現更快、更明智的決策。

2. 提高用戶採用率：

透過將數據分析功能整合到熟悉的業務應用程式中，嵌入式分析提高了用戶採用率，並減少了與使用單獨的分析平台相關的學習曲線。

3. 節省成本：

將分析嵌入到現有應用程式中，無需額外的軟體或許可證，從而為組織節省成本。

4. 增強客戶體驗：

透過嵌入式分析，企業可以為客戶提供自助儀表板和報告，使他們能夠輕鬆存取和分析與其帳戶或購買相關的數據。

嵌入式分析的用例

嵌入式分析可用於各種行業和應用，包括：

銷售與行銷：

透過將分析嵌入 CRM 系統中，銷售和行銷團隊可以即時洞察客戶數據、銷售績效和活動有效性。

金融服務：

銀行和金融機構可以在其網路銀行平台中使用嵌入式分析，為客戶提供個人化的預算工具、投資分析和詐欺偵測。

供應鏈管理：

透過將分析整合到供應鏈管理系統中，組織可以即時了解庫存水準、生產計劃和運輸流程。

人力資源：

人力資源部門可以使用嵌入式分析來追蹤員工數據，例如績效評估、培訓進度和留任率。

實作內嵌分析

要實施嵌入式分析，組織應考慮以下步驟：

定義業務目標：

明確定義您想要透過嵌入式分析實現的目標和結果。

識別資料來源：

確定將哪些資料來源整合到您的嵌入式分析解決方案中。

選擇一個平台：

選擇一個可以輕鬆與您現有應用程式整合並具有適合您的特定用例的必要功能的平台。

設計儀表板和視覺化：

創建直覺且用戶友好的儀表板和視覺化效果，為最終用戶提供可操作的見解。

測試與迭代：

在將其推廣到整個組織之前，先與一小群用戶徹底測試您的嵌入式分析解決方案。 利用他們的回饋進行改進和迭代，直到您擁有功能齊全的解決方案。

培訓最終使用者：

提供培訓和支持，以確保最終用戶能夠輕鬆使用嵌入式分析解決方案並了解如何解釋數據。

監控與維護：

定期監控您的嵌入式分析解決方案，以發現任何問題或改善機會。 根據需要進行必要的更新和維護。

持續改進：

隨著組織需求的發展，繼續評估和改進您的嵌入式分析解決方案，以確保它始終提供有價值的見解。

嵌入式分析有何用途？

嵌入式分析可用於多種目的，包括：

分析模式與趨勢：

透過分析多個來源的數據，嵌入式分析可以幫助識別表面上可能不明顯的模式和趨勢。

改善決策：

透過觸手可及的即時數據，決策者可以做出更明智的選擇，並對業務環境的變化做出快速反應。

優化流程：

嵌入式分析可以幫助識別業務流程中的低效率和瓶頸，使組織能夠簡化營運並提高效率。

增強客戶經驗：

透過提供對客戶行為和偏好的洞察，嵌入式分析可以幫助企業改進其產品和服務，以更好地滿足客戶的需求。

預測分析：

借助先進的演算法，嵌入式分析還可用於預測分析，使企業能夠預測未來趨勢並做出主動決策。

降低成本：

透過自動化資料收集和分析，嵌入式分析可以幫助減少手動報告所需的時間和資源，從而節省預算。

嵌入式分析如何運作？

嵌入式分析的工作原理是將資料分析和視覺化功能直接整合到現有應用程式中，而不是將它們作為單獨的工具。 這使用戶無需離開其工作流程或應用程式即可存取即時見解。

這個過程通常涉及三個步驟：

資料整合：

第一步是整合來自各種來源的數據，例如資料庫、表格和雲端應用程式。

數據分析：

資料整合後，可以使用儀表板、報告和圖表等各種技術進行分析。 這使用戶能夠深入了解他們的數據並識別模式和趨勢。

資料視覺化：

最後，分析結果在應用程式本身中以用戶友好的格式可視化。 這消除了用戶手動產生報告的需要並簡化了決策過程。

語意層如何幫助建​​立嵌入式分析？

語意層是位於資料來源和最終使用者介面之間的虛擬層。 它充當中介，將複雜的資料結構轉換為非技術用戶可以輕鬆理解的簡單業務術語。

在嵌入式分析的背景下，語意層在提供不同來源的資料的統一視圖方面發揮著至關重要的作用。 這使得開發人員可以更輕鬆地將分析功能建置到他們的應用程式中，因為他們不需要擔心不同資料來源的複雜性。

此外，語義層允許更有效率和有效的資料存取和檢索。 它還可以透過減少從多個來源檢索資料所需的查詢數量來提高效能。

人工智慧與嵌入式分析：

隨著人工智慧 (AI) 的進步，嵌入式分析可以提升到一個全新的水平。 人工智慧驅動的分析可以自動識別資料的模式和趨勢，提供比傳統方法更深入的見解。

此外，人工智慧還可以協助預測分析，根據歷史數據預測未來趨勢。 這允許主動決策，而不僅僅是對過去的事件做出反應。

具有語意層 (Semantic Layer) 和人工智慧的嵌入式分析的未來：

強大的語意層和人工智慧驅動的分析相結合，有可能徹底改變嵌入式分析領域。 透過更輕鬆地存取資料、簡化決策流程以及預測分析等高級功能，企業可以在當今快節奏的市場中獲得競爭優勢。

Canner 如何幫助您建立嵌入式分析？

Canner 是一個強大的工具，可以透過 Canner Data API 建立你要分析的數據提供給第三方工具。 憑藉其強大的資料管理功能，它可以增強企業中的自助資料分析。Canner 提供了一個資料調用平台，用於管理和控制不同的資料來源、簡化資料管理並增強透明度和控制。

透過將分析嵌入到您的軟體應用程式中，您可以加快決策速度、簡化營運並改善客戶體驗。 Canner 允許跨各種模型有效聚合數據，透過存取控制和遮蔽提供元資料管理和資料安全工具，並支援各種資料輸出格式。 這使得將報告、儀表板、數據視覺化和其他分析組件整合到您的應用程式中變得更加容易。

此外，根據 ThoughtSpot 的說法，嵌入式分析可以幫助企業做出更好的決策，因為它可以深入了解現有的工作流程。 透過 Canner 的資料虛擬化和資料產品管理功能，您可以輕鬆地向最終使用者提供分析，使他們能夠做出更簡化的商業決策。

總而言之，Canner 可以幫助您利用嵌入式分析的力量來提供數據驅動的體驗，提高應用程式效能，並最終推動業務成長。