Lion Parcel 在 AWS 上更快獲得資料洞察，以增強客戶體驗

全球物流產業預計將在 2022–2030 年間穩步增長，年增長率可達 6.8%，尤其因為電子商務物流急劇增長、貨櫃嚴重短缺、主要港口關閉導致港口擁塞，以及空運市場容量受限等原因。雖然該行業在過去兩年中經歷了重大轉型，但已進行有效調整，並因應多種新興趨勢繼續發展。

Lion Parcel 正在加強技術，讓其得以做出資料驅動型決策，進而助力公司在與國內和國際競爭對手的角逐中脫穎而出。作為 Lion Group 旗下子公司，Lion Parcel 為印度尼西亞 17,000 個島嶼的客戶提供第一哩、中途和最後一哩配送服務。Lion Parcel 還從印度尼西亞的 7,000 多個服務點，向 25 個國家/地區的客戶提供服務。Lion Parcel 資訊科技主管 Probosetyo Krishna 表示：「我們發現，技術可以幫助我們有效地改善現有的物流生態系統。」

直到 2019 年，Lion Parcel 一直使用內部部署的基礎架構來執行業務。次年，該公司將自己的核心系統遷移到 Amazon Web Services (AWS)，以利用其依用量計費的模式和無限的擴展能力。Krishna 詳細闡述道：「我們發現，AWS 及其合作夥伴提供的支援堪稱一流。我們非常重視這一點，因為我們正在與值得信賴且認同我們價值觀的合作夥伴合作，力爭在業界取得領先位置。這對我們來說很重要，因為我們希望在雲端建置並執行更多工作。」

2021 年初，Lion Parcel 開始組建一個資料團隊，負責在 AWS 上建置資料管道，並與 AWS 合作夥伴 Deloitte 合作，以協助完成設計和實作任務。過去，Lion Parcel 曾嘗試在內部部署一個資料湖。然而，其效能和資料處理速度都未能達到業務預期。例如，若要執行一份六個月期限的配送報告，Lion Parcel 不得不等待 15 分鐘，才能載入資料。在 AWS 上，執行相同的報告只需要不到一分鐘的時間。

Lion Parcel 使用 Amazon Simple Storage Service (Amazon S3) 做為資料湖來儲存結構化和非結構化資料，利用 AWS Glue 進行資料轉換和清理，並將 Amazon Redshift 做為資料倉儲。

在與 Deloitte 和 AWS 開始討論後僅僅六週的時間，Lion Parcel 就啟動並執行了資料湖和資料倉儲。「資料管道的實作速度比我們預期的更快，而且我們能夠完成的作業也比最初設想的更多，」Krishna 說道。他們為資料管道確定的第一批使用案例包括，改進內部報告的視覺化效果，以及透過 Amazon SageMaker，套用機器學習 (ML) 對客戶進行細分。

以往，報告查詢是透過 Lion Parcel 的交易式資料庫進行的。但隨著資料數量的增加，企業遭遇瓶頸，而這個情況使擷取資訊的速度變得非常緩慢。Krishna 指出，憑藉現代化的資料管道，交易式資料庫能夠保持隔離和「潔淨」狀態，員工可以直接從資料倉儲中擷取所需的資料。

憑藉更快的報告執行速度和更深入的精細資料可見性，Lion Parcel 能夠轉向更主動的客戶服務模式。管理和客戶服務人員可以在配送的各個階段，快速執行包裹狀態報告。作為一家以客戶為中心的公司，Lion Parcel 目前正在透過 AWS 上的監控系統建立警示，及時偵測配送中斷情況，並在收到投訴之前搶先採取行動。

除了速度優勢之外，Lion Parcel 還可以從 Amazon QuickSight 上的商業智慧儀表板獲益，取得近乎即時的營運洞察。過去，該公司的 IT 團隊需要執行前一天的每日績效報告，以便呈上給管理層。現在，管理層可以直接訪問當日報告，擷取僅 1 小時前的最新資料。

「憑藉 Amazon QuickSight，視覺化效果顯著改善。這項服務易於連接，具有出色的價格價值比，與我們之前的開放原始碼視覺化工具相比提供了更多的功能，」Krishna 講道。

在視覺化效果增強之後，Lion Parcel 將注意力轉向建置 ML 模型，將其做為分析管道的延伸。客戶細分是 Lion Parcel 機器學習之旅的第一步。管理和行銷團隊現在可以透過 ML 驅動的客戶行為分析來檢視不同的客戶資料檔，並使用這些分析來量身定製客戶關係管理 (CRM) 計劃。

Lion Parcel 可以分析客戶處於哪個購買階段、客戶流失的可能性，以及其他有助於執行針對性行銷活動的特征。該企業已開始使用 Salesforce CRM 軟體，並能夠在 AWS 雲端上無縫地整合客戶資料。

AWS 雲端的可擴展性是執行目前的 ML 計劃 (例如為新服務點確定最佳位置) 以及未來計劃 (例如路線最佳化和需求驅動型定價等) 的關鍵。Krishna 表示：「憑藉 AWS，我們可以擴展高效能的伺服器，以訓練和建立資料模型，然後縮減規模，藉此提高 ML 的成本效益。」

他總結道：「探索 AWS 雲端技術的潛力，對我的團隊來說是一種非常有趣的體驗。我們從 AWS 和 Deloitte 的指引中學到了很多東西，我們的管理團隊也對結果感到滿意。」

要進一步了解，請瀏覽 aws.amazon.com/big-data/datalakes-and-analytics。