連八年獲評Gartner資料科學與機器學習平台領導者的SAS，其台灣業務顧問部副總經理陳新銓就建議企業用「智能服務中台」來連接前端多變的場景與後端大量湧入的資料，才有機會將結果回饋到前端應用程式或使用者身上。
陳新銓進一步說明，理想的智能服務中台包含兩部份，分別是「數據中台」與「智慧中台」。其中「數據中台」以DataOps概念進行資料整理、清理及治理，是打造智能服務中台的起點，不只確保資料品質和可信度，還能大幅縮短資料交付與應用時間，與傳統資料倉儲的方式相比，數據中台更快速且貼近企業現今的使用需求，且資料在數據中台進行統一管理時，也能更全面的制定使用規則與資料政策。
而「智慧中台」則具備自動化機器學習、模型生命週期管理與即時決策等功能，其中「自動化機器學習AutoML」能透過系統自動進行特徵工程、演算法選擇、訓練模型與選出最佳模型，還能解釋模型讓資料科學家更清楚了解每個模型的評比，並且能在建模流程中調整設定，大幅提高了建模效率，SAS就曾協助客戶最佳化AI模型參數，把過往至少 2 個月的時間縮減到15分鐘，節省95% 的時間成本。同時，企業把繁雜的建模工作交給智慧中台後，就有機會在內部培養平民資料科學家，進一步帶來更多創新服務。
▲數據中台篇（圖/SAS)
「智慧中台」還肩負運行ModelOps流程，在模型的生命週期內進行有效管理，隨時監控模型效能並加速部署流程，讓分析人員與各部門之間的合作更加流程化與自動化。
目前許多產業開始投入運用智能服務中台來縮短決策流程。以金融業為例，國內有銀行以智慧平台為基礎推出信用卡臨時調額服務，當優質客戶刷卡超額時，系統立即做出判斷並發出推播訊息，成功帶動後續刷卡金成長。美國汽車大廠Kia Motors導入智能服務中台後，以自然處理自動提取顧客維修資訊，再結合不年份製造的車輛故障資訊，讓故障問題查找時間由原本的數天縮為30分鐘。
由上述案例不難看出，智能服務中台能快速因應前端場景的變化，為企業創造出最佳效益與顧客滿意度，同時還囊括了治理與維運精神，讓企業能在各場景迅速因應與調整，提供最適切的決策與個人化服務。
