常見問題

我們彙整了您可能遇到的問題,並提供相關解決方式和建議,也歡迎留下資訊與我們聯繫!

是,借助生成式AI模型能力,可以將使用者的口語查詢,轉換成相關指令對資料庫或Excel進行查詢,並整理查詢結果回覆使用者。

iNana產品在雲端與地端皆可運行。計費方式有訂閱制與買斷制,如需更詳細內容,請填寫線上表單,我們將盡速為您提供資訊。

目前支援Excel, CSV, SQL等關聯式資料庫。

系統會先根據用戶問題,從預建的知識庫中檢索出最相關的內容,再由語言模型生成答案,不會憑空產生「幻覺」,將錯誤資訊的機率降到最低。並且在答案下方直接列出所引用的資料來源、文件名稱或網頁連結,讓使用者可以追溯每個答案的依據。

 iNana Chatbot可以提供API給外部程式來呼叫。假如因為客戶需求,需要調整AI模型,會有額外的開發與費用產生。

AI 應用需要大量高品質歷史數據、即時資料流以及強大的計算能力。資料倉儲不再只是報表和查詢的工具,而成為支持機器學習、即時決策和自動化分析的核心平台。進一步說,AI 訓練和推理通常需要處理海量、即時、多樣化資料,因此資料倉儲必須能支持雲原生、計算與儲存分離、即時擴展,適應 AI 工作負載波動。

各系統各自記錄雖然方便,但分散在不同伺服器、格式不統一、難以快速查找和關聯。集中日誌管理平台能統一收集、索引、查詢,快速定位系統故障,讓問題排查和監控更高效。除此之外,也能生成稽核報告滿足合規要求,提升運維效率和資安防護能力。

需要。隨著業務成長,系統API 數量暴增會導致查找困難、難以重用、調用失敗率高、維護成本上升,並可能造成合規隱患和服務中斷。除此之外,雖然是內網,但未經授權的存取、敏感資料外洩、越權調用依然可能發生。API 管理可統一驗證、授權、審計,減少資安風險,提升重用率、維護性和安全性。

不會完全取代,兩者互補。ETL 將資料抽取後載入至資料倉儲,是「批次搬運」的過程,而數據虛擬化則是透過邏輯視圖即時查詢來源資料,不需要儲存副本、降低延遲並減少儲存成本。對於需要歷史資料、清洗後的大規模分析的應用場景仍適合 ETL;但對需要靈活、即時、多來源查詢的場景,數據虛擬化更有優勢

我們的顧問團隊不只是提供理論架構與建議,更擅長與技術團隊協作,確保治理制度可以實際落地執行。顧問會參與工具驗證、規格擬定、導入規劃與使用者訓練等實務工作,不做空泛建議,只做能落地的策略設計。

當然可以。

資料治理並不僅是依賴工具起步,而是先釐清角色責任、資料標準與使用流程。我們可以協助您以最簡單的方式(如 Excel + 表單 + 共用平台)建立治理制度,再視實際需求與成熟度進行工具導入規劃。

可以。

我們具備完整的顧問到建置能力,可從前期制度設計、RFP 擬定、廠商評選協助,到後續導入規劃、驗收測試與使用者教育訓練,提供端到端支援服務,讓治理從策略、制度到系統一次到位。

一般而言,資料治理顧問偏重制度設計與規範制定,例如治理組織架構、政策流程、元資料與資料品質管理原則等;而系統整合廠商(SI)則多聚焦在工具導入與系統建置。

我們公司同時具備這兩種能力:我們不僅是技術導向的 SI,更擁有專業的資料治理顧問團隊,可協助客戶從治理框架規劃、制度制定到實際工具導入與落地執行,提供一條龍式的整合服務。這樣的模式可有效縮短規劃與實作之間的落差,確保治理機制真正落實於日常作業中,而非停留在文件或圖表層次。

我們會採用「協作輔導」模式,依照客戶的資源狀況設計合適的推動節奏與分工方式,並以簡化工具、模板與共編方式協助作業。目標是協助您建立制度與能力,而非造成內部額外負擔。

顧問會先進行初步盤點與評估,找出組織中關鍵資料集與使用情境,通常從具備「高價值、高風險、高重複使用」的資料資產著手,例如報表用的關鍵欄位、稽核資料或 AI 建模資料,逐步推進治理範圍。

兩者互為支撐。資訊安全著重在「保護資料不被未授權使用」,資料治理則關注「資料是否定義清楚、使用正確、具備責任歸屬」。良好的資料治理可強化資料分類、權限管理與存取紀錄,成為資訊安全政策的重要基礎。

資料治理強調「共識機制與標準制定」,透過顧問協助建立資料詞彙標準、欄位定義版本管理與治理委員會制度,讓跨部門能在共同框架下定義與維護資料,降低爭議與誤解,確保資料語意一致。

資料治理是結合制度、流程與文化的長期建設,並非單一工具導入即可立見成效。

就實務經驗而言,僅是釐清組織成熟度、完成內部既有制度、規範盤點與需求訪談,就往往需花費 2 至 4 個月,才能建立出適切的推動策略與優先順序。

資料治理的推動過程就如同城市規劃:不是一開始就蓋房子,而是先進行整體藍圖設計,包括土地分區、道路網絡、基礎設施等,再分階段開發與驗收。若缺乏前期規劃與制度設計,貿然導入工具,反而容易造成落地困難或治理空轉。

若推動規劃得宜,組織配合度高,通常可於 6~12 個月內在特定業務領域初步展現成果。中長期則能強化跨部門資料共享、分析準確性、風險控管能力與 AI/BI 應用的資料可信度。

不一定。

資料治理首重制度、流程與人員角色的建立,工具是加速與擴充治理能力的輔助手段。我們採取中立立場,並可協助客戶根據預算、需求與現況評估是否導入工具,並提供驗證與選型建議,不進行產品強推。

是的。

BI 與資料倉儲是「工具」與「平台」,資料治理則是確保資料來源可信、標準一致、責任明確的制度與方法。治理可以提升 BI 與倉儲的資料品質與使用效益,避免資料失真或誤用問題。

我們的顧問服務內容可依組織成熟度量身調整,通常涵蓋以下面向:

  • 資料治理組織與角色設計
  • 治理政策與標準流程制定
  • 元資料管理與資料品質機制導入
  • 工具選型建議與驗證輔導
  • 教育訓練與導入內化規劃

資料治理顧問服務是協助組織建立資料資產管理制度的專業服務,涵蓋政策制定、角色職責明確化、元資料與資料品質管理等重點。透過顧問輔導,可有效提升資料一致性、可用性與合規性,讓資料真正成為可控與可用的資產。

碳盤查是企業或組織量化其溫室氣體排放量的盤查作業,盤查範疇包括:溫室氣體直接排放(範疇一)、能源間接排放量(範疇二)及其他間接排放量(範疇三)。

環境部:全廠(場)化石燃料燃燒之直接溫室氣體年排放量及使用電力之間接溫室氣體年排放量合計達2.5萬公噸二氧化碳當量以上之製造業。

金管會:根據「上市櫃公司永續發展路徑圖」,強制要求上市櫃公司分階段揭露溫室氣體盤查資訊並進行查證。

產品碳足跡包含產品生命週期內的各階段(原料、製造、配送、使用、廢棄)之活動數據乘以對應的排放係數,再加總計算而得。因常涉及跨部門、跨組織資料,如使用人工彙整計算,亦出現疏漏與錯誤,故數位化平台工具將有效降低人工錯誤並大幅提升效率。

相關資訊可參考:https://product.iisigroup.com/products_and_service/iso-14067-%e7%94%a2%e5%93%81%e7%a2%b3%e8%b6%b3%e8%b7%a1%e6%a8%a1%e7%b5%84/

資拓宏宇永續雲包含ISO14064-1、ISO14067、能源管理系統等模組。如有試用需求,請填寫線上表單與我們聯繫。

目前平台沒有限制使用者帳號數。但有據點數量限制,如有相關疑問,歡迎留下資訊,我們將盡速安排專人回覆。

溫室氣體盤查報告如同減肥前的身體相關指數資訊。先確認體重數字、體脂肪等關鍵數值,再針對關鍵資訊擬定減重計畫。溫室氣體盤查亦是透過完整而細緻的盤查,掌握碳排放項目及總量再針對這些重點區域採取精準的減碳措施,從而優化環境績效。

  • 提高效率和生產力: 機器人可以24/7不間斷工作,處理大量重複性任務,大幅縮短處理時間、釋放員工執行更高價值的工作。
  • 降低錯誤率: 機器人按照預設規則精準執行任務,消除人為錯誤,提高數據準確性和一致性。
  • 節省成本: 減少人工操作,降低人力成本和加班費,同時減少因錯誤造成的損失。
  • 提升合規性: 機器人操作有完整的軌跡記錄,便於追蹤審核,有助於企業符合法規要求。
  • 改善客戶服務: 例如,自動化客服流程可以加快回應速度,提升客戶滿意度。
  • 易於實施: 通常具低程式碼/無程式碼特性,非技術人員也能參與自動化流程設計和部署。

適合自動化流程通常具有以下特點:

  • 重複性高: 任務需要頻繁重複執行。
  • 規則明確: 任務的執行流程有清晰的步驟和規則,不需要複雜的人工判斷。
  • 輸入數據結構化: 處理的數據格式固定、易於識別。
  • 高頻率/大量: 涉及大量數據處理或交易的任務。
  • 跨系統操作: 需要在多個不同系統間切換和交互。

常見應用場景包括:財務(發票處理、帳務核對)、人力資源(履歷篩選、薪資計算)、客戶服務(訂單查詢、常見問題回覆)、IT(系統監控、密碼重設)、供應鏈(訂單處理、庫存管理)等。

RPA的實施通常比傳統IT專案更快。一個概念驗證(PoC)項目可能只需要幾天,完整的導入需要6~12個月(取決於流程數量多寡)。 RPA的導入過程一般包括:

  • 流程識別與評估: 找出最適合自動化且能帶來最大效益的流程。
  • 流程細節分析與設計: 詳細規劃自動化流程的每一步驟。
  • 開發與配置: 使用RPA工具建立和配置軟體機器人。
  • 測試: 確保機器人穩定、準確地執行任務。
  • 部署與監控: 將機器人投入實際運作,並持續監控其性能。

建議企業採取分階段導入策略,先從小型、高價值流程開始,逐步擴展應用範圍。

RPA的目標並不是取代所有人類員工,而是輔助人類工作,通常在導入RPA後,員工的任務從資料的輸入者變成資料的檢核者及流程優化的規劃者。

它將員工從枯燥、重複性的工作中解放出來,讓他們有更多時間專注於需要創造力、策略思考、人際互動和複雜判斷的高價值任務。RPA可以提升員工的工作滿意度和成就感,因為他們不再需要做那些「連機器人都能做」的工作。

  • 流程變化: 當業務流程或應用系統介面發生變化時,RPA機器人需要重新配置和維護。
  • 缺乏認知能力: RPA無法處理需要複雜判斷、模糊邏輯或非結構化數據的任務,這需要結合AI、機器學習等更先進的技術。
  • 安全性疑慮: RPA機器人會存取企業系統和敏感數據,因此安全性、權限管理和監控是重要考量。
  • 員工接受度: 需要妥善溝通,讓員工理解RPA的益處,並提供相關培訓,以提高接受度。
  • 選擇合適的工具: 市面上有許多RPA供應商(如UiPath、akaBot),選擇適合企業需求、易用且具備擴展性的工具至關重要。

RPA是流程自動化,而AI和ML則提供了認知能力。兩者可以結合形成「智慧自動化」:

RPA 擅長執行基於規則的重複性任務。
AI/ML 則能讓RPA機器人處理更複雜、非結構化的數據,例如透過OCR(光學字元辨識)辨識圖片中的文字、透過自然語言處理(NLP)理解文本內容、或透過機器學習進行預測和決策。

RPA 導入成本通常可分為幾項:

  • 授權 : 一般都採訂閱制,成本約為人類薪資的 1/5~1/3
  • 開發 : 如果是由員工學習後實施,只會有初期的學習成本
  • 維護 : 可成立專責單位負責維護,或委外由廠商承攬,一般為專案成本的 10~20%。

開發好的流程可以保留,但是執行流程仍需要機器人授權,所以沒有訂閱軟體就無法使用。在完成授權續訂後,既有流程就可以繼續使用。

如遇Google Cloud相關問題,可使用Google Cloud自助支援服務,快速查找相關資訊。

https://cloud.google.com/support-hub?hl=zh_tw

請參閱疑難解答檔

https://learn.microsoft.com/zh-tw/troubleshoot/azure/

請參考AWS產品和技術常見問答集 https://aws.amazon.com/tw/faqs/?nc1=f_dr

自動備份至多個區域或結點,採用加密保護。可設定備份保留政策、跨區域複製,確保資料恢復能力。

提供靜態加密(儲存時)、傳輸加密(網路傳輸)、金鑰管理服務。可選擇自管理或託管金鑰。

雲端環境可採用嚴格隔離機制,包括虛擬化、網路隔離、加密技術。多租戶環境下確保資料私密性。

大型雲端供應商擁有專業安全團隊,採用多層防護、AI威脅偵測、自動安全更新等先進技術,並通過SOC、ISO等國際認證,並採用責任共擔模型,供應商負責基礎設施安全,客戶負責應用程式和資料保護,正確配置和管理下,雲端安全性高於多數企業自建系統。

AWS、Azure和GCP都具備核心的國際安全標準認證,包括ISO 27001(資訊安全管理系統)、ISO 27017(雲端服務資訊安全控制)、ISO 27018(雲端個人資料保護) 等ISO系列認證,以及SOC 1、SOC 2、SOC 3審計報告。

常見原因包括忘記關閉測試資源、資料傳輸費用、儲存成本累積、未優化的資源配置。建議使用成本管理工具監控。

採按需付費模式,依實際使用量計算,包括運算時間、儲存容量、網路傳輸等。計費透明化,提供詳細的使用報告和成本分析工具,可設定預算警示控制成本。

對「高傳輸」、「低延時」等網路特性有需求的單位都適合導入5G方案

返回頂端