疫情持续延烧全球， SAS在今年全球论坛(SAS Global Forum)分享过去动荡的一年中，组织如何透过人工智慧AI技术，成功建构新营运模式。 SAS借镜海外企业经验，建议台湾企业应趁疫情之际，强化数位转型动能，更积极导入AI应用，做好减震及复苏的准备，特别指出「诈欺侦测」、「客户关系重塑」与「需求预测」三大应对面向。

疫情间伪冒交易及身份盗窃事件攀升

SAS 台湾总经理陈恺新指出，台湾过去一年守疫有成，此时面对疫情已有转型的借镜。回顾疫情对SAS海外客户最大的震撼就是意识到『决策』速度的重要性。面对不确定性，企业更需要能支撑决策的数据基础、给予行动建议的即时运算技术，以及规划出模拟情境来预测风险及需求。整体在疫情期间可说以『诈欺侦测』、『客户关系重塑』与『需求预测』三大面向的应用成长最为明显。

疫情助长诈欺犯罪，AI即时侦测阻断交易

去年疫情四起后，美国舞弊稽核师协会已有77% 的受访成员指出诈欺案件数量激增，全球支付业者也表示数位诈欺事件增加35%。目前台湾民众对非接触式的数位交易需求大幅增加，加上近期银行处理纾困贷款业务，更迎来金融犯罪的隐忧。金融业者此时更需仰赖AI大量且快速运算的特性，阻断即时异常交易与风险评估，让资金与金融服务留给真正有需求的民众。同时针对可疑案件及资金流向，立即透过视觉化调查平台打造更强有力的防范后盾。

过往汇丰银行(HSBC)即导入SAS即时交易诈欺侦测系统，在客户刷卡的当下，以平均不到60毫秒的时间内整合大量资料、客户特征资料、客户过去的交易资料，即时侦测出这张信用卡被盗刷的可能性，判断是否直接阻断交易。汇丰银行至今已在30个地区监控超过1亿张信用卡，不但让掌握即时侦测的交易量增加了87％，标记出潜在诈欺的运算资源成本更减少30％。陈恺新也指出，目前国内也有大型银行加速布局，已与SAS展开合作信用卡伪冒交易阻断。

在美国，SAS 与美国身份盗窃资源中心 (Identity Theft Resource Center，ITRC) 更合作推出ViViAN (Virtual Victim Assistance Network ) 身份盗窃虚拟助理作为与客户沟通的第一线，透过自然语言处理和深度学习打造人性化的对话体验，协助扩增该中心客服量能，应对2020年破纪录的寻求身分盗窃协助客户数量，将受诈欺客户等待时间降到最低，改善受害者体验并照顾他们情绪。

情绪分析提升客户关系层次

疫情肆虐让以实体互动为主的运动赛事、娱乐和艺文活动、及服务业备受冲击，那么企业该如何在这段期间持续增进客户连结与体验，并为未来疫情平息后的新常态做好准备呢？

拥有洛杉矶国王、洛杉矶银河及安大略统治者等曲棍球队的美国AEG Sports 公司于 Microsoft Azure 上搭载SAS Viya AI 平台建立模型，在疫情爆发期间强化会员关系管理，进行调查衡量球迷对于回到现场观看比赛等活动的看法，分析球迷的情绪与态度，搭配过往球迷行为纪录，判定哪些是死忠球迷应强化对话感、哪些即将流失需要投入心血挽留。 AEG Sports 利用这些客制化策略成功提升10%客户挽留率，同时提升行销活动的投资报酬率。

AEG Sports还利用 SAS Viya 提供的机器学习优化模型与资料视觉化功能，快速撷取包含票务、合作通路、销售、气象资料和健康专家等资料并进行分析，打造不同模拟情境，预先制定应变计画。当球迷可以安全地回到球场观赛时，AEG Sports即能够快速且灵活将门票需求、场地大小、公共卫生限制与其他因素等进行各级情境预测，来制定最佳化票价。

需求预测与情境模拟，优化营运

疫情下客户此时更会要求交货时程的精准度，制造业若没有精准的预测，备料过多会增加库存成本，过少则影响客户满意度。 SAS曾协助美国本田汽车（Honda）运用1,200个经销商、一天数十次更新，所累积下来的客户销售与维修资料，包含施工作业的类型、客户支付金额、维修历史资料等，建立一个AI预测模型，预测各零件预备的指标及客户习惯等，让零件准备预测准确度高达99%。

目前台湾零售业也面对消费者到实体通路购买意愿降低，转向电子行动商务，如何精准预测销售趋势，及优化库存管理将形成一大挑战。早在2019年，法国零售龙头家乐福即携手SAS处理全球卖场、仓库及电子商务平台等来源的资料，改善下游消费预测及上游供应商订货程序，减少库存过剩。

然目前全球供应链不确定仍在，资料难累积AI该如何预测？其实AI能以时间序列为基础建立「事件」资料库；除固定事件外，再纳入特殊事件及外部资料如失业率、油价、疫情传播状态等，产出各程度冲击的最佳与最坏情境模拟。

美国疫情爆发之初，各州陆续颁布「居家令」，许多制造商面临业绩冲击，且保修准备金与备料预估大失准，财务状况吃紧。当时通用电器（GE），即以SAS AI模型，将突发的疫情状况参数，如各地政令、疫情严峻度、近期异常数据等加入模型训练，快速产出各类情境，以利决策层级快速拟定应对战略。

连续多年被评为「全美最佳医院」克里夫兰医学中心（Cleveland Clinic）于疫情爆发后也携手SAS以AI模型预测患者人数、所需加护床位数、医护人员防护设备和呼吸器数量。借此设计了「最好」、「最坏」以及「最有可能发生」的三种情境，随情势和资料源变化进行即时调整。该医学中心去年即曾启动「最坏」的情境应对:在其教育园区内为无需加护病房的新冠肺炎患者搭建了1,000张临时病床。

AI扩展到云端成趋势

疫情也突显企业对于能在各地都能持续运算各种规模资料的需求，AI分析迁徙到云端是另一波趋势。 IDC指出，大数据和分析软体于公有云的部署，到2024 年将以 23.2% 的年复合成长率增长[3]。 SAS 亦因应市场需求，持续扩展云端服务。 2020年 11 月，SAS 与 Microsoft 建立了策略合作伙伴关系，在 Microsoft Azure 上发布 SAS Viya云端原生分析平台。今年并进一步提升服务，让 Viya平台扩大支援 Amazon Web Services 和 Google Cloud ，下半年还计划新增对 Red Hat OpenShift 的支援。

SAS台湾总经理陈恺新总结，疫情仍充满不确定性，台湾企业应留意上述的全球潮流、吸取海外企业的成功经验，并评估将工作负载流畅地移转至云端，以找出高效率营运模式，适应瞬息万变的市场。