出版全華圖書指定用書中華民國物流協會【物流運籌人才-倉儲與運輸管理】教材製作AIBILA 研究室 ・ Allen 老師
第一篇 核心思維篇 證照必考

第 2 章 物流資訊的神經網路

資訊觀點

核心管理議題

  1. 【家族分工】為什麼同一家物流公司要同時養 OMS、WMS、TMS、ERP、CRM 五套系統,各自的地盤與界線在哪?
  2. 【誰是真相】當一張訂單的狀態在 OMS、WMS、ERP 顯示不一致時,該以誰為準?問題出在哪一層?
  3. 【主資料歸屬】貨品、客戶、儲位、車輛這些主資料,該由哪個系統「說了算」?
  4. 【即時的代價】「即時同步」聽起來很美,但成本是什麼?哪些資料真的需要秒級同步?
  5. 【AI 的前提】AI 與 BI 要能在物流決策中發揮作用,需要什麼樣的資料基礎?

章前情境故事

週二早上 08:45,台中履約中心的小會議室。Ware 一進門就把平板推到桌上,螢幕上並排三個視窗:OMS 顯示「已出貨」、WMS 顯示「揀貨中」、ERP 顯示「待分配」——同一張訂單 #SO-0123-5678,在三個系統裡有三個不同的狀態。

▶ 三人對話語音(Allen × Ware × Route)
Allen 顧問Ware 倉儲經理Route 運輸經理
Ware
Allen 老師,我這邊有個燙手問題——同一張訂單,OMS 說已出貨、WMS 說揀貨中、ERP 說待分配。客戶剛打來問為什麼貨還沒到,客服在 CRM 查到「已出貨」,倉庫主管堅持貨還沒下架——到底誰說的才算數?
Allen
(在白板畫一個「腦袋」,拉出四條分支)感知——來自條碼、RFID、GPS;傳遞——OMS、TMS、WMS 之間的訊息;記憶——ERP 的主資料與交易資料;解讀——BI/AI 的分析與建議。Ware,你這個問題不是哪個系統出錯了,而是你們沒有一個「真相來源」。
Route
Allen 老師,我們運輸這邊也一樣——TMS 說車已發、ePOD 說貨已簽、但 OMS 還停在「配送中」。客服查到什麼看心情。
Allen
所以今天這一章,我們先不急著談工具,先把「資訊的解剖學」講清楚——系統家族有誰、各自管什麼、誰說了算、資料怎麼串起來,最後才講 AI 要落地需要什麼前提。不然你裝再多 AI,它學的都是互相打架的資料。
Ware
好,那我們從哪裡開始?
Allen
(把白板擦乾淨)物流資訊的神經網路——四層架構。感知、傳遞、記憶、解讀,缺一不可。

各節重點內容

§2.1 物流資訊的四層神經網路:感知、傳遞、記憶、解讀

神經網路類比:物流資訊系統可比擬為一張神經網路,由下而上分四層——感知、傳遞、記憶、解讀,缺一不可(見圖2-1)。

感知層(Sensing):條碼、RFID、QR Code、GPS、溫度感測器、地磅、視覺相機;系統的「指尖」,把實體世界事件轉為數位訊號。

傳遞層(Transmission):EDI、API、訊息佇列、企業服務匯流排(ESB)、事件匯流排;讓訊號在系統之間流動。

記憶層(Memory):ERP/WMS/TMS 資料庫與主資料管理(MDM);儲存交易資料(每筆事件紀錄)與主資料(貨品/客戶/儲位/車輛基礎檔)。

解讀層(Interpretation):BI 儀表板、報表、AI 預測模型、最佳化引擎;把資料轉為洞察與決策。

四層協奏:訂單狀態在 OMS/WMS/ERP 對不上,表面是系統打架,本質是某一層(多為記憶層主資料未對齊)出了問題。

物流資訊的四層神經網路:感知—傳遞—記憶—解讀
圖2-1物流資訊的四層神經網路:感知—傳遞—記憶—解讀點圖放大
Allen 的現場筆記
為什麼用神經網路做類比?我在顧問案場工作三十年,看過的物流公司 IT 簡報多到數不清——上面總是畫著一堆方框連著一堆箭頭,學員看完只會背「這張圖有 OMS、WMS、ERP」,卻記不住它們為什麼要那樣連。後來我改用神經網路的類比——感知、傳遞、記憶、解讀——學員的眼神就不一樣了:指尖的觸感、神經的傳遞、大腦的記憶、意識的解讀,每個人都熟得不能再熟,系統架構圖再複雜,放進這四層就有地方「接起來」。教學這件事,比「講對」更重要的是「讓對方記住」;一個好的類比,勝過十張規格圖。

§2.2 系統家族圖:OMS/WMS/TMS/ERP/CRM 的分工與界線

四層架構:營運系統家族由上而下分四層——分析層、顧客層、營運層、執行層(見圖2-2)。

L1 分析層:BI/DW(商業智慧/資料倉儲)不直接參與交易,而是抽取各系統資料整合分析;角色像「法院」——不生產,但仲裁。

L2 顧客層:OMS(訂單管理)與 CRM(客戶關係管理)面對外部世界。

L3 營運層:WMS(貨)、ERP(錢)、TMS(車)——掌管公司三種核心資源,這一層最吃重。

L4 執行層:WES、MES、FMS、ePOD——最貼近實體現場,指揮自動化設備與電子簽收。

四條雙向主動脈:WMS↔OMS(可用量/預留)、OMS↔ERP、ERP↔CRM、TMS↔CRM;跨層協作靠這些血管。

家族界線:資料可共用,但「主責」只能一個——OMS 主責履約狀態、ERP 主責財務結清、CRM 主責客戶關係。

營運系統家族四層架構與四條雙向主動脈
圖2-2營運系統家族四層架構與四條雙向主動脈點圖放大

§2.3 主資料管理(MDM):貨品、客戶、儲位、車輛誰說了算?

MDM 定義:Master Data Management,決定「哪個系統對哪筆主資料說了算」;是物流資訊系統裡最不起眼、卻最容易爆雷的議題。

兩類資料:交易資料(量大、生命週期短、持續累積)vs 主資料(相對穩定、跨系統共用的基礎檔)。

四大主資料:貨品主檔、客戶主檔、儲位主檔、車輛主檔;同一貨品在三系統有三種編號/名稱/規格,是典型災難。

主寫/訂閱原則:每筆主資料只能有一個主責系統(Master System),其餘皆為訂閱者(Subscriber)。

四種架構模式:Registry(登錄式)/Consolidation(彙整式)/Coexistence(共存式)/Centralized(集中式),權衡整合深度與實施成本(見圖2-3)。

治理重於工具:主資料不是 IT 問題,是治理問題;沒有「誰主寫/誰訂閱」的共識,再貴的 MDM 工具也只會變成第二個混亂資料庫。

主資料管理(MDM)四種架構模式對照
圖2-3主資料管理(MDM)四種架構模式對照點圖放大
Ware 的現場筆記
把貨品主檔「搬家」的故事。我們公司三年前鬧過一次大風波:當時貨品主檔由電商團隊維護,電商的 KPI 是「越多 SKU 越好、越快上架越好」,建檔時為趕時效,規格與尺寸常填錯或空白,導致倉庫揀錯貨、配送裝不下、ERP 開發票稅率寫錯。後來把貨品主檔的 Master 搬到供應鏈團隊——因為供應鏈最關心貨品的實體屬性(尺寸、重量、儲存條件、危險品分類),而這些屬性下游全部門都要用;電商只保留「行銷屬性」(標題、圖片、關鍵字)的 Master。搬家後第一個月倉庫揀貨錯誤率從 1.8% 降到 0.9%、第三個月降到 0.4%,沒買新系統、沒換廠商,只是把主責人從「追上架速度的人」換成「在意資料準確度的人」。這就叫治理問題:工具買再貴,主責人搞錯,一切白費。

§2.4 介面模式:同步、非同步、批次與事件驅動

介面=系統對話方式:對齊主資料的前提是系統能正確對話;四種主流對話方式各有適用場景。

同步 API(打電話):REST API 為典型;A 撥出請求、等 B 回應,期間 A 必須等待。即時,但耦合高。

非同步訊息佇列(寫信+郵差):Kafka、RabbitMQ、SQS;A 投遞後不必等,B 依序處理,達成解耦。

批次檔案(貨運):CSV/EDI 定時傳送、批次處理;最古老普遍,時效低但穩定。

事件驅動(消防警報):事件一發生就向外廣播,所有訂閱者各自照預案反應。

即時性光譜:月批次→日批次→小時批次→分鐘級→秒級→毫秒級;越即時、越貴(見圖2-4)。

資訊系統介面的即時性光譜:從月批次到毫秒級事件驅動
圖2-4資訊系統介面的即時性光譜:從月批次到毫秒級事件驅動點圖放大
Route 的現場筆記
即時性的代價,我吃過一次大虧。我們冷鏈配送初期,一股腦把所有系統都做成同步 API——客戶下單即時查庫存、車輛每 10 秒回報位置、溫度感測器每 5 秒更新。結果某天機房一台伺服器當機,整條訊息鏈斷掉,全線配送停擺六小時,客服電話被打爆。後來重新檢討:車輛位置 30 秒一次就夠、溫度異常時再即時告警平時每 5 分鐘記錄一次就好,真正需要即時同步 API 的只有「訂單庫存查詢」這類影響接單決策的場景。改完之後伺服器負載降了七成,故障影響面也從「全線停擺」縮小到「部分功能降級」。Allen 老師那句「不要為了 1% 的即時需求付 10 倍成本」,我是用六個小時的客訴換來的學費。

§2.5 AI/BI 落地架構:承先啟後

一條共同底:前四節(四層神經網路、系統家族、主資料治理、介面權衡)鋪的都是同一條底——讓資料「乾淨、完整、可信」地抵達分析層,AI/BI 才有舞台可跳。

四階段分析階梯:Descriptive(發生了什麼)→ Diagnostic(為什麼發生)→ Predictive(接下來會發生什麼)→ Prescriptive/Normative(該怎麼做)(見圖2-5)。

前二階=BI「回顧與理解」;後二階=AI「預測與建議」。

AI 落地三道門檻:感知的廣度與準度(§2.1)、資料的完整與可信(§2.3)、即時性與成本的權衡(§2.4);前三層(感知/傳遞/記憶)若不健康,AI 再強也回不來。

BI/AI 的四層分析階梯:Descriptive → Diagnostic → Predictive → Prescriptive/Normative
圖2-5BI/AI 的四層分析階梯:Descriptive → Diagnostic → Predictive → Prescriptive/Normative點圖放大

§2.6 工具與技術:物流資訊架構選型指南

選型主軸:把前五節觀念落地到真實公司,就會面臨「用什麼工具」;本節聚焦四大工具家族與務實選型思考。

主資料管理工具(對應§2.3):商用企業級(功能完整、深度整合、導入 6–18 個月、授權貴)vs 開源/輕量型(基本功能、須自行開發、導入 3–9 個月);代表有 Informatica MDM、SAP MDG、Talend(開源)等。

訊息佇列/事件匯流排(對應§2.4):開源自建(Kafka、RabbitMQ、Pulsar;授權免費、成本在人力硬體)vs 雲端託管(按流量計費、運維外包、自動擴充)。

選型鐵則:治理機制與使用場景先於工具功能——先想清楚「誰主寫、資料多即時」,再挑工具;否則再貴的工具也只是第二個沒人用的系統。

各節重點內容簡報

本章摘要與關鍵詞索引

本章摘要
  • 以「神經網路」類比建立資訊系統觀:感知、傳遞、記憶、解讀四層缺一不可(§2.1)。
  • 營運系統家族四層:BI/DW 居頂仲裁、OMS/CRM 面向顧客、WMS/ERP/TMS 為營運三支柱、WES/MES/FMS/ePOD 貼近現場;四條雙向主動脈串起協作(§2.2)。
  • 主資料管理(MDM)以貨品/客戶/儲位/車輛為核心,每筆主資料只能有一個 Master System;四種架構模式權衡整合深度與成本;治理重於工具(§2.3)。
  • 介面四模式(同步 API/非同步佇列/批次/事件驅動)構成即時性光譜,越即時越貴(§2.4)。
  • 資料乾淨、完整、可信地抵達分析層,AI/BI 才有舞台;分析四階梯 Descriptive→Diagnostic→Predictive→Prescriptive(§2.5)。
中文詞彙English說明
感知層Sensing Layer§2.1
傳遞層Transmission Layer§2.1
記憶層Memory Layer§2.1
解讀層Interpretation Layer§2.1
訂單管理系統OMS, Order Management System§2.2
客戶關係管理系統CRM, Customer Relationship Management§2.2
倉儲管理系統WMS, Warehouse Management System§2.2
企業資源規劃系統ERP, Enterprise Resource Planning§2.2
運輸管理系統TMS, Transportation Management System§2.2
商業智慧/資料倉儲BI / DW, Business Intelligence / Data Warehouse§2.2
承諾可用量ATP, Available-to-Promise§2.2
主資料管理MDM, Master Data Management§2.3
主資料 vs 交易資料Master Data vs Transactional Data§2.3
主寫/訂閱系統Master System / Subscriber System§2.3
MDM 四種架構模式Registry / Consolidation / Coexistence / Centralized§2.3
同步 APISynchronous API§2.4
非同步訊息佇列Asynchronous Message Queue§2.4
事件驅動架構Event-Driven Architecture§2.4
分析階梯(四階)Analytics Ladder (Descriptive / Diagnostic / Predictive / Prescriptive)§2.5
處方性/規範性分析Prescriptive / Normative Analytics§2.5

本章統整與下章預告

第 1 章講的是物流的實體結構(本體觀點),第 2 章講的是資訊神經網路(資訊觀點);下一章進入決策觀點——用「兩階段決策金字塔(決策金字塔 2.0)」把 BI、AI、最佳化、決策建議一層一層堆起來。

下章預告:有了實體結構(Ch1 本體觀點)與資訊神經網路(Ch2 資訊觀點),第 3 章要講決策觀點——物流問題的解決邏輯,用「兩階段決策金字塔(決策金字塔 2.0)」把 BI、AI、最佳化、決策建議一層層連起來。

反思題與 AIBILA Prompt Box

  1. 【主資料治理現況診斷】請回到你熟悉的一家物流公司(可以是實習單位、打工地點、或家人任職的公司),試著回答:貨品主檔的 Master System 是哪一個?客戶主檔呢?儲位主檔呢?如果你說不清楚,這家公司的主資料治理可能處於什麼階段?如果你說得清楚,下一步改善該從哪裡著手?

    拿去問 AI
  2. 【介面模式的權衡】想像你是一家中小型 3PL 的 IT 主管,董事長聽完一場研討會後對你說:「我們也要做事件驅動架構,跟大型電商一樣!」你如何勸他先想清楚——哪些業務場景真的需要事件驅動?哪些其實非同步訊息或批次處理就夠了?請具體舉兩個場景說明即時性與成本的權衡邏輯。

    拿去問 AI
  3. 【AI 落地前提自評】把 §2.5 節的「AI 落地三道門檻」(感知廣度與準度/主資料治理/介面穩定性)應用到你手邊最熟悉的物流公司——三道門檻各自打幾分(滿分 10 分)?目前最大瓶頸在哪一道?在決定買一套 AI 工具前,你會先改善哪一道?為什麼?

    拿去問 AI
AIBILA Prompt Box 讓 AI 做一次「資訊神經網路健康度檢查」

適合情境:假設你是一家物流公司的 CIO(或 IT 主管),想讓 AI 顧問協助盤點公司的資訊系統架構、診斷潛在風險。把方括號內的資訊替換為貴公司實情,貼到通用 AI 對話工具,就能得到第一輪診斷建議。

【角色】
你是一位資深物流資訊系統顧問,擁有 20 年跨 3PL /電商/冷鏈的經驗,熟悉 MDM、介面整合、BI /AI 落地。

【背景】
我是一家【員工 XX 人/年營業額 XX 億/主要業務為 XX】的物流公司 CIO。我們現有的資訊系統包含:
(1) OMS:【廠商名稱/自建/無】
(2) WMS:【廠商名稱/自建/無】
(3) TMS:【廠商名稱/自建/無】
(4) ERP:【廠商名稱】
(5) CRM:【廠商名稱/自建/無】
(6) BI:【有/無】
(7) MDM:【有/無】

【目前的主要痛點】
【例:訂單狀態在三個系統對不上;客戶抱怨貨況更新太慢;主資料混亂導致揀貨錯誤;AI 導入失敗……】

【請協助我】
(1) 用「感知—傳遞—記憶—解讀」四層神經網路模型診斷我們的架構現況,指出每一層的風險點。
(2) 依 MDM 四模式(Registry /Consolidation /Coexistence /Centralized)建議我們目前應該先採哪一種,理由為何。
(3) 列出未來 12 個月應優先處理的三項改善,並說明理由與預期效益(量化為佳)。
(4) 提醒我最容易被忽略的「治理陷阱」(非技術問題)。
把這段提示詞帶去

如何驗證 AI 回答的品質:(1) 看是否對應本章四個核心概念:四層神經網路、系統家族分工、MDM 模式、介面權衡——只講技術不講治理,品質就不夠。(2) 看是否追問你更多資訊:好的 AI 顧問會先反問營業規模、組織架構、歷史事件;只會直接給答案的,多半是生成刻板建議。(3) 看是否指出「不該做什麼」:例如不要在主資料還亂時就先買 AI 工具。

Allen 的提醒:AI 給的是第一版假設,不是定稿。你要把它當作起草員,自己當總編輯——最終決策仍然要由人類根據組織實情與治理意志拍板。AI 能加速思考,不能代替思考。

章末習題

目前:練習版(作答後才顯示該題答案)

單選題

1. 本章以神經網路類比物流資訊系統,其四層由低至高(從實體世界到決策建議)正確的順序為何?

答案:B 解析:四層依訊號在神經網路中的處理順序:先由感測元件「感知」外界事件,透過介面「傳遞」給系統,進入「記憶」層保存狀態,最後由分析層「解讀」並輸出決策建議。 |難度 基礎|§2.1

2. 下列何者「不」是感知層(Sensing)的典型元件?

答案:C 解析:感知層負責把實體事件轉為數位訊號(條碼、RFID、GPS、感測器、手持裝置);資料倉儲 DW 屬於最上層的分析/記憶元件,不在感知層。 |難度 基礎|§2.1

3. 傳遞層(Transport)在物流資訊系統中主要扮演什麼角色?

答案:C 解析:傳遞層的角色是「讓感知訊號抵達該去的系統」——透過 API、EDI、Event Bus、訊息佇列在 OMS、WMS、TMS、ERP、CRM 之間傳遞事件與狀態。 |難度 基礎|§2.1

4. 下列何者「最能代表」記憶層(Memory)的角色?

答案:B 解析:記憶層是神經網路的「海馬迴」——對應 OMS/WMS/TMS/ERP 的資料庫,負責保存主資料與交易資料,供上層解讀。 |難度 基礎|§2.1

5. 某物流公司客戶常抱怨「系統顯示已到貨但實際未送達」,Allen建議優先檢查哪一層?

答案:A 解析:「狀態與實體不一致」通常源於感知未觸發(司機忘記簽收、感測失靈)或傳遞延遲(訊號卡在佇列);記憶與解讀是後端結果,不是根源。先排查前兩層才有意義。 |難度 中等|§2.1

6. 在本章系統家族圖中,OMS(訂單管理系統)主要負責「主責」哪一項?

答案:B 解析:OMS 主責訂單生命週期(接單、ATP/分貨、出貨、履約狀態)。WMS 主責庫存位置、TMS 主責車輛路線、CRM 主責客戶關係。家族線:資料可共用,主責唯一。 |難度 基礎|§2.2

7. 下列何者是WMS(倉儲管理系統)的「主責」範疇?

答案:A 解析:WMS 主責庫存在倉內的實體位置(儲位)、揀貨批次、上下架、流通加工紀錄。信用屬 ERP/CRM;船期屬 TMS;總帳屬 ERP。 |難度 基礎|§2.2

8. TMS(運輸管理系統)的核心任務「最貼近」下列哪一項?

答案:C 解析:TMS 主責運輸執行層:派遣、路線、車輛狀態、貨況、簽收回單。信用在 ERP、儲位在 WMS、CRM 360 視圖在 CRM。 |難度 基礎|§2.2

9. ERP 在物流公司的家族圖中,最核心的角色是什麼?

答案:C 解析:ERP 是「財務系統家族」的主責——總帳、應收應付、成本中心、稅務。揀貨在 WMS、路線在 TMS、滿意度在 CRM。 |難度 基礎|§2.2

10. 下列哪一條雙向資料主動脈「不正確」?

答案:D 解析:本章明示四條雙向主動脈:WMS↔OMS、OMS↔ERP、ERP↔CRM、TMS↔CRM。WMS↔CRM 並非設計上的主動脈——儲位是倉內實體資訊,客服查詢應透過 OMS 或 TMS 而不是直接打到 WMS,以免業務耦合過深。 |難度 中等|§2.2

11. BI /DW 在家族圖中為什麼要放在「最頂層」?

答案:B 解析:BI/DW 不直接參與交易,而是從下層五個營運系統抽取資料、進行整合,回答跨系統的分析問題(履約率、毛利、延誤率),所以放頂層。 |難度 基礎|§2.2

12. Ware 問:「OMS、ERP、CRM 都記得客戶買過什麼,這三套系統會不會重複?」最精準的回答是?

答案:B 解析:家族線原則:資料可共用但主責唯一。OMS 主責『履約狀態』、ERP 主責『財務結清』、CRM 主責『客戶關係』。三套看同一訂單但關注面向不同,不應整併也非冗餘。 |難度 中等|§2.2

13. 下列何者屬於「主資料(Master Data)」而非「交易資料(Transactional Data)」?

答案:B 解析:主資料是「長期穩定、跨系統共享的基礎檔案」——貨品 SKU、客戶、儲位、車輛皆屬之。訂單、揀貨憑證、里程是當下發生的交易/事件資料。 |難度 基礎|§2.3

14. 本書所稱物流公司「四大主資料」是哪四類?

答案:A 解析:本書明示四大主資料為貨品、客戶、儲位、車輛(配角為供應商與員工)。訂單、庫存、路線屬交易或衍生資料,BOM/工單屬製造業範疇。 |難度 基礎|§2.3

15. 「同一件貨品在OMS 叫「深咖啡馬克杯450ml」、WMS 叫「咖啡色杯子450CC」、CRM 叫「Brown MugL」」這是哪一類典型的主資料問題?

答案:B 解析:同一實體在多系統有不同代表字串,是典型的主資料碎裂(data silo)。解決方法是 MDM——貨品主檔單一來源,其他系統訂閱。 |難度 基礎|§2.3

16. MDM 四架構模式中,「各系統維持各自主資料副本、透過同步機制保持一致」最接近哪一種?

答案:C 解析:Coexistence:各系統保留自有主資料副本,透過雙向同步機制確保一致,允許在本地修改。Registry 是指標型、Consolidation 是單向彙整、Centralized 是唯一寫入中心。 |難度 中等|§2.3

17. MDM 的「Registry(註冊型)」架構,最主要的特色是什麼?

答案:A 解析:Registry 的核心是中心只維護「誰的哪張主檔是主」的對照索引,資料本體仍在各來源系統。優點:導入快、衝擊小;缺點:仍需實際取值時回查來源。 |難度 進階|§2.3

18. 某中型3PL 初次導入MDM 僅想先釐清「這個客戶到底在CRM、OMS、ERP 是不是同一個人」,最合適的起步架構是?

答案:C 解析:初期目的是『辨識同一實體』而非『統一改寫』,Registry 用索引對照最省力。Centralized 要求改寫所有系統,衝擊太大;Consolidation 多用於單向分析整合。 |難度 進階|§2.3

19. 下列四種介面模式中,即時性最高、耦合度也最高的是哪一種?

答案:A 解析:同步 API:請求—回應立即完成,延遲最低(亞秒),但耦合度最高(對方掛了自己也跟著掛)。非同步佇列與事件驅動降低耦合但引入延遲;批次檔案延遲最高、耦合最低。 |難度 基礎|§2.4

20. OMS 要即時查WMS 的「可用量」以進行ATP(Available-To-Promise)決策,最合適的介面模式為?

答案:B 解析:ATP 需要在接單當下取得庫存可用量,要求亞秒級回應,典型適用同步 API。批次會太慢、事件驅動不符合問答式需求。 |難度 中等|§2.4

21. WMS 完成揀貨後要通知TMS 派車準備出貨,下列哪種介面模式最典型?

答案:B 解析:揀貨→派車是典型事件鏈,對延遲容忍度為秒~分鐘,且 WMS 與 TMS 應解耦(WMS 不需知道 TMS 是否正常)。非同步佇列/事件驅動最合適。 |難度 中等|§2.4

22. 「夜間02:00 把當日所有配送單匯出給海關申報系統」這種場景最合適的介面模式是?

答案:C 解析:報關、對帳、財會結轉等具有固定時間窗口、資料量大、不要求即時的場景,批次檔案(EDI/CSV)仍是務實選擇,耦合最低且易於稽核。 |難度 基礎|§2.4

23. 關於「事件驅動架構(Event-Driven Architecture)」,下列敘述何者「最不正確」?

答案:D 解析:事件驅動最大特色就是『發後不管(fire-and-forget)』——發布者不需等訂閱者處理,彼此解耦。D 把事件驅動誤描為同步流程。 |難度 中等|§2.4

24. 下列哪一層分析回答「未來會發生什麼?」?

答案:C 解析:四階對應:Descriptive「發生了什麼」、Diagnostic「為什麼發生」、Predictive「未來會發生什麼」、Prescriptive「應該怎麼做」。 |難度 基礎|§2.5

25. 下列哪一層分析在管理科學文獻中亦稱Normative(規範性)?

答案:D 解析:Prescriptive(處方性)在管理科學與決策分析文獻中亦稱 Normative(規範性),指涉同一層級——『應該如何做』的規範性指引。 |難度 中等|§2.5

26. AI 落地的「三道門檻」依本章順序為何?

答案:B 解析:本章 §2.5 明示 AI 落地三道門檻:(1) 感知的廣度與準度(對應 2.1)、(2) 主資料治理(對應 2.3)、(3) 介面的穩定性(對應 2.4)。 |難度 中等|§2.5

27. 「履約率突然下跌,分析發現主因是北倉第3 區揀貨台故障」這屬於哪一階分析?

答案:B 解析:已發生(履約率下跌)→ 找原因 → 指出根因(揀貨台故障):這是典型的 Diagnostic 診斷性分析,要求資料的可追溯性。 |難度 基礎|§2.5

28. 「下週五促銷,北倉將有1,200 件揀貨尖峰,建議提早調度」屬於哪兩階疊加?

答案:B 解析:『1,200 件尖峰』是 Predictive(預測未來)、『建議提早調度』是 Prescriptive(告訴你該怎麼做)。兩階疊加才是完整建議。 |難度 中等|§2.5

29. 選型三原則「Fit、TCO、Exit」中,「Exit」最關心的是什麼?

答案:C 解析:Exit(退出路徑)關注的是長期風險:如果五年後要換工具,資料格式是否開放、ETL 腳本能否搬遷、是否避免 vendor lock-in。 |難度 中等|§2.6

30. 關於ETL 與ELT 的差異,下列敘述何者最正確?

答案:B 解析:ETL(Extract-Transform-Load)在工具內轉換後再載入倉儲;ELT(Extract-Load-Transform)先載入雲倉儲再靠其算力轉換(典型搭配 dbt)。ELT 是雲原生時代的主流。 |難度 中等|§2.6

複選題

31. 關於四層神經網路類比,下列敘述正確者有哪些?(複選)

答案:AD 解析:A 正確:四層是層層疊加的依賴關係。B 部分正確但不完整(感知也會涉及訊號編碼協定如 EPC、NMEA),不列為正確選項僅取敘述最無誤者。C 錯誤:AI 落地三道門檻之一即是「感知的廣度與準度」。D 正確:很多問題是跨層的。故正確為 A、D。 |難度 中等|§2.1

32. 關於家族圖的「雙向主動脈」設計原則,下列敘述正確者有哪些?(複選)

答案:ABD 解析:A 正確:雙向是對話協商,單向變上級交辦——原文明示。B 正確:雙向允許雙邊查狀態。C 錯誤:主動脈應「少而關鍵」,過多會成為麵條式架構。D 正確:過度連線提高耦合與維運成本。故正確為 A、B、D。 |難度 中等|§2.2

33. 關於主資料與交易資料的差異,下列敘述正確者有哪些?(複選)

答案:ABD 解析:A 正確:主資料相對穩定(貨品名稱、客戶地址),交易資料快速變動(訂單、揀貨、出車)。B 正確:主資料是共享基礎,交易資料附在各系統流程上。C 錯誤:交易資料恰恰要大量參照主資料(SKU、客戶 ID)才有意義。D 正確:主資料是所有交易的根基,治理順序通常先於交易資料。故正確為 A、B、D。 |難度 中等|§2.3

34. 關於選擇介面模式時應考量的面向,下列正確者有哪些?(複選)

答案:ABC 解析:A、B、C 均為選型實務考量——即時性、耦合度、擴充性。D 錯誤:不是越新越好,而是「最合業務」;過度超前採用事件驅動反而會拉高運維成本。故正確為 A、B、C。 |難度 進階|§2.4

35. 關於AI /BI 在分析階梯上的角色,下列敘述正確者有哪些?(複選)

答案:ABC 解析:A、B、C 均正確:BI 以回顧與理解為主,AI 以預測與建議為主;上層倚賴下層資料品質。D 錯誤:AI 落地三道門檻恰恰都在資料基礎建設,不在演算法本身。故正確為 A、B、C。 |難度 中等|§2.5

簡答題

36. 用不超過 120 字說明「神經網路四層」類比物流資訊系統的意義,並各舉一個代表元件。

參考答案:評分重點:四層名稱齊全、各舉一代表元件、能說出層層疊加的順序關係。 |難度 基礎|§2.1

37. 何謂『家族線』原則?為什麼「資料可共用但主責只能一個」對物流公司重要?

參考答案:評分重點:(1) 說出『共享 vs 主責』的二元性;(2) 舉出若無此原則會產生的問題(資料矛盾/追責困難/整合成本)。 |難度 中等|§2.2

38. 請舉例說明 OMS、WMS、TMS 三者如何處理「同一張訂單 #SO-0123-5678」的不同面向。

參考答案:評分重點:三系統各舉一個對該訂單的不同處理面向;有提到『透過主動脈互通』加分。 |難度 中等|§2.2

39. 為什麼「主資料治理」比「主資料工具」重要?請用不超過 150 字說明。

參考答案:評分重點:(1) 指出治理是規則/權責而非工具;(2) 有『工具無法取代治理』的結論;(3) 可接受以『主寫/訂閱』『誰改誰通知』等具體治理機制舉例。 |難度 中等|§2.3

40. 比較 MDM 四架構模式(Registry / Consolidation / Coexistence / Centralized)的導入衝擊與適用情境。

參考答案:評分重點:四模式名稱與核心特徵說明齊全;有提到導入衝擊由小到大的序列;能舉一種模式的適用情境更佳。 |難度 進階|§2.3

41. 在介面整合中,「即時性」與「耦合度」往往存在權衡關係。請說明這兩者如何互動,並舉一個物流場景說明如何取捨。

參考答案:評分重點:(1) 說明兩者的反向權衡;(2) 舉出一個即時必要的場景與一個可批次的場景,呈現取捨;(3) 能指出『不是越即時越好』加分。 |難度 中等|§2.4

42. 解釋「分析階梯」四階(Descriptive → Diagnostic → Predictive → Prescriptive/Normative)為何是『疊加』關係而非『選擇題』。

參考答案:評分重點:(1) 四階名稱齊全;(2) 說出『疊加』的依賴關係;(3) 能舉『跳層會失敗』的例子加分。 |難度 進階|§2.5

43. 你是物流公司 CIO,董事會剛通過要『導入 AI 優化全國配送』。依本章『AI 落地三道門檻』,你會先檢查哪三件事?

參考答案:評分重點:三道門檻名稱齊全;每道有具體可檢查的項目;能下結論『資料先於模型』加分。 |難度 進階|§2.5

44. 請用『選型三原則 Fit/TCO/Exit』各舉一個物流公司常見的錯誤選型案例並說明。

參考答案:評分重點:三原則各舉一個具體錯誤案例;敘述邏輯清楚;能點出『長期風險』觀點加分。 |難度 進階|§2.6

45. Allen 在章尾說:『很多公司以為 AI 是終點,其實 AI 是起點——起點的前提是資料基礎建設。』請結合 §2.1 ~ §2.5,用自己的話說明這句話的意義,不超過 150 字。

參考答案:評分重點:(1) 能串接四層神經網路與資料基礎建設;(2) 有『資料先於模型/治理先於分析』的核心論點;(3) 能指出若順序弄反的後果(打水漂)加分。 |難度 中等|§跨節整合