手機電腦一樣可以用 Magic-Pro ProMini Q3 & Q5 雙用充電器

自從流動裝置大行其道，相信大家都會擁有一至兩個多 USB 輸出的充電器。但舊式充電器如果要多個接口支援至 2.4A 輸出，就必須要連接大型變壓器，部分廠商的產品更大如手提電腦用的變壓器，單是放置空間已經令人頭痛。而 Magic-Pro 就在較早前推出新一代充電器，機身小巧之餘更已經內置變壓器，不單提供全 Qualcomm Quick Charge 3.0 （後稱 QC 3.0）輸出接口，更可以為手提電腦充電，真正一物兩用。

全 OC 3.0 接口

ProMini Q3 / Q5 特別之處不單機身小巧，體積分別為106 x 65 x 16 mm及110 x 98 x 20 mm，重量亦只有 126g 及 238g，而且採用扁平設計，所以放置時亦十分節省空間。而且由於小巧，再加上是世界電壓規格，所以其實當成旅行用充電器亦相當方便。而 ProMini Q3 就提供 40W 供電規格，提供 3 個 QC 3.0 接口，而 ProMini Q5 則為 80W 供電及 5 個 QC 3.0 接口。以往的 QC 充電器只會提供 1 至 2 個 QC 輸出接口，主要是因為供電不足應付多個 QC 裝置同時充電。

而 ProMini Q3 / Q5 就因為本身供電量高，以每個 QC 充電接口最高需求的 18W 去計算，分別可以同時支援 2 個及 4 個接口同時以最高速度為 QC 裝置充電。但由於 ProMini Q3 / Q5 的接口均為 QC 3.0 設計，當用家連接 5 個 QC 3.0 裝置時，QC 3.0 供電量會隨裝置的充電量變化，再加上 5 個接口會自動調整供電，所以基本當成全 Quick Charge  輸出使用亦沒有問題。

可為手提電腦充電

兩款產品的最左邊接口中，都會看到手提電腦圖示，代表這個接口支援手提電腦充電功能。只要用家購買手提電腦版本，就會附有手提電腦的充電轉接線，支援多種不同電腦充電。由於兩款充電器的最高供電量不同，所以附送的轉接頭及支援電腦型號的數量亦不相同。不過就要留意，因為就算是 ProMini Q5 的變壓器亦只有 80W，當全力為手提電腦供電時，其他接口的供電量就會下降。

想將 ProMini Q3 / Q5 當成手提電腦主力變壓器使用的用家就要留意了。最特別兩款充電器均提供 Surface Pro 的充電接線，可以直接為 Surface Pro 充電，同時現時不少小型手提電腦已經改為使用 QC 3.0 充電，當然亦可以直接配合這款充電器使用。不過最後提提大家，手提電腦充電部分雖然有官方有提供支援型號列表，但如果你的電腦並非是香港版本，就算是同型號亦可能有插頭上的兼容問題，最好在購買前連絡代理，確定支援你的手提電腦才購買。

輕便靚聲隨身 DAC 耳擴二合一

以往對音質有高要求的用家，都不會滿足於只使用 DAC 播放音樂，因為要完全發揮耳機潛力，耳擴絕對不可缺少。而韓國品牌 Astell&Kern 就在 AK300 系列產品中，嘗試提供組合式的 DAC 加耳擴組合，以提供完全不一樣的 DAC 使用體驗給用家。同時亦有 Recorder 等配件，令 AK300  系列有別於其他廠商的 DAC 產品。但對於部分用家來說，組合式耳擴雖然方便，但仍是太大部，而且成本亦較高，所以 Astell&Kern 就在上星期在香港推出 KANN，將 DAC 及耳擴一體化。

原生對應 DSD256 硬解

KANN 在定價上只是 $7,980，但就和 AK320 同級硬件，機內使用之前在 AK320 上得到用家好評的 Asahi Kasei AKM4490 DAC 芯片，最高對應 32bit/384kHz PCM 檔案播放。而且 KANN 更吸收了 AK320 的設計經驗，DSD 部分提供「硬解」（硬件解碼），原生最高已支援DSD256（11.2MHz）播放，比起更新系統前的 AK380 更強。同時不單在新硬件配合下，可以流暢播放 DSD256 音樂檔案，KANN 更配備超精準時鐘，參考時鐘抖動只有200 Femto Seconds，誤差極低，能準確地處理數碼訊號。

7Vrms 輸出耳放線路

AK300 系列就採用外國組合式耳擴設計，優點在於可以和 DAC 組合，令攜帶更方便，但始終是將兩部裝置組合，難免令體積較大。而 KANN 就採用一體化設計，直接將耳擴硬件整合到機內。內置的高性能耳放線路，平衡輸出下最高可達 7Vrms，接近部分便攜耳擴的水平，用家不用外接耳放，亦能推動不少大耳筒。至於輸出阻抗只有 1.3 ohm（平衡）及 0.65 ohm（單端），低輸出阻抗的設定，令耳機匹配性更高，亦更能發揮耳機表現。

6,200mAh 超長續航力

機身設計部分，KANN 一改近年 Astell&Kern 的計計風格，但整體設計概念同樣來自天然，機背直間由冰山轉化而成。外殼的剛陽味極濃，機身厚度、按鍵編排也因為耳放等不同組件轉變，然而對於男性用家來說，仍然是有一定便攜性。由於機身有更多的空間，電池亦提升至 6,200mAh，比 AK300 等多出一倍，使用時間亦達十多小時（FLAC 播放），足夠應付日常使用需要。

機身擁有豐富的輸出/輸入，除了必備的 2.5mm平衡 及 3.5mm 單端耳機輸出外，亦增設獨立的 2.5mm 平衡及 3.5mm 單端 Line-out，輸出電平及阻抗亦經過調整，對於使用手提耳放的用家，更有吸引力。USB 連接分為兩部分，分為兩個插座，Type-C 用作充電及資料傳輸，而另外有 micro USB 作聲音輸出，最高對應 32bit/384kHz 及DSD 2.8MHz, 5.6MHz。內置 64GB 容量，提供 SD 及microSD 雙插槽，MicroSD 最高對應 256GB，而 SD 更最高對應 512GB，足夠應付大量的 MQS 或 Hi-Res 檔案。

華為推國內公有雲 雲運算獨立成軍

今年三月，華為成立新業務部門Cloud BU，專注發展雲運算，規模達到二千多人；應對未來的雲運算業務發展。華為業務焦點以雲運算為基礎，除了本身國內的公有雲，亦協助營運商建立公有雲。華為的雲運算技術隊伍獨立成軍，瞄準了IT基建向雲運算轉型的商機。

2016年，華為銷營收入增長了32%，純利躑躅不前，輕微上升0.4%；除了受終端業務拖累，流動營運商升級4G後，資本開支停滯亦有影響。華為企業部門也未能支撐大局，成立Cloud BU，顯示華為以為雲運算市場，尤其是協助營運商升級公有雲基建，有助改變盈利受壓的局面。

深圳舉行第十四屆華為全球分析師大會上，輪值CEO徐直軍指出，未來十年，全面雲運算化時代即將來臨，華為認為雲服務已成基本商業模式，大力投資於建立公開、安全的雲算運平台，統稱為「Huawei Cloud Family」。

華為宣佈在中國國內推出公有雲，國外則與營運商合作，推出公有雲。華為已為德國電訊、法國電信（Orange Business Services，OBS）、西班牙電信等攜手，合作推出公有雲服務，亦為多家企業建立雲服務平台；包括了CERN、大眾汽車、飛利浦等客戶。但華為面對Microsoft、IBM、AWS等服務商競爭，突圍固然不易。阿里雲亦佔去國內超過三成市場，華為公共雲起步太遲，初期也可能舉步維艱。

徐直軍同意，拓展已發展市場不易，上述服務供應商有先天優勢。不過，華為在發展中國家有遼闊的市場，仍有可為之處。華為也會與營運商聯手，憑擁有的行業知識，仍可與AWS等爭一日長短。

華為推公有雲套件

據華為Cloud BU總裁鄭葉來表示，華為持續投入雲運算技術近十年，提供基於OpenStack開放架構，實現雲平台互聯互通。華為亦推出了面向Cloud Native應用開發人員的公有雲套件ServiceStage，包括了開發流程架構、應用和資源調配、Microservices管理等功能。華為在建立大型公有雲的技術能力，可說萬事俱備。

從多項技術的公佈，華為一步步開發以「平台即服務」PaaS的雲套件，採用以Cloud Foundry基礎，支援快速DevOps開發模式和Microservices架構。從2005年起，華為已加入開發源碼Cloud Foundry基金會，現已為金級會員。華為又與Mesosphere合作完成Mesos平台，支援為Cloud Foundry的應用優化PaaS資源分配，可將PaaS上處理器和記憶體集中，供數以千計應用共享。

華為大力支援最流行容器技術；開發以Kubernetes協調容器的技術，推出Kubernetes引擎，以快速打包和部署Docker容器到不同的Linux平台。過去兩年，容器技術在中國極高速成長，華為亦大舉投資於容器平台管理工具，幾乎是。上述ServiceStage，並非新技術，而是集合了華為PaaS（即以往FusionStage）、PaaS資源管理、容器技術等經驗之大成。去年，華為甚至推出針對Docker容器中央化的儲存體（Volume Storage）Elara，Docker可在多個儲存組成叢集自由移動。華為深度支援容器技術，為數據中心轉型打好基礎。

上月，華為也成為「原生雲運算運算基金會」（Cloud Native Computing Foundation，CNCF）的創會會員；所謂Cloud Native，乃指一開始就針對雲平台的應用開發模式；除了以DevOps加快開發周期管理，應用的本身內建提高穩定性、容錯能力、具擴充能力等條件。傳統上，上述能力應由不同基建設備提供；雲運算的世界中，所有基建可以軟件方式部署，應用設計本身會按PaaS架構，自動改善運行穩定和效率。Cloud Native是Netflix經過多年實踐的概念，幫助Netflix在純雲運算的環境中狀大成長，如今已成為雲運算應用開發的方向。

從過去數年公開源碼社區內的貢獻，華為已擁有全球有數最優秀，能夠以公開標準，建立公有雲平台的技術隊伍，基本上已無懸念。華為可否以公有雲技術，再一次創造業績的奇蹟，就要拭目以待了。

NVIDIA結合Power架構 成就新一代超級電腦

人工智慧（Artificial Intelligence，AI）經過幾乎近六十年發展，從純學術研究日漸成熟，逐漸進入應用階段。除了IBM的Watson，其他人工智慧成果陸續浮現，全球正步向人工智慧普及化（Democratizing AI）的世代，影響各行各業，互聯網服務供應商更積極以AI轉型。

AI之所以水到渠成，簡中原因亦是互聯網累積了大量數據，發展機器學習，AI可不斷臻善數學模式。近年運算模式突破，AI運算模式憑大量數據，改善電腦認知能力作深度學習，甚至分辨圖片和解讀聲響。AI要求極快速運算，超級運算能力之所以加快實現，又歸功於圖型加速卡（GPU）浮點運算，被借用作「一般用途運算」（General purpose computing）。中央處理器（CPU）利用了GPU作平行運算，稱之為GPGPU，爆發出驚人的運算能力，AI也更快變成現實。

NVIDIA是最早投資於GPGPU的圖型加速卡廠商。CPU要借助GPU運算，須通過另一套轉譯工具，一般程式變為GPU能處理的源碼，NVIDIA推出CUDA，正是目前最流行轉譯工具，NVIDIA也成為AI。NVIDIA推出了專供機器學習GPGPU的Tesla平台，GPGPU價格進一步下調。

但是，CPU要充份利用GPGPU性能，數據交換速度必須夠高。否則GPU再快，亦無用武之地。NVIDIA開發了NVLink，供多張GPGPU之間高速交換數據；可是GPGPU與CPU之間仍有瓶頸，GPGPU只有空轉，等待CPU送來的數據。

IBM服務器方案經理張智恆說，去年IBM公佈開發代號Minsky的新Power架構，同一服務器可容納最多四張GPU的叢集，專用於高性能運算或者AI，徹底解決GPGPU與CPU傳輸限制。

公開架構加快創新

2013年，IBM成立了OpenPOWER Foundation，公開了Power處理器的架構設計，以便與合作夥伴協作，加快Power服務器演進。OpenPOWER推出了OpenCAPI，以便連接GPU、ASIC、FPGA等輔助加速芯片，提供協作的平行運算。

NVIDIA向OpenPOWER Foundation貢獻了NVLink，NVLink是NVIDIA用於連接GPU之間，一種極高速的管理。OpenCAPI加入了NVLink，新一代Power架構可讓CPU與GPU數據交換速度，一下子提高數倍。NVLink速度達80GB/s，較英特爾系統採用PCI Express快了四倍。目前英特爾沒有相應的方案，足以挑戰Minsky的速度。

新一代Power系統Minsky，支援兩枚Power處理器和四張NVIDIA的Tesla 100的GPGPU，全部以NVLink互連，足以取代數以十計X86電腦組成的叢集系統，節省大量硬件、電力和周邊配置。

張智恆說，本港不少大專院校的研究部門，已對採用Minsky開發AI應用，表示極大興趣。

NVIDIA亞太區業務行銷副總裁Raymond Teh說，Tesla 100採用NVIDIA新一代的Pascal架構，比上一代快了幾倍，支援CUDA和用於類神經運算CUCNN語言，不少公司都在CUDA上加上本身開發AI架構，最著名可數Google的Tensorflow、IBM的Coffe、Microsoft的CNTK，公開架構如Torch等，用於深度學習的運算架構。上述架構，均可在Minsky於Ubuntu作業系統上執行，透過CUDA轉譯，放到Tesla 100 GPU上加速。

Raymond Teh說，Power處理器加上NVLink、OpenCAPI、Pascal架構組成的Minsky平台，為迄今速皮最高的深度學習平台；不少金融、醫療研究、無人駕駛，甚至互聯網企業Google、Facebook、國內多家互聯網，紛紛轉用上述組合，支援新一代運算。

「互聯網產業要過濾大量訊息；以往靠大量CPU組成的叢集，如今通過GPU的平行運算減少負荷。另一個很大用途是用於人臉或聲音的識別。騰訊、百度、阿里等，均部署大量Power處理器和NVIDIA的GPGPU。」

NVIDIA作為AI方案的最大廠商，亦有不少挑戰對手，包括了可編程低功耗技术的FPGA，以及不同的 ASIC芯片。不久之前，由於Google的Tensorflow架構極受歡迎，宣佈推出TPU的ASIC芯片，專門用於執行Tensorflow。不過，Teh表示，TPU只針對執行Tensorflow負載，並非GPU一般性能指標。

他說,不同領域廠商推出本身方案，有望加快AI發展。較早前，英特爾收購Mobleye，就是為了加快AI的SoC芯片開發，預計會有更多ASIC和FPGA方案陸續出現，挑戰NVIDIA的地位。

卡巴斯基實驗室揭盜竊ATM手法

自動櫃員機（ATM）近年屢受攻擊，因犯案者毋須提款卡及輸入密碼，ATM仍乖乖按指令吐出全數鈔票，因此外界認定此乃黑客所為。

令人好奇的，是銀行職員並沒有在ATM發現任何物理破壞和惡意程式，到底黑客從何入手？為此，卡巴斯基實驗室的專家對神秘失竊事件抽絲剝繭，最後成功解開無檔案病毒(Fileless Malware)攻擊的謎題，揭穿網絡罪犯使用的盜竊手法，並且複製攻擊，從而找出銀行的保安漏洞。

刪除與重組案情

在2017年2月，卡巴斯基實驗室公開了針對銀行的無檔案病毒攻擊調查報告，犯罪份子利用僅存放在記憶體的惡意程式感染銀行網絡，背後目的可從ATMitch的個案中得出答案。

當銀行方面的搜證專家從ATM的硬盤中，復原兩個含有惡意程式紀錄的檔案 (kl.txt和logfile.txt)，再把資料分給卡巴斯基實驗室，調查便正式展開。失竊個案只留下兩個檔案，由於犯人在犯案之後把惡意程式銷毀，所以無法恢復惡意程式的執行檔案，不過這樣無法阻止卡巴斯基實驗室的調查工作。

在紀錄檔之內，卡巴斯基實驗室的專家成功在純文字中找到資料，協助他們建立YARA規則，進行公共惡意程式搜查和尋找樣本。YARA規則用為搜索字符串，協助分析人員搜尋、組合，和分類相關惡意樣本，並以系統或網上可疑行為模式的相似性，劃出他們的關連。

ATMitch源頭指向俄羅斯

經過一天等待，專家找到一個目標惡意程式樣本「tv.dll」，或隨後被稱為ATMitch。ATMitch只曾經在兩個地方出現，分別是哈薩克斯坦和俄羅斯。透過遠端操作，惡意程式在目標銀行的ATM上安裝和執行。當安裝完成，並與ATM連線，ATMitch惡意程式就能夠像合法的軟件一樣與ATM通訊，使黑客能夠執行一連串指令，例如收集存放在ATM內的鈔票數量。更重要的是，犯人只需要一個按鍵，就能夠隨時令ATM吐出鈔票。

雖然尋得犯案手法和惡意程式源頭，惟事件的幕後主腦仍未能確定，在盜竊行動的第一階段，他們利用開源漏洞代碼、普通視窗工具和未知域名，幾乎完全無法確定組織的身份。不過，在ATM階段的攻擊用上的 tv.dll就含有俄語，符合條件的已知組織，就只有GCMAN和Carbanak。

卡巴斯基實驗室首席安全研究員Sergey Golovanov表示，駭客可能仍然活躍，但業界不必恐慌，不過與這類型攻擊周旋，需要保安專家為目標機構提供特殊的技術。由於泄漏的數據，利用普通合法的工具即能執行，且在攻擊之後，犯人可能銷毀所有數據以防被追蹤，因此記憶體搜證分析惡意程式及其功能變得重要。但從過往的個案證明，小心妥善的事後應對工作，亦有助解決萬存準備的網絡罪行。

Facebook助小商家成功發展流動業務

愈來愈中小企業借助社交媒體來推廣業務，開拓新的客戶渠道。較之傳統的行銷渠道，社交媒體入門成本較低，而且受眾人數、點擊率、喜愛及關注數字等等有根有據，成本效益一目了然。不過，社交媒體雖無遠弗屆，但若盲目投放資源，亂貼廣告關鍵字，在茫茫網絡社群之中亦形同石沉大海。

Facebook目前擁有6,500 萬 Facebook 主頁商家，和 800 萬 Instagram 主頁商家，當中超過 500 萬活躍廣告商。為了讓仍在摸索如何有效利用Facebook及Instagram的小商家，助他們制定發展業務的流動策略，Facebook特地為小商家提供不同的解決方案，以便使用者詳細了解他們的商品、訪問網站、下載應用，以及發送消息。

更新廣告管理工具應用

不少採用Facebook 及 Instagram作為行銷渠道的商戶，凡事親力親為，未必僱有廣告公司代為推廣，因此，一套簡單易用的廣告管理工具，對這些並非數碼行銷專員的商戶而言至關重要。而Facebook較早前便更新了廣告管理工具應用，商戶只須幾個簡單步驟，即可管理廣告和獲取成效分析，有助節省時間。

透過新的廣告管理工具應用，除了主頁廣告的表現一目了然，還能對比廣告帳戶在本周與上周的表現。經過改良的導航設計，讓商戶能在廣告帳戶與主頁之間輕鬆切換。此外，還可選擇多達 5 條廣告進行並排比較。新應用並會為商戶推薦可以提升廣告表現的操作，例如，當表現良好的廣告（相比其他類似廣告）即將結束投放時，Facebook會通知商戶，只須點擊Facebook提供的選項，即可將投放期延長 1 天、3 天或 7 天。

具備人工智能的系統，也會通知商戶在定位中添加相關的興趣，以便提升投放中的廣告表現，只須點擊一下，即可將系統所推薦的興趣，加入定位條件。此外，Facebook還將通知商戶最近剛剛結束投放的高效廣告，同樣只須點擊一下，即可複製並再次投放。

Blueprint免費網絡培訓課程

對比傳統廣告，網絡渠道更著重創意，而流動裝置這個展現創意的全新舞臺，對不少商戶而言是個完全陌生的領域，往往一籌莫展。Facebook聆聽小商家的意見，發現他們希望能透過更輕鬆快捷，和經濟實惠的方式，在 Facebook 和 Instagram建立創新的內容。有見及此，Facebook創建了 Mobile Studio，為商家提供全新的內容創建方式，找來網絡行銷達人教路，以文字或短片形式，指導商戶如何使用流動裝置，配合便宜簡單的道具，即可創建出色的自製廣告。

商戶如欲進一步掌握數碼行銷的要訣，大可考慮Facebook提供的Blueprint網絡培訓課程，該課程費用全免，培訓平台支援 10 種語言，並且可自選學習進度，根據實際需要學習使用 Facebook 系列應用，內容包括「Facebook 術語」、「A/B 測試」和 「成功行銷最佳實踐」等，更會每月新增課程內容。據悉，目前已有超過 150 個國家和地區的使用者，開始學習 Blueprint 課程，其中 50% 的課程報名者，乃中小企業的老闆和員工。

Adobe Experience Cloud智能雲端服務

Adobe早於2008便看準了數碼行銷的龐大發展空間，推出了Adobe Marketing Cloud，數碼行銷雲端服務有了雛型。及後，流動裝置成了數碼行銷的主流，加上社交媒體的普及與滲透，大大改變了數碼行銷的模式，用戶體驗比甚麼時候都更重要。

Adobe大中華區數碼營銷總監廖強指出，現時的網絡營銷形形色色，甚至可說是出現過剩的情況，要在芸芸商戶廣告中突圍而出，不但要具備令人印象深刻的內容和創意，同時亦必須能提供卓越的用戶體驗。

個性化、始終如一的用戶體驗

全新的Adobe Experience Cloud由 Adobe Marketing Cloud、Adobe Advertising Cloud，和Adobe Analytic Cloud 組成，並建基於Adobe Cloud Platform，充分利用了Adobe Sensei的機器學習和人工智能。Experience Cloud更能同時與Adobe Creative Cloud和Document Cloud 整合。

Adobe華南、香港及台灣區數碼營銷解決方案諮詢主管岑兆佳認為，數碼化為各個行業帶來了重大的影響，因此用戶體驗須達致個性化、始終如一，同時又能夠無處不在。

「卓越的體驗乃維繫客戶非常重要的一步，用戶分類愈仔細，用戶體驗愈個人化，與客戶的關係就愈牢固。因此，更佳的用戶體驗絕對有助提升品牌忠誠度，及促進品牌增長，惟當中需要結合深入的智能和出色的設計。」

而全新的Adobe Experience Cloud，便正好能充分利用深入的客戶智能，為企業提供全方位的幫助，讓其在每一個接觸點，都能提供設計精巧、個性化和始終如一的用戶體驗。Adobe Experience Cloud 結合了多個企業解決方案、一個完善且可延伸的平台、全方位的數據和內容系統、一個強大的合作夥伴生態系統，以及體驗傳遞專業知識。

Advertising Cloud智能管理廣告策略

Adobe Marketing Cloud 可提供一系列整合的解決方案，令市場參與者能通過改善用戶體驗來提升品牌、加強與客戶之間的聯繫，以及提高客戶參與度。

Adobe Marketing Cloud 包括 Adobe Experience Manager、Adobe Target、Adobe Campaign、Adobe Social 和 Adobe Primetime，有助品牌大規模地實現管理、個性化、最佳化，以及編排市場營銷活動，與消費者購買歷程。

至於投放廣告方面，過去，企業僅能依靠廣告公司所提供的報表，參考各個廣告宣傳的效益。而全新的Adobe Advertising Cloud則能打破此單向性的局面，讓廣告成效一目了然，且能同時用於傳統電視，和數碼格式下管理廣告服務的端到端平台。

岑兆佳透露，Advertising Cloud結合了 Adobe Media Optimizer，和最近收購的 TubeMogul 的技術，簡化了跨渠道和跨螢幕的影片廣告、展示廣告和廣告搜尋，讓企業毋須僱用廣告代理，亦能妥善管理其廣告策略，加上Adobe Sensei的機器學習和人工智能，能推算出最具成本效益的平台及關鍵字，按指令自行購入，數碼營銷變得更簡便高效。

人工智能實時分析

Adobe Experience Cloud的另一核心Adobe Analytics Cloud，是用戶智能引擎，能將用戶在跨Adobe雲端服務上的受眾數據整合，讓企業能根據對產品與服務的所得出的分析，來實時採取具體行動。

Adobe Analytics Cloud 結合了數據與受眾管理平台 Adobe Audience Manager、跨市場營銷渠道作實時分析，和細分受眾區隔的解決方案 Adobe Analytics。基於提供開放的應用程式介面 (APIs)、標準數據模型 (standard data model)、Adobe的統一人工智能，與機器學習框架的Adobe Sensei的Adobe Cloud Platform，Adobe Analytics Cloud讓品牌能夠更有效地採集、積累、分析，並理解大量互不相關的數據，並轉化為個別客戶的檔案。