攻克三大難點，亞馬遜云科技助力企業(yè)實現(xiàn)數(shù)智融合

5月19日消息（林想）福布斯調(diào)研報告顯示，一個數(shù)據(jù)驅(qū)動型的公司，在收入會增加20%的同時成本會減少30%，可以真正做到雙贏。然而企業(yè)在實現(xiàn)這一目標的過程中會遇到各種艱難險阻，例如數(shù)據(jù)和機器學習分而治之，數(shù)據(jù)處理能力不足等。

在全球已幫助十萬用戶通過利用大數(shù)據(jù)和AI技術實現(xiàn)業(yè)務快速發(fā)展的亞馬遜云科技認為，企業(yè)應在云中打造統(tǒng)一的數(shù)據(jù)基礎底座，實現(xiàn)大數(shù)據(jù)和機器學習的“雙劍合璧”，不僅可以重塑企業(yè)洞察，還能為企業(yè)發(fā)展提供新動力。亞馬遜云科技以“云、數(shù)、智三位一體”服務組合優(yōu)勢，堅持授人以漁，助力企業(yè)實現(xiàn)數(shù)據(jù)驅(qū)動轉(zhuǎn)型成功。

企業(yè)數(shù)智融合面臨三大難題

“企業(yè)數(shù)據(jù)如果要得到充分發(fā)揮，很多企業(yè)會選擇成為數(shù)據(jù)驅(qū)動型的組織這條路，通過業(yè)務產(chǎn)生的數(shù)據(jù)反向驅(qū)動公司的戰(zhàn)略，驅(qū)動公司的執(zhí)行。而在云中實現(xiàn)數(shù)據(jù)與智能的大融合將成為企業(yè)加速創(chuàng)新的引擎。”亞馬遜云科技大中華區(qū)產(chǎn)品部總經(jīng)理陳曉建如是說。

如今，數(shù)據(jù)已經(jīng)成為企業(yè)最重要的資產(chǎn)，同時還有許多數(shù)據(jù)價值還沒有得到充分利用。企業(yè)要想擺脫這一現(xiàn)狀的最有效的途徑就是做到“數(shù)智融合”。

目前，越來越多的公司和企業(yè)從組織架構、人員能力、項目實施和工具支撐層面開始轉(zhuǎn)型。

在陳曉建看來，企業(yè)的“數(shù)智融合”一定是將數(shù)據(jù)（大數(shù)據(jù)技術）和智能（機器學習技術）進行融合和統(tǒng)一。

“數(shù)、智統(tǒng)一與融合可以更加高效地圍繞數(shù)據(jù)構建和實施項目，使得數(shù)據(jù)在兩者之間無縫流轉(zhuǎn)，成員快速具備相關能力，推動公司企業(yè)數(shù)字化轉(zhuǎn)型邁向新的高度。然而企業(yè)的數(shù)據(jù)分析和機器學習融合并非一蹴而就，目前還存在三大難點。”陳曉建指出

首先是數(shù)據(jù)和機器學習分而治之，數(shù)據(jù)及技術孤島制約敏捷迭代。其次，數(shù)據(jù)處理能力不足。在生產(chǎn)制造企業(yè)，機器學習幫助客戶對產(chǎn)品售后維修需求進行預測，由被動響應變?yōu)橹鲃右?guī)劃。但由于不具備足夠的大數(shù)據(jù)處理能力，模型開發(fā)成功后 ，不能夠有效收集處理海量的運營數(shù)據(jù)，致使預測不準確，無法達到預期業(yè)務目標。最后，是數(shù)據(jù)分析人員參與度低?，F(xiàn)實情況經(jīng)常是，模型在實驗環(huán)節(jié)效果良好，但實際使用中卻不盡人意，實驗環(huán)境只是對真實環(huán)境的簡單模擬，生產(chǎn)環(huán)境要復雜得多。

因此，陳曉建認為，企業(yè)應在云中打造統(tǒng)一的數(shù)據(jù)基礎底座，實現(xiàn)大數(shù)據(jù)和機器學習的“雙劍合璧”，為企業(yè)發(fā)展提供新動力。

企業(yè)在實現(xiàn)數(shù)智有效融合的途徑方面，首先可以建立統(tǒng)一融合的治理底座，如數(shù)據(jù)質(zhì)量、數(shù)據(jù)權限、數(shù)據(jù)開發(fā)、數(shù)據(jù)工作流、可視化，其次，大數(shù)據(jù)和機器學習之間應該是高效充分的雙向互動，互為支撐，互為因果，形成正向循環(huán)。此外，企業(yè)需要構建三大核心能力：統(tǒng)一數(shù)據(jù)共享，讓數(shù)據(jù)資產(chǎn)化，打破數(shù)據(jù)孤島；統(tǒng)一權限管控，因為只有具備完善的權限控制能力，放心的讓數(shù)據(jù)在不同的業(yè)務系統(tǒng)之間流轉(zhuǎn)；統(tǒng)一開發(fā)及流程編排：融合端到端的大數(shù)據(jù)和機器學習任務，提升整體的開發(fā)效率。

打造云、數(shù)、智三位一體服務組合優(yōu)勢

截至目前，亞馬遜云科技已幫助全球數(shù)十萬用戶通過利用大數(shù)據(jù)和AI技術幫助業(yè)務發(fā)展，這其中包括寶馬集團、淄博熱力等眾多知名企業(yè)。那么亞馬遜云科技贏得客戶信任的秘密武器又是什么呢？

那就是亞馬遜云科技以“云、數(shù)、智三位一體”服務組合優(yōu)勢，打破數(shù)據(jù)及技能孤島、機器學習由實驗轉(zhuǎn)為實踐、賦能業(yè)務人員探索創(chuàng)新。亞馬遜云科技大中華區(qū)產(chǎn)品部技術專家團隊總監(jiān)王曉野指出，智能湖倉架構五大核心優(yōu)勢理念延伸出在云中實現(xiàn)大數(shù)據(jù)與機器學習融合的實踐路徑，為大數(shù)據(jù)和機器學習打破數(shù)據(jù)及技能孤島，機器學習由實驗轉(zhuǎn)為實踐，賦能業(yè)務人員探索創(chuàng)新。

一是構建云中統(tǒng)一的數(shù)據(jù)治理底座，打破數(shù)據(jù)及技能孤島。亞馬遜云科技能幫助客戶構建統(tǒng)一的數(shù)據(jù)治理底座，實現(xiàn)大數(shù)據(jù)和機器學習的數(shù)據(jù)共享，數(shù)據(jù)權限的統(tǒng)一管控，以及兩者統(tǒng)一的開發(fā)和流程編排。云中統(tǒng)一的數(shù)據(jù)治理底座不僅能提升大數(shù)據(jù)和機器學習的高效融合，還能減少大數(shù)據(jù)和機器學習重復構建的工作，并且顯著降低成本。其中， Amazon Lake Formation推出諸多新功能，實現(xiàn)了數(shù)據(jù)網(wǎng)格跨部門的數(shù)據(jù)資產(chǎn)共享，以及基于單元格的最細粒度的權限控制機制。Amazon SageMaker Studio可一站式地完成數(shù)據(jù)開發(fā)、模型開發(fā)及相關的生產(chǎn)任務，該服務基于多種專門構建的服務，如交互式查詢服務Amazon Athena、云上大數(shù)據(jù)平臺Amazon Elastic MapReduce （Amazon EMR）、云數(shù)據(jù)倉庫服務Amazon Redshift、Amazon SageMaker等，為大數(shù)據(jù)和機器學習提供統(tǒng)一的開發(fā)平臺。

二是助力機器學習由實驗轉(zhuǎn)為實踐，為機器學習提供生產(chǎn)級別的數(shù)據(jù)處理能力。機器學習項目成功的關鍵是對復雜的數(shù)據(jù)進行加工和準備。亞馬遜云科技提供多種靈活可擴展、專門構建的大數(shù)據(jù)服務，幫助客戶進行復雜的數(shù)據(jù)加工及處理，應對數(shù)據(jù)規(guī)模的動態(tài)變化，優(yōu)化數(shù)據(jù)質(zhì)量。其中，Amazon Athena能夠?qū)χС侄喾N開源框架的大數(shù)據(jù)平臺，包括Amazon EMR、高性能關系數(shù)據(jù)庫Amazon Aurora、NoSQL數(shù)據(jù)庫服務Amazon DynamoDB、Amazon Redshift等多種數(shù)據(jù)源，對這些數(shù)據(jù)源進行聯(lián)邦查詢，快速完成機器學習建模的數(shù)據(jù)加工。 以Amazon Redshift、Amazon Managed Streaming for Apache Kafka （Amazon MSK）和 Amazon EMR 為代表的無服務器分析能力，可以讓客戶無需配置、擴展或管理底層基礎設施，即可輕松地處理任何規(guī)模的數(shù)據(jù)，為機器學習項目提供兼具性能和成本效益的特征數(shù)據(jù)準備。

三是讓數(shù)據(jù)分析智能化，賦能業(yè)務人員探索創(chuàng)新。亞馬遜云科技還不斷提供更加智能的數(shù)據(jù)分析服務，賦能業(yè)務人員進行智能分析、模型效果驗證以及自主式創(chuàng)新。例如，在日常分析工具中集成機器學習模型預測能力，其中深度集成機器學習Amazon SageMaker模型預測能力的Amazon QuickSight 、在分析結果中添加基于模型預測的Amazon Athena ML，可幫助用戶使用熟悉的技術，甚至通過自然語言來使用機器學習。亞馬遜云科技還提供如Amazon Redshift ML、可視數(shù)據(jù)準備工具Amazon Glue DataBrew、零代碼化的機器學習模型工具 Amazon SageMaker Canvas等服務，讓業(yè)務人員探索機器學習建模。

王曉野最后指出，“亞馬遜云科技堅持授人以漁，通過面向快速算法原型的數(shù)據(jù)實驗室的應用科學家，面向生產(chǎn)精度模型指導的機器學習解決方案實驗室，以及提供端到端咨詢及交付的專業(yè)服務團隊的大數(shù)據(jù)分析和機器學習的專家，上述各種分工的專家一起，在客戶探索機器學習與大數(shù)據(jù)融合挑戰(zhàn)時，共同探索和學習企業(yè)數(shù)據(jù)驅(qū)動轉(zhuǎn)型成功路上的寶貴的實踐經(jīng)驗。”

生成海報

免責聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權或存在不實內(nèi)容時，應及時向本網(wǎng)站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內(nèi)容或斷開相關鏈接。