數智融合，亞馬遜云科技給你打個樣兒
企業智能從哪里來？當然是數據！
大數據與人工智能就像秤桿離不開秤砣，兩者之間相互支撐、深度融合、協同發展，共同推動著企業的數智化轉型。
數智融合 重塑數據洞察
人工智能浪潮的又一次興起，在很大程度上得益于大數據技術與產業的飛速發展。大數據為人工智能應用提供了大規模、高質量、多源化和異構的數據支撐。顯而易見，有價值的數據越多，人工智能的預測、分析和判斷就越準確。正是因為有了有質有量的大數據，人工智能才有了今天質的飛躍，能夠更快速地進入到生產生活的各個方面。
今天，無論是從技術層面還是商業應用層面，大數據與人工智能都有進一步融合的趨勢。人們也更習慣用“數智融合”來描述大數據與人工智能之間的關系。在這一趨勢下，統一的數據分析與人工智能平臺成了企業用戶關注的焦點，具備了更強學習能力的大數據平臺，可以更好地支持各類AI應用，并不斷拓展AI的應用范圍。
亞馬遜云科技大中華區產品部總經理 陳曉建
“企業若想重塑數據洞察，一定要將數據（大數據技術）與智能（機器學習技術）進行融合和統一。”亞馬遜云科技大中華區產品部總經理陳曉建如是說。
從客戶的應用需求來分析，越來越多的企業在組織架構層面，將原來分散在各個部門的機器學習實踐進行整合，并與大數據項目進行統一協調和資源配置，實現效率最大化；在人員能力培養方面，那些已經掌握了大數據技術的實踐者，迫切需要學習和掌握機器學習技術，并將其應用到大數據具體的項目中，反過來，機器學習從業者也要具備大數據的處理能力，這樣才能更好、更便捷地完成模型所需的數據準備和加工工作；從項目實施層面看，如果僅依靠傳統的大數據技術，將無法全方位提供充足的數據見解，而必須將機器學習的模型作為能力補充，越來越多的數據項目融合了大數據與機器學習兩者的能力就是最有力的證明；在工具支撐層面，面向大數據技術和機器學習構建統一的開發平臺和技術基礎是大勢所趨。
總之，數智融合將更加高效地圍繞數據構建和實施項目，使得數據在兩者之間無縫流轉，快速推動企業的數智化轉型邁上新臺階。
數與智如何才能雙劍合璧？
既然數智融合是必然，那么如何才能高效、無縫地實現兩者的融合，助力企業的業務發展與創新呢？亞馬遜云科技認為，實現數據分析與機器學習的融合必須解決以下三個問題。
首先，數據與機器學習不能各自為政，不能讓數據及技術孤島成為制約敏捷迭代的障礙。
其次，大幅提升數據的處理能力。舉例來說，在生產制造領域，機器學習可以幫助客戶對產品售后維修需求進行預測，由被動響應變為主動規劃。但由于不具備足夠強大的大數據處理能力，即使在模型開發成功后，也不能有效收集處理海量的運營數據，致使預測不準確，無法達到預期的業務目標。
最后，增加分析人員的參與度。現實中我們經常遇到的情況是，模型在實驗環節效果良好，但在實際使用中表現卻差強人意。因為實驗環境只是對真實環境的簡單模擬，而生產環境則要復雜得多，所以需要分析人員通過更多的實踐積累經驗，不斷優化。
沖破上述障礙，“企業應在云中打造統一的數據基礎底座，實現大數據與機器學習的雙劍合璧，”亞馬遜云科技提出了解決之道。
陳曉建表示，實現數智融合，首先要建立統一融合的治理底座，包含數據質量、數據權限、數據開發、數據工作流、可視化等功能；其次，大數據與機器學習之間應該實現高效而充分的雙向互動，互為支撐、互為因果，形成正向循環。
從技術的層面看，支撐數智融合的底座至少要具備以下三大核心能力：第一，統一數據共享，即讓數據資產化，從而打破數據孤島；第二，統一權限管控，只有具備了完善的權限控制能力，才能放心地讓數據在不同的業務系統之間流轉；第三，統一開發及流程編排，這就要融合端到端的大數據和機器學習任務，以提升整體的開發效率。
亞馬遜云科技是數智融合的倡導者與積極實踐者。多年以來，亞馬遜云科技一直致力于構建云中統一的數據治理底座，消除數據及技能孤島，幫助企業客戶實現大數據與機器學習的數據共享、數據權限的統一管控，以及兩者統一的開發和流程編排。云中統一的數據治理底座，不僅能極大地促進大數據和機器學習的高效融合，還能有效減少大數據和機器學習重復構建的工作，顯著降低成本。
舉例來說，Amazon Lake Formation不斷推出新的功能，支持數據網格跨部門的數據資產共享，以及基于單元格的最細粒度的權限控制機制。另外，Amazon SageMaker Studio能夠幫助客戶一站式地完成數據開發、模型開發以及相關的生產任務。該服務基于多種專門構建的服務，包括交互式查詢服務Amazon Athena、云上大數據平臺Amazon Elastic MapReduce（Amazon EMR）、云數據倉庫服務Amazon Redshift、Amazon SageMaker等，為大數據和機器學習提供了高效統一的開發平臺。
亞馬遜云科技大中華區產品部技術專家團隊總監王曉野介紹說，亞馬遜云科技提供了多種靈活可擴展、專門構建的大數據服務，幫助客戶進行復雜的數據加工及處理，以應對數據規模的動態變化、優化數據質量。比如，Amazon Athena能夠支持多種類型的大數據平臺，對來自Amazon EMR、高性能關系數據庫Amazon Aurora、NoSQL數據庫服務Amazon DynamoDB、Amazon Redshift等多種數據源的數據進行聯邦查詢，快速完成機器學習建模的數據加工。再比如，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，讓客戶無需配置、擴展或管理底層基礎設施，即可輕松處理任何規模的數據量，為機器學習項目提供兼具性能和成本效益的特征數據準備。
授人以魚，不如授人以漁。亞馬遜云科技不僅持續不斷提供更加智能化的數據分析服務，而且全力賦能企業的業務人員進行智能分析、模型效果驗證以及自主式創新。舉例來說，在日常分析工具中集成的機器學習模型預測能力，就包括深度集成機器學習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，這些可以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，大大提升效率并降低使用的門檻。此外，亞馬遜云科技還提供如Amazon Redshift ML、可視數據準備工具Amazon Glue DataBrew、零代碼化的機器學習模型工具 Amazon SageMaker Canvas等服務，讓業務人員可以自己輕松地探索機器學習建模。
精誠合作 賦能數智轉型
經過多年積累，亞馬遜云科技在數智融合方面擁有大量成功的實踐。比如，亞馬遜云科技聯手其合作伙伴Convertlab，幫助某世界500強零售行業頭部企業實現了基于AI決策的創新，將業務上線周期從原來的12個月縮短至3個月，實際產出從13個場景增加到32個場景，電子渠道GMV比例從最初的2．95％提升到6．34％，并且大幅降低了成本，促進了業務轉型。
Convertlab聯合創始人兼CTO 李征
Convertlab聯合創始人兼CTO李征介紹說：“利用亞馬遜云科技智能湖倉架構，Convertlab構建了統一融合的數據治理底座，形成了從數據管理、算法決策到執行的完整閉環，幫助客戶更好地挖掘數據價值，實現個性化的智能營銷，極大地增強了市場競爭力。”
Convertlab與亞馬遜云科技走到一起，最根本的原因還是客戶需求。Convertlab主要為客戶提供營銷的科技賦能，助力其數字化轉型。Convertlab的很多客戶一直在使用亞馬遜云科技的產品。有的客戶就提出，亞馬遜云科技有很多新科技和新能力，Convertlab能不能在做營銷賦能的過程中，更好地利用亞馬遜云科技的技術，比如說通過亞馬遜云科技的云平臺實現彈性伸縮，讓成本更低，或者通過Amazon SageMaker提升整個云服務的效率等。“最初與亞馬遜云科技的合作，我們并不是主動的，是客戶希望我們從技術的角度，與云服務商一起想更多辦法，實現營銷賦能。”李征介紹說，“通過一系列具體的實踐與合作，我們發現雙方的合作有很大空間，能夠讓更多客戶獲益。因此，我們與亞馬遜云科技在技術、業務和市場等多個維度開展了更加廣泛且深入的合作。”
基于深層次的合作，Convertlab與亞馬遜云科技共同打造了數據智能營銷解決方案，形成數據驅動的營銷閉環。在解決方案的底層，基于亞馬遜云科技的智能湖倉架構統一管理數據，構建了融合的數據治理底座，幫助數據專家快速調用數據，進行模型訓練和推理并獲得結果，從而大幅提升了用戶全生命周期各階段數據應用的效率，同時降低了數據融合成本；在中間層，同樣基于亞馬遜云科技的智能湖倉架構，構建了一體化客戶數據管理平臺Data Hub、高效機器學習應用決策平臺AI Hub，兩大平臺相互支撐與協作，完成了基于業務場景的用戶畫像，可以快速支撐營銷策略；在上層構建了個性化推薦、購買率預測、因果分析等一系列的營銷智能解決方案，賦能客戶精細化運營能力，實現快速決策，提升客戶體驗。
“在與亞馬遜云科技合作的過程中，我們感覺非常順暢舒服。因為亞馬遜云科技的基本原則是幫助整個生態和企業成長得更好。”李征舉例說，“亞馬遜云科技會主動與我們討論，如何通過引入一些新的技術，或對架構進行改造，幫助客戶節省成本。這是非常難能可貴的。很多時候，亞馬遜云科技的底層平臺技術專家會與我們共創，比如拓展Amazon EMR、Amazon SageMaker的使用場景，幫助我們更快地掌握和利用好這些技術，增強我們自己的產品和解決方案。”
未來，Convertlab將與亞馬遜云科技繼續深入合作，擴充基于Amazon SageMaker的AI解決方案，并擴展到更多的應用場景中，幫助更多客戶加速實現智慧營銷。
原文標題 : 數智融合，亞馬遜云科技給你打個樣兒
分享
請輸入評論內容...
請輸入評論/評論長度6~500個字
