企業(yè)智能從哪里來？當然是數(shù)據(jù)！

大數(shù)據(jù)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(xié)同發(fā)展，共同推動著企業(yè)的數(shù)智化轉型。

數(shù)智融合 重塑數(shù)據(jù)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(shù)據(jù)技術與產業(yè)的飛速發(fā)展。大數(shù)據(jù)為人工智能應用提供了大規(guī)模、高質量、多源化和異構的數(shù)據(jù)支撐。顯而易見，有價值的數(shù)據(jù)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(shù)據(jù)，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(yè)應用層面，大數(shù)據(jù)與人工智能都有進一步融合的趨勢。人們也更習慣用“數(shù)智融合”來描述大數(shù)據(jù)與人工智能之間的關系。在這一趨勢下，統(tǒng)一的數(shù)據(jù)分析與人工智能平臺成了企業(yè)用戶關注的焦點，具備了更強學習能力的大數(shù)據(jù)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(qū)產品部總經(jīng)理 陳曉建

“企業(yè)若想重塑數(shù)據(jù)洞察，一定要將數(shù)據(jù)（大數(shù)據(jù)技術）與智能（機器學習技術）進行融合和統(tǒng)一。”亞馬遜云科技大中華區(qū)產品部總經(jīng)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(yè)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(shù)據(jù)項目進行統(tǒng)一協(xié)調和資源配置，實現(xiàn)效率最大化；在人員能力培養(yǎng)方面，那些已經(jīng)掌握了大數(shù)據(jù)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(shù)據(jù)具體的項目中，反過來，機器學習從業(yè)者也要具備大數(shù)據(jù)的處理能力，這樣才能更好、更便捷地完成模型所需的數(shù)據(jù)準備和加工工作；從項目實施層面看，如果僅依靠傳統(tǒng)的大數(shù)據(jù)技術，將無法全方位提供充足的數(shù)據(jù)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(shù)據(jù)項目融合了大數(shù)據(jù)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(shù)據(jù)技術和機器學習構建統(tǒng)一的開發(fā)平臺和技術基礎是大勢所趨。

總之，數(shù)智融合將更加高效地圍繞數(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，快速推動企業(yè)的數(shù)智化轉型邁上新臺階。

數(shù)與智如何才能雙劍合璧？

既然數(shù)智融合是必然，那么如何才能高效、無縫地實現(xiàn)兩者的融合，助力企業(yè)的業(yè)務發(fā)展與創(chuàng)新呢？亞馬遜云科技認為，實現(xiàn)數(shù)據(jù)分析與機器學習的融合必須解決以下三個問題。

首先，數(shù)據(jù)與機器學習不能各自為政，不能讓數(shù)據(jù)及技術孤島成為制約敏捷迭代的障礙。

其次，大幅提升數(shù)據(jù)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?yōu)橹鲃右?guī)劃。但由于不具備足夠強大的大數(shù)據(jù)處理能力，即使在模型開發(fā)成功后，也不能有效收集處理海量的運營數(shù)據(jù)，致使預測不準確，無法達到預期的業(yè)務目標。

最后，增加分析人員的參與度�，F(xiàn)實中我們經(jīng)常遇到的情況是，模型在實驗環(huán)節(jié)效果良好，但在實際使用中表現(xiàn)卻差強人意。因為實驗環(huán)境只是對真實環(huán)境的簡單模擬，而生產環(huán)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(jīng)驗，不斷優(yōu)化。

沖破上述障礙，“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)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(xiàn)數(shù)智融合，首先要建立統(tǒng)一融合的治理底座，包含數(shù)據(jù)質量、數(shù)據(jù)權限、數(shù)據(jù)開發(fā)、數(shù)據(jù)工作流、可視化等功能；其次，大數(shù)據(jù)與機器學習之間應該實現(xiàn)高效而充分的雙向互動，互為支撐、互為因果，形成正向循環(huán)。

從技術的層面看，支撐數(shù)智融合的底座至少要具備以下三大核心能力：第一，統(tǒng)一數(shù)據(jù)共享，即讓數(shù)據(jù)資產化，從而打破數(shù)據(jù)孤島；第二，統(tǒng)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(shù)據(jù)在不同的業(yè)務系統(tǒng)之間流轉；第三，統(tǒng)一開發(fā)及流程編排，這就要融合端到端的大數(shù)據(jù)和機器學習任務，以提升整體的開發(fā)效率。

亞馬遜云科技是數(shù)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(tǒng)一的數(shù)據(jù)治理底座，消除數(shù)據(jù)及技能孤島，幫助企業(yè)客戶實現(xiàn)大數(shù)據(jù)與機器學習的數(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，不僅能極大地促進大數(shù)據(jù)和機器學習的高效融合，還能有效減少大數(shù)據(jù)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(shù)據(jù)網(wǎng)格跨部門的數(shù)據(jù)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(shù)據(jù)開發(fā)、模型開發(fā)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(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)和機器學習提供了高效統(tǒng)一的開發(fā)平臺。

亞馬遜云科技大中華區(qū)產品部技術專家團隊總監(jiān)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(shù)據(jù)服務，幫助客戶進行復雜的數(shù)據(jù)加工及處理，以應對數(shù)據(jù)規(guī)模的動態(tài)變化、優(yōu)化數(shù)據(jù)質量。比如，Amazon Athena能夠支持多種類型的大數(shù)據(jù)平臺，對來自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)源的數(shù)據(jù)進行聯(lián)邦查詢，快速完成機器學習建模的數(shù)據(jù)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(guī)模的數(shù)據(jù)量，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。

授人以魚，不如授人以漁。亞馬遜云科技不僅持續(xù)不斷提供更加智能化的數(shù)據(jù)分析服務，而且全力賦能企業(yè)的業(yè)務人員進行智能分析、模型效果驗證以及自主式創(chuàng)新。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(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)務人員可以自己輕松地探索機器學習建模。

精誠合作 賦能數(shù)智轉型

經(jīng)過多年積累，亞馬遜云科技在數(shù)智融合方面擁有大量成功的實踐。比如，亞馬遜云科技聯(lián)手其合作伙伴Convertlab，幫助某世界500強零售行業(yè)頭部企業(yè)實現(xiàn)了基于AI決策的創(chuàng)新，將業(yè)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(yè)務轉型。

Convertlab聯(lián)合創(chuàng)始人兼CTO 李征

Convertlab聯(lián)合創(chuàng)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(tǒng)一融合的數(shù)據(jù)治理底座，形成了從數(shù)據(jù)管理、算法決策到執(zhí)行的完整閉環(huán)，幫助客戶更好地挖掘數(shù)據(jù)價值，實現(xiàn)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(shù)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(xiàn)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�！白畛跖c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(xiàn)營銷賦能�！崩钫鹘榻B說，“通過一系列具體的實踐與合作，我們發(fā)現(xiàn)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(yè)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(shù)據(jù)智能營銷解決方案，形成數(shù)據(jù)驅動的營銷閉環(huán)。在解決方案的底層，基于亞馬遜云科技的智能湖倉架構統(tǒng)一管理數(shù)據(jù)，構建了融合的數(shù)據(jù)治理底座，幫助數(shù)據(jù)專家快速調用數(shù)據(jù)，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(shù)據(jù)應用的效率，同時降低了數(shù)據(jù)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(shù)據(jù)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(xié)作，完成了基于業(yè)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(xiàn)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(tài)和企業(yè)成長得更好�！崩钫髋e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(jié)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(chuàng)，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(xù)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(xiàn)智慧營銷。

       原文標題 : 數(shù)智融合，亞馬遜云科技給你打個樣兒