企業(yè)智能從哪里來(lái)？當(dāng)然是數(shù)據(jù)！

大數(shù)據(jù)與人工智能就像秤桿離不開(kāi)秤砣，兩者之間相互支撐、深度融合、協(xié)同發(fā)展，共同推動(dòng)著企業(yè)的數(shù)智化轉(zhuǎn)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(shù)與產(chǎn)業(yè)的飛速發(fā)展。大數(shù)據(jù)為人工智能應(yīng)用提供了大規(guī)模、高質(zhì)量、多源化和異構(gòu)的數(shù)據(jù)支撐。顯而易見(jiàn)，有價(jià)值的數(shù)據(jù)越多，人工智能的預(yù)測(cè)、分析和判斷就越準(zhǔn)確。正是因?yàn)橛辛擞匈|(zhì)有量的大數(shù)據(jù)，人工智能才有了今天質(zhì)的飛躍，能夠更快速地進(jìn)入到生產(chǎn)生活的各個(gè)方面。

今天，無(wú)論是從技術(shù)層面還是商業(yè)應(yīng)用層面，大數(shù)據(jù)與人工智能都有進(jìn)一步融合的趨勢(shì)。人們也更習(xí)慣用“數(shù)智融合”來(lái)描述大數(shù)據(jù)與人工智能之間的關(guān)系。在這一趨勢(shì)下，統(tǒng)一的數(shù)據(jù)分析與人工智能平臺(tái)成了企業(yè)用戶關(guān)注的焦點(diǎn)，具備了更強(qiáng)學(xué)習(xí)能力的大數(shù)據(jù)平臺(tái)，可以更好地支持各類AI應(yīng)用，并不斷拓展AI的應(yīng)用范圍。

亞馬遜云科技大中華區(qū)產(chǎn)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(shù)）與智能（機(jī)器學(xué)習(xí)技術(shù)）進(jìn)行融合和統(tǒng)一。”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(shuō)。

從客戶的應(yīng)用需求來(lái)分析，越來(lái)越多的企業(yè)在組織架構(gòu)層面，將原來(lái)分散在各個(gè)部門(mén)的機(jī)器學(xué)習(xí)實(shí)踐進(jìn)行整合，并與大數(shù)據(jù)項(xiàng)目進(jìn)行統(tǒng)一協(xié)調(diào)和資源配置，實(shí)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(shù)的實(shí)踐者，迫切需要學(xué)習(xí)和掌握機(jī)器學(xué)習(xí)技術(shù)，并將其應(yīng)用到大數(shù)據(jù)具體的項(xiàng)目中，反過(guò)來(lái)，機(jī)器學(xué)習(xí)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(zhǔn)備和加工工作；從項(xiàng)目實(shí)施層面看，如果僅依靠傳統(tǒng)的大數(shù)據(jù)技術(shù)，將無(wú)法全方位提供充足的數(shù)據(jù)見(jiàn)解，而必須將機(jī)器學(xué)習(xí)的模型作為能力補(bǔ)充，越來(lái)越多的數(shù)據(jù)項(xiàng)目融合了大數(shù)據(jù)與機(jī)器學(xué)習(xí)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(shù)和機(jī)器學(xué)習(xí)構(gòu)建統(tǒng)一的開(kāi)發(fā)平臺(tái)和技術(shù)基礎(chǔ)是大勢(shì)所趨。

總之，數(shù)智融合將更加高效地圍繞數(shù)據(jù)構(gòu)建和實(shí)施項(xiàng)目，使得數(shù)據(jù)在兩者之間無(wú)縫流轉(zhuǎn)，快速推動(dòng)企業(yè)的數(shù)智化轉(zhuǎn)型邁上新臺(tái)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(wú)縫地實(shí)現(xiàn)兩者的融合，助力企業(yè)的業(yè)務(wù)發(fā)展與創(chuàng)新呢？亞馬遜云科技認(rèn)為，實(shí)現(xiàn)數(shù)據(jù)分析與機(jī)器學(xué)習(xí)的融合必須解決以下三個(gè)問(wèn)題。

首先，數(shù)據(jù)與機(jī)器學(xué)習(xí)不能各自為政，不能讓數(shù)據(jù)及技術(shù)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(lái)說(shuō)，在生產(chǎn)制造領(lǐng)域，機(jī)器學(xué)習(xí)可以幫助客戶對(duì)產(chǎn)品售后維修需求進(jìn)行預(yù)測(cè)，由被動(dòng)響應(yīng)變?yōu)橹鲃?dòng)規(guī)劃。但由于不具備足夠強(qiáng)大的大數(shù)據(jù)處理能力，即使在模型開(kāi)發(fā)成功后，也不能有效收集處理海量的運(yùn)營(yíng)數(shù)據(jù)，致使預(yù)測(cè)不準(zhǔn)確，無(wú)法達(dá)到預(yù)期的業(yè)務(wù)目標(biāo)。

最后，增加分析人員的參與度�，F(xiàn)實(shí)中我們經(jīng)常遇到的情況是，模型在實(shí)驗(yàn)環(huán)節(jié)效果良好，但在實(shí)際使用中表現(xiàn)卻差強(qiáng)人意。因?yàn)閷?shí)驗(yàn)環(huán)境只是對(duì)真實(shí)環(huán)境的簡(jiǎn)單模擬，而生產(chǎn)環(huán)境則要復(fù)雜得多，所以需要分析人員通過(guò)更多的實(shí)踐積累經(jīng)驗(yàn)，不斷優(yōu)化。

沖破上述障礙，“企業(yè)應(yīng)在云中打造統(tǒng)一的數(shù)據(jù)基礎(chǔ)底座，實(shí)現(xiàn)大數(shù)據(jù)與機(jī)器學(xué)習(xí)的雙劍合璧，”亞馬遜云科技提出了解決之道。

陳曉建表示，實(shí)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(zhì)量、數(shù)據(jù)權(quán)限、數(shù)據(jù)開(kāi)發(fā)、數(shù)據(jù)工作流、可視化等功能；其次，大數(shù)據(jù)與機(jī)器學(xué)習(xí)之間應(yīng)該實(shí)現(xiàn)高效而充分的雙向互動(dòng)，互為支撐、互為因果，形成正向循環(huán)。

從技術(shù)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(chǎn)化，從而打破數(shù)據(jù)孤島；第二，統(tǒng)一權(quán)限管控，只有具備了完善的權(quán)限控制能力，才能放心地讓數(shù)據(jù)在不同的業(yè)務(wù)系統(tǒng)之間流轉(zhuǎn)；第三，統(tǒng)一開(kāi)發(fā)及流程編排，這就要融合端到端的大數(shù)據(jù)和機(jī)器學(xué)習(xí)任務(wù)，以提升整體的開(kāi)發(fā)效率。

亞馬遜云科技是數(shù)智融合的倡導(dǎo)者與積極實(shí)踐者。多年以來(lái)，亞馬遜云科技一直致力于構(gòu)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(shí)現(xiàn)大數(shù)據(jù)與機(jī)器學(xué)習(xí)的數(shù)據(jù)共享、數(shù)據(jù)權(quán)限的統(tǒng)一管控，以及兩者統(tǒng)一的開(kāi)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(jìn)大數(shù)據(jù)和機(jī)器學(xué)習(xí)的高效融合，還能有效減少大數(shù)據(jù)和機(jī)器學(xué)習(xí)重復(fù)構(gòu)建的工作，顯著降低成本。

舉例來(lái)說(shuō)，Amazon Lake Formation不斷推出新的功能，支持?jǐn)?shù)據(jù)網(wǎng)格跨部門(mén)的數(shù)據(jù)資產(chǎn)共享，以及基于單元格的最細(xì)粒度的權(quán)限控制機(jī)制。另外，Amazon SageMaker Studio能夠幫助客戶一站式地完成數(shù)據(jù)開(kāi)發(fā)、模型開(kāi)發(fā)以及相關(guān)的生產(chǎn)任務(wù)。該服務(wù)基于多種專門(mén)構(gòu)建的服務(wù)，包括交互式查詢服務(wù)Amazon Athena、云上大數(shù)據(jù)平臺(tái)Amazon Elastic MapReduce（Amazon EMR）、云數(shù)據(jù)倉(cāng)庫(kù)服務(wù)Amazon Redshift、Amazon SageMaker等，為大數(shù)據(jù)和機(jī)器學(xué)習(xí)提供了高效統(tǒng)一的開(kāi)發(fā)平臺(tái)。

亞馬遜云科技大中華區(qū)產(chǎn)品部技術(shù)專家團(tuán)隊(duì)總監(jiān)王曉野介紹說(shuō)，亞馬遜云科技提供了多種靈活可擴(kuò)展、專門(mén)構(gòu)建的大數(shù)據(jù)服務(wù)，幫助客戶進(jìn)行復(fù)雜的數(shù)據(jù)加工及處理，以應(yīng)對(duì)數(shù)據(jù)規(guī)模的動(dòng)態(tài)變化、優(yōu)化數(shù)據(jù)質(zhì)量。比如，Amazon Athena能夠支持多種類型的大數(shù)據(jù)平臺(tái)，對(duì)來(lái)自Amazon EMR、高性能關(guān)系數(shù)據(jù)庫(kù)Amazon Aurora、NoSQL數(shù)據(jù)庫(kù)服務(wù)Amazon DynamoDB、Amazon Redshift等多種數(shù)據(jù)源的數(shù)據(jù)進(jìn)行聯(lián)邦查詢，快速完成機(jī)器學(xué)習(xí)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(wú)服務(wù)器分析能力，讓客戶無(wú)需配置、擴(kuò)展或管理底層基礎(chǔ)設(shè)施，即可輕松處理任何規(guī)模的數(shù)據(jù)量，為機(jī)器學(xué)習(xí)項(xiàng)目提供兼具性能和成本效益的特征數(shù)據(jù)準(zhǔn)備。

授人以魚(yú)，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(wù)，而且全力賦能企業(yè)的業(yè)務(wù)人員進(jìn)行智能分析、模型效果驗(yàn)證以及自主式創(chuàng)新。舉例來(lái)說(shuō)，在日常分析工具中集成的機(jī)器學(xué)習(xí)模型預(yù)測(cè)能力，就包括深度集成機(jī)器學(xué)習(xí)Amazon SageMaker模型預(yù)測(cè)能力的Amazon QuickSight、在分析結(jié)果中添加基于模型預(yù)測(cè)的Amazon Athena ML，這些可以幫助用戶使用熟悉的技術(shù)，甚至通過(guò)自然語(yǔ)言來(lái)使用機(jī)器學(xué)習(xí)，大大提升效率并降低使用的門(mén)檻。此外，亞馬遜云科技還提供如Amazon Redshift ML、可視數(shù)據(jù)準(zhǔn)備工具Amazon Glue DataBrew、零代碼化的機(jī)器學(xué)習(xí)模型工具 Amazon SageMaker Canvas等服務(wù)，讓業(yè)務(wù)人員可以自己輕松地探索機(jī)器學(xué)習(xí)建模。

精誠(chéng)合作 賦能數(shù)智轉(zhuǎn)型

經(jīng)過(guò)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(shí)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(qiáng)零售行業(yè)頭部企業(yè)實(shí)現(xiàn)了基于AI決策的創(chuàng)新，將業(yè)務(wù)上線周期從原來(lái)的12個(gè)月縮短至3個(gè)月，實(shí)際產(chǎn)出從13個(gè)場(chǎng)景增加到32個(gè)場(chǎng)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(jìn)了業(yè)務(wù)轉(zhuǎn)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(shuō)：“利用亞馬遜云科技智能湖倉(cāng)架構(gòu)，Convertlab構(gòu)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(jià)值，實(shí)現(xiàn)個(gè)性化的智能營(yíng)銷，極大地增強(qiáng)了市場(chǎng)競(jìng)爭(zhēng)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(yíng)銷的科技賦能，助力其數(shù)字化轉(zhuǎn)型。Convertlab的很多客戶一直在使用亞馬遜云科技的產(chǎn)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(yíng)銷賦能的過(guò)程中，更好地利用亞馬遜云科技的技術(shù)，比如說(shuō)通過(guò)亞馬遜云科技的云平臺(tái)實(shí)現(xiàn)彈性伸縮，讓成本更低，或者通過(guò)Amazon SageMaker提升整個(gè)云服務(wù)的效率等�！白畛跖c亞馬遜云科技的合作，我們并不是主動(dòng)的，是客戶希望我們從技術(shù)的角度，與云服務(wù)商一起想更多辦法，實(shí)現(xiàn)營(yíng)銷賦能。”李征介紹說(shuō)，“通過(guò)一系列具體的實(shí)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(shù)、業(yè)務(wù)和市場(chǎng)等多個(gè)維度開(kāi)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(yíng)銷解決方案，形成數(shù)據(jù)驅(qū)動(dòng)的營(yíng)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(cāng)架構(gòu)統(tǒng)一管理數(shù)據(jù)，構(gòu)建了融合的數(shù)據(jù)治理底座，幫助數(shù)據(jù)專家快速調(diào)用數(shù)據(jù)，進(jìn)行模型訓(xùn)練和推理并獲得結(jié)果，從而大幅提升了用戶全生命周期各階段數(shù)據(jù)應(yīng)用的效率，同時(shí)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(cāng)架構(gòu)，構(gòu)建了一體化客戶數(shù)據(jù)管理平臺(tái)Data Hub、高效機(jī)器學(xué)習(xí)應(yīng)用決策平臺(tái)AI Hub，兩大平臺(tái)相互支撐與協(xié)作，完成了基于業(yè)務(wù)場(chǎng)景的用戶畫(huà)像，可以快速支撐營(yíng)銷策略；在上層構(gòu)建了個(gè)性化推薦、購(gòu)買(mǎi)率預(yù)測(cè)、因果分析等一系列的營(yíng)銷智能解決方案，賦能客戶精細(xì)化運(yùn)營(yíng)能力，實(shí)現(xiàn)快速?zèng)Q策，提升客戶體驗(yàn)。

“在與亞馬遜云科技合作的過(guò)程中，我們感覺(jué)非常順暢舒服。因?yàn)閬嗰R遜云科技的基本原則是幫助整個(gè)生態(tài)和企業(yè)成長(zhǎng)得更好�！崩钫髋e例說(shuō)，“亞馬遜云科技會(huì)主動(dòng)與我們討論，如何通過(guò)引入一些新的技術(shù)，或?qū)�架�?gòu)進(jìn)行改造，幫助客戶節(jié)省成本。這是非常難能可貴的。很多時(shí)候，亞馬遜云科技的底層平臺(tái)技術(shù)專家會(huì)與我們共創(chuàng)，比如拓展Amazon EMR、Amazon SageMaker的使用場(chǎng)景，幫助我們更快地掌握和利用好這些技術(shù)，增強(qiáng)我們自己的產(chǎn)品和解決方案。”

未來(lái)，Convertlab將與亞馬遜云科技繼續(xù)深入合作，擴(kuò)充基于Amazon SageMaker的AI解決方案，并擴(kuò)展到更多的應(yīng)用場(chǎng)景中，幫助更多客戶加速實(shí)現(xiàn)智慧營(yíng)銷。

       原文標(biāo)題 : 數(shù)智融合，亞馬遜云科技給你打個(gè)樣兒