数智融合要在云中打造统一数据基础底座 原创

在云中实现数据与智能的大融合将成为企业加速创新的引擎，这是亚马逊云科技看到的新趋势。

亚马逊云科技大中华区产品部总经理陈晓建表示，在这个观点背后有两个行业共识，第一，数据为企业最重要的资产；第二，数据价值没有得到充分利用。

亚马逊云科技大中华区产品部总经理陈晓建

企业要重塑数据洞察实现数智融合，一定是将数据（大数据技术）和智能（机器学习技术）进行融合和统一。因为数、智统一与融合可以更加高效地围绕数据构建和实施项目，使数据在两者之间无缝流转，成员快速具备相关能力，推动公司企业数字化转型迈向新的高度。

数智融合有需求也有问题

越来越多的企业开始从架构、人员能力、项目实施、工具支撑四个层面出现数智融合的需求。

组织架构：将原来分散在各个部门的机器学习实践进行整合，并与大数据项目进行统一协调和资源配置；

人员能力：要求和安排原有传统的大数据实践者掌握机器学习技术，应用到大数据具体项目或承接新的机器学习相关的项目需求，要求机器学习从业者也要掌握大数据处理能力，更好、更便捷地完成模型所需的数据准备和加工；

项目实施：仅依靠传统的大数据技术是无法全方位提供充足的数据见解，仍需要机器学习的模型能力补充，越来越多的数据项目会融合大数据和机器学习两者的能力；

工具支撑：需要面向大数据技术和机器学习构建统一的开发平台和技术基础，可能是对已有大数据平台进行改造增加机器学习相关场景和能力，或是完全推倒重新构建一个面向两者的通用的平台。

亚马逊云科技认为企业实现数据分析和机器学习融合需要解决三个问题。第一，数据和机器学习分而治之，数据及技术孤岛制约敏捷迭代；第二，数据处理能力不足。在生产制造企业，机器学习帮助客户对产品售后维修需求进行预测，由被动响应变为主动规划。但由于不具备足够的大数据处理能力，模型开发成功后，不能够有效收集处理海量的运营数据，致使预测不准确，无法达到预期业务目标；第三，据分析人员参与度低。现实情况经常是，模型在实验环节效果良好，但实际使用中却不尽人意，实验环境只是对真实环境的简单模拟，生产环境要复杂得多。 

面对数据分析和机器学习融合的需求和问题，陈晓建认为实现数智融合最有效的一条途径，是企业应在云中打造统一的数据基础底座，实现大数据和机器学习的双剑合璧，为企业发展提供创新引擎。

企业建立统一融合的治理底座，例如数据质量、数据权限、数据开发、数据工作流、可视化。同时大数据和机器学习之间应该是高效充分的双向互动，互为支撑，互为因果，形成正向循环。这就要求企业需要构建数据统一数据共享、统一权限管控、统一开发及流程编排三大核心能力。

打造统一数据基础底座，实现大数据和机器学习的双剑合璧

亚马逊云科技可以从三个技术层面帮助企业加快数据分析和机器学习的融合：

构建云中统一的数据治理底座，打破数据及技能孤岛。亚马逊云科技能帮助客户构建统一的数据治理底座，实现大数据和机器学习的数据共享，数据权限的统一管控，以及两者统一的开发和流程编排。云中统一的数据治理底座不仅能提升大数据和机器学习的高效融合，还能减少大数据和机器学习重复构建的工作，并且显著降低成本；

助力机器学习由实验转为实践，为机器学习提供生产级别的数据处理能力。机器学习项目成功的关键是对复杂的数据进行加工和准备。亚马逊云科技提供多种灵活可扩展、专门构建的大数据服务，帮助客户进行复杂的数据加工及处理，应对数据规模的动态变化，优化数据质量；

让数据分析智能化，赋能业务人员探索创新。亚马逊云科技还不断提供更加智能的数据分析服务，赋能业务人员进行智能分析、模型效果验证以及自主式创新。 

亚马逊云科技大中华区产品部技术专家团队总监王晓野表示，大数据技术与机器学习技术，其实有着非常不同的发展路径。但是有一部分的企业已经走在了数据驱动转型的前沿，借助云计算实现了它们二者有机的融合。 

今年智能湖仓架构也向着深度智能再升级，亚马逊云科技“智能湖仓”通过五大理念，不断帮助客户在机器学习和大数据创新项目上探索更新相应的实践，赋能业务人员探索创新。 

Joyme从很早就使用了亚马逊云科技的很多基础能力。Joyme数据研发中心总监杨飞表示， 现在则是更好地发挥数据和人工智能本身的优势和创新作用，全面提升业务运转效率。

Convertlab联合创始人兼CTO李征表示，数据治理和机器学习的分治是极大影响企业完成上述闭环的一个重要痛点, 我们和亚马逊云科技一起基于“智能湖仓”架构，构建了数据管理平台、营销智能决策平台，在此之上完成了基于用户业务场景的抽象，包含消费者画像、客户各渠道的行为采集、行为采集所触发的最佳的推演，跟营销相关的模型库的构建，自动化优化和决策。

IDC中国助理研究总监卢言霞表示，根据IDC 2022年中国人工智能及自动化市场的十大预测，人工智能将无处不在。到2022年，60%的中国1000强公司将在所有关键业务的横向职能中扩大使用AI/ML，如营销、法务、人力资源、采购和供应链、物流等。由于机器学习更加依赖算力、算法、数据，人工智能的快速发展拉动了对AI基础数据服务的需求，预计在未来几年内将稳步增长。在大数据与机器学习领域，亚马逊云科技提供广泛而深入的服务，通过云、数、智深度融合迎合市场需求，能够降低更多行业用户上云用数赋智的门槛，更好地开展云上数智融合之旅。

同时，亚马逊云科技一直坚持授人以渔，通过面向快速算法原型的数据实验室的应用科学家，面向生产精度模型指导的机器学习解决方案实验室，以及提供端到端咨询及交付的专业服务团队的大数据分析和机器学习的专家，各种分工的专家一起，在客户探索机器学习与大数据融合挑战时，共同探索和学习企业数据驱动转型成功路上的宝贵的实践经验。