亚马逊云科技为企业打造统一数据基底，实现大数据和机器学习双剑合璧

　　中国发展网记者成静
　　＂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。＂在日前举行的＂云领数智融合重塑创新引领＂亚马逊云科技大数据与机器学习媒体沟通会上，亚马逊云科技大中华区产品部总经理陈晓建用亚马逊云科技的一个观点开始了自己的演讲。
　　有了这样的判断，企业纷纷将自己的目标定为成为一个数据驱动型公司，通过业务产生的数据反向驱动公司的战略，驱动公司的执行。根据福布斯调研报告，企业成为数据驱动型公司，收入会增加20%，同时成本会减少30%。
　　可是，陈晓建认为，诱人的前景背后还有着许多工作要做，至少目前许多企业客户还没有实现大数据和机器学习的融合。＂我们认为主要有三方面的原因：一是大数据和机器学习目前是分而治之的。他们本身技术发展路线是两条不同的路线，在很多企业这两个功能都是属于两个完全不同的团队来负责的，数据当然也放在不同的仓库里。二是数据处理能力不足，很多机器学习的团队不具备处理海量数据规模的能力。三是数据分析人员参与度低。＂
　　要帮助客户解决目前的问题，实现大数据和AI从业务上以及用户需求上做深度融合，亚马逊云科技认为企业在云中要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。＂这是我认为实现数智融合最有效的一条途径。＂陈晓建说，到今天为止，亚马逊云科技已经帮助全球数十万用户通过利用大数据和AI技术帮助业务发展。也在云服务开发中，大部分需求都来自于客户在现场真实的数据。
　　据亚马逊云科技大中华区产品部技术专家团队总监王晓野介绍，一年来，亚马逊的＂智能湖仓＂架构朝着深度智能这一能力实现了再升级。
　　王晓野分析称，企业在大数据和AI或者机器学习融合过程中产生了两条不同发展路径，一类是，机器学习能力完全诞生于大数据团队，这一类企业机器学习能力是长在大数据团队上面的，所以对这类客户来讲他们最喜欢的亚马逊云科技产品是Amazon EMR。第二类企业进行机器学习和大数据项目创新的时候，它的起步其实是由于深度学习所带来的，经常是我们讲的机器视觉，比如图像识别、语音识别，类似这样的机器学习项目。在这样场景下，客户最喜欢的＂智能湖仓＂架构的产品是面向数据科学的Amazon SageMaker。
　　两种不同的发展路径最后共同走向了同一个需求，那就是机器学习能力和大数据能力需要融合的技术底座。
　　为了满足这个需求，实现智数有效融合，需要构建三大核心能力：第一，统一数据共享，即让数据资产化，打破数据孤岛。第二，统一权限管控，只有具备完善的权限控制能力，才能放心地让数据在不同的业务系统之间流转。第三，统一开发及流程编排，融合端到端的大数据和机器学习任务，提升整体的开发效率。从技术层面来看，亚马逊云科技实现了以下三方面：第一，通过权限控制以及自由的数据访问，打破数据以及技能的孤岛；第二，将无服务器数据处理的能力，带给机器学习的项目真正实现从实验转为实践；第三，通过更智能化的数据分析工具，将机器学习赋能给业务人员，极大地赋能业务人员进行智能化的探索和创新。
　　＂当然，机器学习和大数据的融合不仅仅是技术能解决的问题，亚马逊云科技也坚持‘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、面向生产精度可用的模型训练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，通过不同分工的专家，和客户肩并肩一起，帮助客户探索机器学习与大数据融合挑战时，共同去学习优秀的企业在数据驱动转型成功路上宝贵的经验。＂王晓野说。