| huozm32831 |
2022-05-06 20:58 |
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。 |
|