"當前，智能（機器學習技術）和數(shù)據（大數(shù)據技術）在企業(yè)業(yè)務發(fā)展上正產生越來越大的作用。企業(yè)希望能夠通過融合大數(shù)據和機器學習來提供業(yè)務產出，以充分發(fā)揮數(shù)據的價值。"在亞馬遜云科技大數(shù)據與機器學習媒體溝通會上，亞馬遜云科技大中華區(qū)產品部總經理陳曉建如是表示，并指出，想要實現(xiàn)這一點，數(shù)據與智能必須走向融合和統(tǒng)一。

圖：亞馬遜云科技大中華區(qū)產品部總經理陳曉建

亞馬遜云科技認為，數(shù)據與智能的統(tǒng)一和融合，意味著數(shù)據構建和實施項目更加高效，數(shù)據在兩者之間能夠無縫流轉，企業(yè)可以快速具備相關能力，推動自身數(shù)字化轉型邁向新的高度。

不過，數(shù)據與智能兩者卻存在障礙。陳曉建指出，從技術發(fā)展趨勢來看，大數(shù)據和機器學習走的是完全不同的道路，大數(shù)據技術的側重點往往在于怎么樣完成海量數(shù)據的采集、清洗、查詢等能力，機器學習技術則更看重算法本身的優(yōu)化。

這就使得數(shù)據與智能難以進行融合，想要改變此種情況，陳曉建表示，需處理三個問題：

第一，數(shù)據和機器學習分而治之，數(shù)據及技術孤島制約敏捷迭代；

第二，數(shù)據處理能力不足。在生產制造企業(yè)，機器學習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。但由于不具備足夠的大數(shù)據處理能力，模型開發(fā)成功后 ，難以有效收集處理海量的運營數(shù)據，致使預測不準確，無法達到預期業(yè)務目標；

第三，數(shù)據分析人員參與度低。相關模型在實驗環(huán)節(jié)可能表現(xiàn)效果良好，但實際使用中卻不盡人意。這是因為實驗環(huán)境只是對真實環(huán)境的簡單模擬，生產環(huán)境要復雜得多，這就導致使用體驗差。

這些問題應如何解決？陳曉建認為，企業(yè)應在云中打造統(tǒng)一的數(shù)據基礎底座，實現(xiàn)大數(shù)據和機器學習的雙劍合璧，為企業(yè)發(fā)展提供新動力。同時，陳曉建指出，這是實現(xiàn)數(shù)智融合最有效的一條途徑。

具體來看，首先，應建立統(tǒng)一融合的治理底座，如數(shù)據質量、數(shù)據權限、數(shù)據開發(fā)、數(shù)據工作流、可視化；其次，大數(shù)據和機器學習之間應該是高效充分的雙向互動，互為支撐，互為因果，形成正向循環(huán)。

想要實現(xiàn)這兩點，企業(yè)須構建三大核心能力，即統(tǒng)一數(shù)據共享：讓數(shù)據資產化，打破數(shù)據孤島；統(tǒng)一權限管控：因為只有具備完善的權限控制能力，放心的讓數(shù)據在不同的業(yè)務系統(tǒng)之間流轉；統(tǒng)一開發(fā)及流程編排：融合端到端的大數(shù)據和機器學習任務，提升整體的開發(fā)效率。

針對此，亞馬遜云科技已開發(fā)出全面解決方案，并形成了多種符合不同用戶需求的差異化產品。

亞馬遜云科技能幫助客戶構建統(tǒng)一的數(shù)據治理底座，實現(xiàn)大數(shù)據和機器學習的數(shù)據共享，數(shù)據權限的統(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)據治理底座不僅能提升大數(shù)據和機器學習的高效融合，還能減少大數(shù)據和機器學習重復構建的工作，并且顯著降低成本。如Amazon Lake Formation推出的諸多新功能，實現(xiàn)了數(shù)據網格跨部門的數(shù)據資產共享，以及基于單元格的最細粒度的權限控制機制。

亞馬遜云科技可以提供多種靈活可擴展、專門構建的大數(shù)據服務，幫助客戶進行復雜的數(shù)據加工及處理，應對數(shù)據規(guī)模的動態(tài)變化，優(yōu)化數(shù)據質量。其中，Amazon Athena能夠對支持多種開源框架的大數(shù)據平臺，包括Amazon EMR、高性能關系數(shù)據庫Amazon Aurora、NoSQL數(shù)據庫服務Amazon DynamoDB、Amazon Redshift等多種數(shù)據源，對這些數(shù)據源進行聯(lián)邦查詢，快速完成機器學習建模的數(shù)據加工。

亞馬遜云科技還不斷提供更加智能的數(shù)據分析服務，賦能業(yè)務人員進行智能分析、模型效果驗證以及自主式創(chuàng)新。例如，在日常分析工具中集成機器學習模型預測能力，其中深度集成機器學習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，可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。

圖：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

通過此，亞馬遜云科技有效推動了數(shù)據與智能的融合，提升了客戶的數(shù)字化能力，并且亞馬遜云科技也正通過各種資源來幫助客戶進行業(yè)務創(chuàng)新。亞馬遜云科技大中華區(qū)產品部技術專家團隊總監(jiān)王曉野表示："亞馬遜云科技堅持的是以架構，而不是以單一產品幫客戶解決問題的理念。亞馬遜云科技的產品都是從實踐里面，從客戶的實際需求總結出來的，合作伙伴的經驗和亞馬遜云科技自己的經驗都是獨特的優(yōu)勢。亞馬遜云科技將始終致力于和合作伙伴一起去幫助客戶切切實實在做上云的探索和創(chuàng)新。"