埃森哲亞馬遜：數(shù)據(jù)驅(qū)動(dòng)型企業(yè)發(fā)展要?jiǎng)?wù)與構(gòu)建路徑 -云筑底座 數(shù)創(chuàng)價(jià)值

2云筑底座數(shù)創(chuàng)價(jià)值01.01.數(shù)字化轉(zhuǎn)型提速，云釋放數(shù)據(jù)價(jià)值030602.030603.建立現(xiàn)代化的云上數(shù)據(jù)資產(chǎn)0704.制定科學(xué)的“云原生數(shù)據(jù)戰(zhàn)略”，成為數(shù)據(jù)驅(qū)動(dòng)型企業(yè)05.云上數(shù)據(jù)服務(wù)及人工智能突破既往局限，推動(dòng)業(yè)務(wù)創(chuàng)新06.云數(shù)據(jù)現(xiàn)代化成功案例2007.3云筑底座數(shù)創(chuàng)價(jià)值100%95%90%85%80%75%70%65%100%95%90%85%80%75%70%65%根據(jù)埃森哲2021年研究調(diào)查，自新冠疫情數(shù)字化轉(zhuǎn)型投資力度的企業(yè)可以更快地提升系統(tǒng)成熟度和創(chuàng)情暴發(fā)后的一年中取得高于競爭對手四至五倍技術(shù)的擴(kuò)大投入能幫助企業(yè)加強(qiáng)韌性、提升效全部樣品企業(yè)數(shù)量：第一次調(diào)研8356家，第二次調(diào)研4300家云IT物聯(lián)網(wǎng)人工智能整體情況與自動(dòng)化新興技術(shù)60%(DevSecOps)、無服務(wù)器計(jì)算(ServerlessComputing)、云原和Kubernetes系統(tǒng)、微服務(wù)架構(gòu)、分布式日志/事件中心、響應(yīng)/時(shí)間驅(qū)動(dòng)架構(gòu)、功能即服務(wù)(FaaS)設(shè)施即服務(wù)(Iaas)、平臺(tái)即服務(wù)(PaaS)、混合云析14云筑底座數(shù)創(chuàng)價(jià)值業(yè)亟待將數(shù)據(jù)轉(zhuǎn)變?yōu)榍罢靶远匆娂安町惢Y產(chǎn)，而數(shù)字化轉(zhuǎn)型的關(guān)鍵催化劑?云計(jì)算能夠使企業(yè)輕松測試和驗(yàn)證新想法，重構(gòu)基礎(chǔ)設(shè)企業(yè)最終將蛻變?yōu)樵圃髽I(yè)，通過對基礎(chǔ)設(shè)。產(chǎn)數(shù)據(jù)是企業(yè)運(yùn)營變革和構(gòu)建競爭優(yōu)勢的核和重要資源。到2022年，90%的企業(yè)戰(zhàn)略明確將數(shù)據(jù)作為關(guān)鍵的企業(yè)資產(chǎn)。3打造企業(yè)的數(shù)的分散數(shù)據(jù)分析者往往需要類并分析應(yīng)用。數(shù)據(jù)資產(chǎn)化可形成共同的數(shù)據(jù)資產(chǎn)會(huì)漸漸成為企業(yè)的戰(zhàn)略資產(chǎn)，企業(yè)將強(qiáng)化對其分析洞察，進(jìn)而極大地提升隨著數(shù)普遍承認(rèn)數(shù)據(jù)的價(jià)值，并且正在使用更先進(jìn)的97%的數(shù)據(jù)尚未被企業(yè)使用，超過87%的企業(yè)在商業(yè)智能和數(shù)據(jù)分析領(lǐng)域的成熟度偏低。4傳統(tǒng)的各種專有系統(tǒng)數(shù)據(jù)來源在業(yè)務(wù)邏輯和規(guī)則報(bào)告所需數(shù)據(jù)轉(zhuǎn)換周期升級為現(xiàn)代化、面向5云筑底座數(shù)創(chuàng)價(jià)值業(yè)務(wù)發(fā)展數(shù)”轉(zhuǎn)型指紋、攝像頭、自動(dòng)駕駛等傳感器和RFID前端換成數(shù)據(jù)后予以存儲(chǔ)。數(shù)據(jù)存儲(chǔ)已由原來的存儲(chǔ)在獨(dú)立服務(wù)器上，向存儲(chǔ)在云(私有云或公有云)上轉(zhuǎn)型，以降低建設(shè)費(fèi)用、維護(hù)費(fèi)用及安全性按照業(yè)務(wù)變化及時(shí)響應(yīng)業(yè)務(wù)對數(shù)據(jù)存取的需和安全性極高的云。云上提供了全面的數(shù)據(jù)存儲(chǔ)和處理的工具，基于云上數(shù)據(jù)服務(wù)消除數(shù)據(jù)在云上更容易構(gòu)建一個(gè)打破數(shù)據(jù)孤島捷地進(jìn)行創(chuàng)新。將寶貴的IT資源集中開發(fā)企業(yè)6云筑底座數(shù)創(chuàng)價(jià)值02以及激發(fā)埃森哲現(xiàn)正幫助某知名國際運(yùn)動(dòng)用品公司提升式能夠更簡潔、更構(gòu)建和優(yōu)化數(shù)據(jù)模型以靈活響應(yīng)客戶需求，同時(shí)確保數(shù)據(jù)安全及監(jiān)管要求。為遵守各種數(shù)據(jù)安全及監(jiān)管法律法規(guī)，在處理客戶數(shù)據(jù)時(shí)，必須使用優(yōu)化的隱私保護(hù)、數(shù)據(jù)安全和治理措施；利用新技術(shù)、新模型為未來的業(yè)務(wù)建立靈活的數(shù)據(jù)能力。埃森哲在幫助該運(yùn)動(dòng)用品公司數(shù)據(jù)上云的同時(shí)，對數(shù)據(jù)模型進(jìn)行了優(yōu)化及重構(gòu)，使得數(shù)據(jù)更易于業(yè)務(wù)部門使用，對數(shù)據(jù)處理過程也強(qiáng)化其標(biāo)準(zhǔn)化和安全機(jī)制，以提升數(shù)新通過打破孤島和擴(kuò)展數(shù)據(jù)訪問來實(shí)現(xiàn)強(qiáng)大遜云科技各種大報(bào)告顯示，全世界每天生成的數(shù)據(jù)量高達(dá)五百兆億字節(jié)。5然而，能夠利用自身和外部數(shù)據(jù)打造競爭優(yōu)勢的企業(yè)寥寥無幾。調(diào)查發(fā)現(xiàn)，84%企業(yè)缺乏云上數(shù)據(jù)平臺(tái)的能力，6他們往往高質(zhì)量洞察結(jié)論以企業(yè)已經(jīng)意識(shí)到基于云的現(xiàn)代化數(shù)據(jù)平臺(tái)鍵舉措。埃森業(yè)與成為“數(shù)據(jù)驅(qū)7云筑底座數(shù)創(chuàng)價(jià)值03鍵業(yè)務(wù)決策的根本們將基于云的數(shù)據(jù)和預(yù)測性分析作為重中之重，、前瞻性規(guī)劃和持利能力、客戶獲取相較于部分從一開始就積極采用云計(jì)算的性以及基于對數(shù)據(jù)上云進(jìn)行發(fā)Consumption)進(jìn)行自動(dòng)化遷移，最后淘汰遺留門構(gòu)建的數(shù)據(jù)產(chǎn)品產(chǎn)品規(guī)則、數(shù)據(jù)生云計(jì)算為服務(wù)現(xiàn)代大障礙。企業(yè)應(yīng)采成長與創(chuàng)新：在整個(gè)業(yè)務(wù)中實(shí)現(xiàn)AI模型的驗(yàn)室實(shí)現(xiàn)精益實(shí)化和素養(yǎng)在整個(gè)?定制化的云上數(shù)據(jù)架構(gòu)可實(shí)現(xiàn)實(shí)時(shí)地?cái)?shù)據(jù)捕獲，縮短數(shù)據(jù)處理時(shí)間最多可達(dá)50%能數(shù)據(jù)埃森哲的云數(shù)據(jù)現(xiàn)代化策略將幫助企業(yè)完8云筑底座數(shù)創(chuàng)價(jià)值活動(dòng)遷移旅程視化支持系統(tǒng)視化4.轉(zhuǎn)型辦公室：管理和計(jì)劃以減少預(yù)算和風(fēng)險(xiǎn)5.POC：為客戶進(jìn)行試驗(yàn)的實(shí)驗(yàn)室環(huán)境活動(dòng)遷移旅程視化支持系統(tǒng)視化4.轉(zhuǎn)型辦公室：管理和計(jì)劃以減少預(yù)算和風(fēng)險(xiǎn)5.POC：為客戶進(jìn)行試驗(yàn)的實(shí)驗(yàn)室環(huán)境云數(shù)據(jù)現(xiàn)代化的首要環(huán)節(jié)是數(shù)據(jù)遷移上云，具體可參考4種遷移模式?托管重移(Re-host)、平臺(tái)重建(Re-platform)、架構(gòu)重組(Re-architect)和理念重塑(Re-imagine)，每種方法?托管重移是將本地?cái)?shù)據(jù)和應(yīng)用環(huán)境遷移至云?平臺(tái)重建是利用云提供的數(shù)據(jù)服務(wù)承載現(xiàn)有數(shù)據(jù)和應(yīng)用部署，保持?jǐn)?shù)據(jù)結(jié)構(gòu)和應(yīng)用架構(gòu)?架構(gòu)重組是充分利用云原生能力，重新架構(gòu)?理念重塑是摒棄原有架構(gòu)，基于云服務(wù)重新圖2數(shù)據(jù)云遷移模式R助于企業(yè)明確其基于云的數(shù)據(jù)架構(gòu)實(shí)現(xiàn)的方式。。托管重移Re-host托管重移Re-host平臺(tái)重建Re-platform平臺(tái)重建Re-platform架構(gòu)重組架構(gòu)重組Re-architect BI理念重塑Re-imagine摒理念重塑Re-imagine換圖3數(shù)據(jù)云遷移實(shí)施路徑階段階段劃EDW數(shù)據(jù)托管重移組理念重塑轉(zhuǎn)換行DwhDwh遷移數(shù)據(jù)湖遷移人工架構(gòu)優(yōu)化智能遷移代碼數(shù)據(jù)換碼轉(zhuǎn)換驗(yàn)證新管道/流程啟用消費(fèi)驗(yàn)證驗(yàn)證進(jìn)行割接元數(shù)據(jù)驗(yàn)證消費(fèi)驗(yàn)證舊管道/流程下線開始使用下線公室POC現(xiàn)工作負(fù)載2.計(jì)劃：用于制定價(jià)值驅(qū)動(dòng)的遷移計(jì)劃3.轉(zhuǎn)換/驗(yàn)證：為了順利轉(zhuǎn)換、遷移和驗(yàn)證云上的數(shù)據(jù)9云筑底座數(shù)創(chuàng)價(jià)值2135應(yīng)用(測試)7數(shù)倉ETL提取數(shù)據(jù)消費(fèi)6662135應(yīng)用(測試)7數(shù)倉ETL提取數(shù)據(jù)消費(fèi)666圖4數(shù)據(jù)上云系統(tǒng)切換步驟44云云10云筑底座數(shù)創(chuàng)價(jià)值數(shù)據(jù)現(xiàn)代化為現(xiàn)代數(shù)據(jù)產(chǎn)業(yè)的設(shè)計(jì)和規(guī)劃架構(gòu)、數(shù)據(jù)基礎(chǔ)、數(shù)?數(shù)據(jù)策略和數(shù)據(jù)架構(gòu)：為可擴(kuò)展、功能豐富的現(xiàn)代云數(shù)據(jù)平臺(tái)建立設(shè)計(jì)、架構(gòu)、業(yè)務(wù)案例和計(jì)劃，跨數(shù)據(jù)架構(gòu)、治理和運(yùn)營模式的數(shù)據(jù)戰(zhàn)略，以建立現(xiàn)代的、基于云的企業(yè)數(shù)?建立數(shù)據(jù)基礎(chǔ)：建立云數(shù)據(jù)基礎(chǔ)，包括基礎(chǔ)設(shè)施、數(shù)據(jù)安全和攝取框架，通過API進(jìn)行的數(shù)據(jù)和元數(shù)據(jù)集成，以及用于治理和平臺(tái)流程的工作流編排，推動(dòng)數(shù)據(jù)平臺(tái)和集成的?創(chuàng)建數(shù)據(jù)產(chǎn)品工廠：開發(fā)用于創(chuàng)建具有透明的業(yè)務(wù)規(guī)則、數(shù)據(jù)質(zhì)量規(guī)則和業(yè)務(wù)條款規(guī)范的數(shù)據(jù)產(chǎn)品的工廠。行業(yè)數(shù)據(jù)管道自動(dòng)創(chuàng)建從攝取到轉(zhuǎn)換的數(shù)據(jù)產(chǎn)品，而企業(yè)擁有數(shù)據(jù)作為戰(zhàn)略性資本來源。輕松構(gòu)建和管理所有?啟用數(shù)據(jù)產(chǎn)品商務(wù)：為數(shù)據(jù)消費(fèi)者、生產(chǎn)者和平臺(tái)管理員創(chuàng)建單一、集中的用戶體驗(yàn)。自動(dòng)配置數(shù)據(jù)、工具和沙箱的用戶。及時(shí)提?云數(shù)據(jù)安全：現(xiàn)代化數(shù)據(jù)安全可以通過多種-快速：使用云服務(wù)提供商(CSP)的本地。。智能來提高平臺(tái)原生服務(wù)構(gòu)建AI與數(shù)據(jù)科學(xué)平臺(tái)，并助力?數(shù)據(jù)素養(yǎng)：在組織的各個(gè)方面將數(shù)據(jù)和洞察力的使用制度化，為了創(chuàng)建和維護(hù)數(shù)據(jù)驅(qū)動(dòng)的文化，數(shù)據(jù)必須可供用戶使用，并且必須培訓(xùn)如何使用數(shù)據(jù)?？梢酝ㄟ^文化和變革管理、學(xué)習(xí)和發(fā)展、數(shù)據(jù)教育以及自助服務(wù)工?快速數(shù)據(jù)實(shí)驗(yàn)室：快速靈活地構(gòu)思和試驗(yàn)創(chuàng)新想法，獲得彈性資源。通過快速數(shù)據(jù)實(shí)驗(yàn)和原型設(shè)計(jì)體驗(yàn)成功，從而以最小投資、最?工業(yè)AI：加速高級分析的步伐，支持業(yè)務(wù)AI需求。利用諸如對話式AI的一些AI平臺(tái)，擴(kuò)展企業(yè)的工業(yè)AI水平，需要大量的AI實(shí)踐以及涵蓋數(shù)據(jù)、人才、流程和技術(shù)資產(chǎn)的04業(yè)需要三步:據(jù)庫、分析和機(jī)器學(xué)習(xí)(ML)等IT資源，而無需據(jù)中心和服務(wù)器。通過使用的存儲(chǔ)容量付費(fèi)(價(jià)格實(shí)際上比企業(yè)自己存儲(chǔ)數(shù)據(jù)更低)，同時(shí)，與其他方案相比，企業(yè)還(LiftandShift)策略是一種常見的舉措。例如，在企業(yè)的托管設(shè)施中運(yùn)行的Oracle數(shù)據(jù)庫遷移和轉(zhuǎn)移策略可能是移動(dòng)到業(yè)的架構(gòu)圖看起來仍然相亞馬遜云科技最近委托IDC進(jìn)行的一項(xiàng)研究考慮了使用亞馬遜關(guān)系數(shù)據(jù)庫服務(wù)(AmazonRDS)的客戶。研究發(fā)現(xiàn)，三年內(nèi)，這些客戶的數(shù)據(jù)庫操作成本降低了39%，投資回報(bào)率為264%。對于大多數(shù)公司來說，數(shù)據(jù)庫管理是一企業(yè)的數(shù)據(jù)是公司擁有的定性的、實(shí)施懲廠商打交道。由MySQL、PostgreSQL，然而開源數(shù)據(jù)庫往往無客戶通過遷移到托管型數(shù)據(jù)庫服務(wù)實(shí)現(xiàn)了節(jié)省，這些服務(wù)融合了開源數(shù)據(jù)庫的靈活性和低成本很大的變化。傳統(tǒng)的應(yīng)用程序，如ERP、CRM用程序的方法和應(yīng)用程序需求本身已經(jīng)發(fā)生了12云筑底座數(shù)創(chuàng)價(jià)值數(shù)據(jù)驅(qū)動(dòng)型企業(yè)將數(shù)據(jù)視為整個(gè)企業(yè)的資而非僅僅數(shù)據(jù)科學(xué)家許多規(guī)模較大的企業(yè)都設(shè)有專門的部門來處理島、提高包括中央數(shù)據(jù)資源庫?“數(shù)據(jù)湖”、專門構(gòu)建的數(shù)據(jù)庫，以及專為特定分析目的(如數(shù)據(jù)倉庫或日志數(shù)據(jù)分析等)建立的極具成本效益的分析使用商業(yè)智能(BI)工具，以便所有員工和利益相不僅僅是技術(shù)人員)都能簡單、快速地找BI工具都利用機(jī)器學(xué)習(xí)(ML)進(jìn)行預(yù)測，以進(jìn)一13云筑底座數(shù)創(chuàng)價(jià)值依托云上人工智能，實(shí)踐數(shù)據(jù)驅(qū)動(dòng)的持續(xù)創(chuàng)新業(yè)務(wù)進(jìn)行創(chuàng)新。機(jī)器學(xué)習(xí)是技術(shù)之一。從預(yù)測制造式，利用機(jī)器學(xué)習(xí)進(jìn)行創(chuàng)新，并確立自身的競爭優(yōu)勢。埃森哲面向全球領(lǐng)先企業(yè)1600余名高管和數(shù)據(jù)科學(xué)家的調(diào)研發(fā)現(xiàn)，近75%的企業(yè)已將AI整合至自身業(yè)務(wù)戰(zhàn)略中，并重新制定了云計(jì)劃，力求成功應(yīng)用AI。其中，42%的企業(yè)表示AI項(xiàng)目回報(bào)超出了預(yù)期，而回報(bào)未達(dá)預(yù)期的人工智能技術(shù)將能持續(xù)為企業(yè)帶來更多價(jià)值和優(yōu)勢。根據(jù)Gartner的數(shù)據(jù)，到2024年年底，。要通過機(jī)努力。為了確定并隊(duì)組織、目標(biāo)和愿景方面進(jìn)行文化變革。為了企業(yè)最高管理層必須從一開始就全力支持機(jī)器進(jìn)行投入。在制許多企業(yè)仍然不確定在哪些領(lǐng)域應(yīng)用人工智能和機(jī)器學(xué)習(xí)，才能產(chǎn)生有效的影響。企業(yè)需要在業(yè)務(wù)價(jià)值與快速取得成效之間找到平衡。由孤立的數(shù)據(jù)工程師團(tuán)隊(duì)來構(gòu)建一個(gè)未知業(yè)務(wù)價(jià)值的試點(diǎn)(PoC,Proof-of-Concept)項(xiàng)目，不。如果希望能夠快速拿到企業(yè)在人工智能和機(jī)器學(xué)習(xí)領(lǐng)域的一個(gè)可以充分利用已有數(shù)據(jù)并且在6個(gè)月以內(nèi)人工智能和機(jī)器企業(yè)獲得新的業(yè)成本的降低、或滿足上述所有條術(shù)專家可以執(zhí)行來越明顯地意識(shí)到機(jī)器學(xué)習(xí)技能缺口，即技術(shù)與企業(yè)內(nèi)部IT專家能否充分利用這些技術(shù)的能力之間所存在日益擴(kuò)報(bào)告調(diào)查了超過3500位業(yè)務(wù)領(lǐng)導(dǎo)者，調(diào)查結(jié)果表明，AI面臨的最大挑戰(zhàn)是缺乏熟練人才和招聘困難，有19%的受訪者認(rèn)為這是一個(gè)很大的同利用機(jī)器學(xué)習(xí)的組織之中。盡管沒有一種機(jī)器學(xué)習(xí)技能缺口解決方案能放之四海而皆準(zhǔn)，但還是有一些行之有效的方法可以最大限度地14云筑底座數(shù)創(chuàng)價(jià)值05服務(wù)進(jìn)行云原生數(shù)據(jù)基礎(chǔ)設(shè)施改造進(jìn)行現(xiàn)代當(dāng)今業(yè)務(wù)和IT需求的數(shù)據(jù)和分析基礎(chǔ)設(shè)施，企業(yè)隨著數(shù)據(jù)量從GB、TB增加到數(shù)PB甚至更據(jù)庫曾經(jīng)是默認(rèn)選擇，如今只不過是更經(jīng)濟(jì)地構(gòu)建高彈性、可擴(kuò)展的應(yīng)用程序的選擇之一。與其使用All-In-One“根據(jù)業(yè)務(wù)目的選擇數(shù)儲(chǔ)的數(shù)據(jù)類型和訪問模式。這些可分為三類:事務(wù)型(適用于大量并發(fā)應(yīng)用程序)、分析型(匯總和總結(jié)大量數(shù)據(jù)，每次查詢都要對許多行進(jìn)行操作)和緩存型 (適用于需要提高加載速度以縮短終端用戶響應(yīng)時(shí)間的讀取量較大的工作負(fù)載)。性能和規(guī)模要求：不僅要考慮數(shù)據(jù)庫的速表。?圖數(shù)據(jù)庫強(qiáng)調(diào)數(shù)據(jù)之間的關(guān)系，以發(fā)現(xiàn)關(guān)社交網(wǎng)絡(luò)關(guān)系或欺詐網(wǎng)(IoT)應(yīng)用程序、DevOps和工業(yè)遙測。?分類賬數(shù)據(jù)庫非常適合記錄系統(tǒng)和銀行交15云筑底座數(shù)創(chuàng)價(jià)值A(chǔ)mazonRedshiftSpectrum直接查詢AmazonS3據(jù)ApacheCassandra務(wù)據(jù)儲(chǔ)性時(shí)間據(jù)ACID事務(wù)AmazonRedshiftSpectrum直接查詢AmazonS3據(jù)ApacheCassandra務(wù)據(jù)儲(chǔ)性時(shí)間據(jù)ACID事務(wù)按鍵key查詢地航據(jù)據(jù)應(yīng)用高流量Web應(yīng)用統(tǒng)序應(yīng)用PCRM鏈景BI與分析應(yīng)用技專門構(gòu)建的數(shù)據(jù)庫服務(wù)科技倉庫據(jù)量的增長消除這些限制。企業(yè)可以對數(shù)據(jù)倉庫中的數(shù)PB數(shù)據(jù)自動(dòng)執(zhí)行大多數(shù)常見的管理任務(wù)(比如管理、監(jiān))，讓IT團(tuán)隊(duì)能夠?qū)Ｗ⒂诟咝А⒏袃r(jià)值的工作。它還提供快速查詢性能，提高I/O當(dāng)AmazonRedshift專注于通過適用于所有人的簡單分析方法在數(shù)秒內(nèi)從數(shù)據(jù)獲得洞察。無集交叉分析的能價(jià)比。圖6云原生數(shù)據(jù)倉庫Redshift助力敏捷數(shù)據(jù)分析和數(shù)據(jù)湖的數(shù)據(jù)分析科技和市場費(fèi)端調(diào)用數(shù)據(jù)服務(wù)SQL物化視圖RedshiftML機(jī)器學(xué)習(xí)與數(shù)據(jù)分析服務(wù)數(shù)據(jù)共享AmazonRedshift AmazonS3數(shù)據(jù)湖EB級數(shù)據(jù)存儲(chǔ)擴(kuò)展16云筑底座數(shù)創(chuàng)價(jià)值的硬件更新周期并需要遷移數(shù)據(jù)來支持系統(tǒng)升在本地管理開源分析軟件(如ApacheHadoop/Spark、Elasticsearch和ApacheKafka)管理硬件和軟件優(yōu)化以及針對未云中的托管分析現(xiàn)數(shù)據(jù)一體化融合與敏捷創(chuàng)新為了加速部署任何重大業(yè)務(wù)舉措(從打造新的客戶體驗(yàn)到開辟新的收入來源)，領(lǐng)導(dǎo)層必須能夠?賦予員工借助偏好的工具或技術(shù)運(yùn)行分析法會(huì)導(dǎo)致各能據(jù)湖與數(shù)據(jù)倉庫集成，數(shù)滿足合2.支持專用數(shù)據(jù)和機(jī)器學(xué)習(xí)服務(wù)，根據(jù)3.確保企業(yè)可以無縫地在數(shù)據(jù)湖和專用數(shù)據(jù)服務(wù)之間移入、移出數(shù)據(jù)，以及4.始終遵守?cái)?shù)據(jù)訪問的安全、監(jiān)控和管云筑底座數(shù)創(chuàng)價(jià)值分析數(shù)據(jù)庫商業(yè)智能數(shù)據(jù)庫數(shù)據(jù)源數(shù)據(jù)資產(chǎn)目錄用戶/應(yīng)用數(shù)據(jù)源數(shù)據(jù)資產(chǎn)目錄數(shù)據(jù)治理數(shù)據(jù)湖數(shù)據(jù)治理數(shù)據(jù)湖/設(shè)備…科技AmazonS3解決方案中提供了數(shù)據(jù)湖，可供企業(yè)在任意規(guī)模下存儲(chǔ)和檢索任意類型的數(shù)久性、可用性和可擴(kuò)展性，最佳的安全性、合規(guī)性和審計(jì)功能；同時(shí)能以最低成本獲得最快性能，且擁有最多的數(shù)據(jù)導(dǎo)入方法。企業(yè)可以使用AmazonS3手動(dòng)構(gòu)建數(shù)據(jù)湖。不過，AmazonLakeFormation是一種更為簡單、直接的解決方案，其開發(fā)的目的是為了消除自行構(gòu)建過程中的手動(dòng)任務(wù)。它能幫助企業(yè)在數(shù)天(而非數(shù)月)內(nèi)在云中啟動(dòng)安全的數(shù)據(jù)湖。所有手動(dòng)和費(fèi)時(shí)的任務(wù)均由LakeFormation自動(dòng)完成并進(jìn)行優(yōu)化。它從數(shù)據(jù)庫和對象存儲(chǔ)收集數(shù)據(jù)并建立目錄，將數(shù)據(jù)移動(dòng)到AmazonS3數(shù)據(jù)湖，使用機(jī)器學(xué)習(xí)算法對數(shù)由于其易用性、持久性、可用性和可擴(kuò)展性，AmazonS3和AmazonLakeFormation是為智科技數(shù)據(jù)湖18云筑底座數(shù)創(chuàng)價(jià)值要具備在所有服務(wù)和數(shù)據(jù)存儲(chǔ)之間靈活自由地移動(dòng)數(shù)據(jù)的能力。AmazonRedshift和AmazonAthena均支持聯(lián)合查詢，此功能可跨運(yùn)營數(shù)據(jù) (ETL,extract,transform,andload)管道。利用AmazonRedshift數(shù)據(jù)湖導(dǎo)出功能，企業(yè)可以將數(shù)據(jù)從數(shù)據(jù)倉庫以開放格式分載到數(shù)據(jù)湖中，直接可供分析使用。企業(yè)還可以通過數(shù)據(jù)功能系列的一個(gè)關(guān)鍵組成部分AmazonGlue，利用亞馬遜智能湖倉架構(gòu)在所有服務(wù)和存儲(chǔ)之間無縫移動(dòng)并存儲(chǔ)數(shù)據(jù)。AmazonGlue是一種無服務(wù)器數(shù)據(jù)集成服務(wù)，讓企業(yè)可以輕松地準(zhǔn)備數(shù)據(jù)用于分析、機(jī)器學(xué)習(xí)和應(yīng)用程序開發(fā)。AmazonGlue提供了數(shù)據(jù)集成所需的全部功能，為了讓開發(fā)人員、業(yè)務(wù)分析師和數(shù)據(jù)科學(xué)家能夠打破數(shù)據(jù)孤島，并可通過安全可控的方式發(fā)現(xiàn)、收集和分析數(shù)據(jù)，通過AmazonLakeFormation等功能，包括可自動(dòng)發(fā)現(xiàn)數(shù)據(jù)、標(biāo)記全性、監(jiān)管與審計(jì)利用依托亞馬遜云科技的多種專用服務(wù)組限革新的可能性具實(shí)踐數(shù)據(jù)驅(qū)動(dòng)業(yè)務(wù)創(chuàng)新習(xí)作出規(guī)劃，從而制定好衡量成功的KPI。相較于在給定時(shí)間范圍內(nèi)實(shí)現(xiàn)目標(biāo)財(cái)務(wù)ROI，如果企業(yè)器學(xué)習(xí)功能集成到更大的IT系統(tǒng)中。此舉通常亞馬遜云科技能夠提供豐富的高性能CPU和GPU處理器類型，這對于進(jìn)行大規(guī)模訓(xùn)練和AI并已與1萬多個(gè)客戶合作，幫AmazonSageMaker讓所有開發(fā)人員和數(shù)型，無需數(shù)據(jù)工程師或者開發(fā)運(yùn)營人員支持。AmazonSageMaker是一種完全托管的服務(wù)，數(shù)19云筑底座數(shù)創(chuàng)價(jià)值A(chǔ)mazonSageMakerSagemakerSagemakerLearnMLAmazonSagemakerStudioIde練調(diào)整和評估模型部署與推理開發(fā)量保證程AmazonSageMakerSagemakerSagemakerLearnMLAmazonSagemakerStudioIde練調(diào)整和評估模型部署與推理開發(fā)量保證程AI服務(wù)技術(shù)程師學(xué)家習(xí)工程師化MLML工作流自動(dòng)化模型管理連續(xù)交付合 監(jiān)控助服務(wù)供應(yīng)治理、網(wǎng)絡(luò)和安全監(jiān)控及日志記錄的組合管理科技CentralIT亞馬遜云科技預(yù)先訓(xùn)練的AIServices(人工智能服務(wù))能夠?yàn)槠髽I(yè)的應(yīng)用程序和工作流，提人工智能服務(wù)可以輕松用案例相關(guān)用途，如個(gè)性化推薦、對企業(yè)的聯(lián)系中心進(jìn)行升級換代、提高安全性、提升客戶互動(dòng)水平。亞馬遜云科技AIServices會(huì)持續(xù)學(xué)和準(zhǔn)確性。最重要的是，使用亞馬遜云科技AIServices不需要具備機(jī)器學(xué)習(xí)經(jīng)驗(yàn)。圖10豐富的AIServices賦能業(yè)務(wù)創(chuàng)新?；?，驅(qū)動(dòng)業(yè)務(wù)創(chuàng)新亞馬遜云科技AI/ML服務(wù)，提供廣泛、完整的機(jī)器學(xué)習(xí)能力AmazonPersonalizeAmazonForecastAmazonPersonalizeAmazonForecastAmazonKendraAmazonMonitronAmazonLookoutforEquipmentAmazonLookoutforVisionAmazonHealthLakeAmazonComprehendMedicalAmazonTranscribeMedicalAmazonCodeGuruAmazonDevOpsGuruAmazonFraudDetectorAmazonLookoutforMetricsAmazonPollyAmazonAmazonPollyAmazonTranscribeAmazonTranscribeCallAnalytics器人AmazonLexAmazonRekogonitionAmazonPanoramaAmazonTranslateAmazonComprehendAmazonTextract機(jī)器學(xué)習(xí)服務(wù)CCanvasstudiostudiolabDetectTrainBuildwithnotebooksManage&mDetectTrainBuildwithnotebooksManage&monitorExplainStorefeaturesPrepareTuneparametersdatabiasmodelspredictionsproductionManageedgeManage框架AmazonEC框架AmazonEC2CPUsMXNet,TensorFlow科技AmazonMLSolutionsLab將實(shí)踐教育研，可幫助企業(yè)“逆向HabanaGaudiElaHabanaGaudiElasticInferenceAmazonTrainiumGPUsFPGAInferentia20云筑底座數(shù)創(chuàng)價(jià)值06全球領(lǐng)先制藥由于新冠疫情，某就業(yè)行政部門接到的公哲與亞馬遜云科技 (AI)虛擬助手。AI助手利用亞馬遜云科技自然合到客戶體驗(yàn)洞察中，像真實(shí)工作人員一樣理解客戶請求并快速準(zhǔn)確回復(fù)，幫助該部門改進(jìn)流程、縮短對話并聚焦問題。該部門還將AI助手快速擴(kuò)展到該機(jī)構(gòu)其他服務(wù)中使用。至此，AI21云筑底座數(shù)創(chuàng)價(jià)值07云的潛能是巨大的，它為企業(yè)創(chuàng)造了更多2015年成立事業(yè)部，在全球累計(jì)構(gòu)建了175項(xiàng)聯(lián)合資產(chǎn)，擁有2萬多名持有24000項(xiàng)亞馬遜一步促進(jìn)埃森哲云優(yōu)先戰(zhàn)略的創(chuàng)導(dǎo)共享在過去14年中，埃森哲與亞馬遜攜手成功為客戶提供了1000多個(gè)聯(lián)合解決方案，覆蓋16在全球累計(jì)構(gòu)建了175項(xiàng)聯(lián)合資產(chǎn)，擁有2萬多名持有24000項(xiàng)亞馬遜云科技認(rèn)證的云區(qū)企業(yè)技術(shù)創(chuàng)新事業(yè)部技技術(shù)創(chuàng)新事業(yè)部技術(shù)創(chuàng)新事業(yè)部理營銷專家專家專家22云筑底座數(shù)創(chuàng)價(jià)值參考資料:PPDaughertyBB.Ghosh)等人(無日期)。埃森哲未來系統(tǒng)系列報(bào)告《跨越發(fā)展，領(lǐng)軍未來》：/cn-en/insights/digital-transformation-index日)。/zhengce/zhengceku/2021-11/30/content_5655089.htm3.埃森哲在2019年對美國5個(gè)行業(yè)的190家公司的高管進(jìn)行了調(diào)查研究。埃森哲：/us-en/insights/technology/data-driven-reinvention4.L.巴斯蒂安(L.Sebastian)(2018年)。在迷宮中找到出路(NavigatingTheLabyrinth)：https://books.google.ca/books?id=P4paDwAAQBAJ&pg=PT20&lpg=PT20&dq=gartner+data+unused+97&source=bl&ots=9INMWEJUoU&sig=ACfU3U2C4kWfnNrrI2L2X9fWakObTR3Pzw&hl=en&sa=X&redir_esc=y#v=onepage&q=gartner%20data%20unused%2097&f=false20185.T.斯塔克(T.Stack)(2018年2月5日)。物聯(lián)網(wǎng)(IoT)數(shù)據(jù)繼續(xù)呈指數(shù)增長。誰在使用這些數(shù)據(jù)，如何使用?Cisco：/datacenter/internet-of-things-iot-data-continues-to-explode-exponentially-who-is-using-that-data-and-how6.S.然(S.Jain)(2020年11月19日)。創(chuàng)新數(shù)據(jù)驅(qū)動(dòng)(Data-drivenreinvention)。埃森哲：/us-en/insights/technology/data-driven-reinvention7.J.斯瓦米(J.Swamy)、A.雷(A.Ray)(2018年)。云上數(shù)據(jù)智能推動(dòng)渦輪增壓業(yè)務(wù)。埃森哲：/_acnmedia/PDF-87/Accenture-CVE-Turbocharge-A4-Brochure-v4-web.pdf#zoom=50月)埃森哲：/content/da