通信世界网消息（CWW）数据为王的时代不断加速发展，“数据”即“资产”的观念已成为共识，社会对数据价值的重视程度与日俱增。
为了充分挖掘数据价值，越来越多的企业选择成为数据驱动型的公司，通过业务产生的数据反向驱动公司战略。据福布斯调研报告，如果企业转型为数据驱动型公司，收入会增加20%，同时成本会减少30%，实现双赢！
数、智统一与融合将助力企业数字化转型迈向新的高度。近日，亚马逊云科技宣布推出“云、数、智三位一体”的大数据与机器学习融合服务组合，帮助企业推进大数据和机器学习的融合，将机器学习由实验转为规模化落地实践。
数智统一是大势所趋，但仍面临三大挑战
企业要重塑数据洞察，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。亚马逊云科技大中华区产品部总经理陈晓建表示，随着企业数据越来越多，机器学习模型越来越先进，很多企业期望通过大数据与机器学习技术的融合，进一步带动业务创新，提升产出。但企业往往面临一个困境，有大量的数据和分析技术储备，也尝试了很多先进的机器学习模型，但就是很难有实际的业务产出。
究其根本，就会发现，机器学习技术有三大依赖因素：算力、算法、数据。大数据技术所提供的能力是机器学习建模所需要的必然基础，而机器学习也能够为大数据技术提供更高的智能，为商业业务产生价值。所以，从用户逻辑来看，大数据技术和机器学习技术本身就是互为因果的。
所以，企业不能盲目套用机器学习模型，而应在云上打造统一的数据基础底座，实现大数据与机器学习“双剑合璧”。
在陈晓建看来，数据分析和机器学习的技术道路本不相同，要想融合统一并非易事，还面临三个挑战。
第一，数据和机器学习目前是分而治之，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。
“云、数、智”三位一体，亚马逊云科技的数智“组合拳”
面对以上挑战，如何才能实现数智有效融合？“首先，建立统一融合的治理底座，如数据质量、数据权限、数据开发、数据工作流、可视化。其次，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。”陈晓建如是说。
为此，企业需要构建三大核心能力：统一数据共享、统一权限管控、统一开发及流程编排。
而亚马逊云科技“云、数、智三位一体”服务组合为企业数智融合带来了新的思路，具体涵盖三个方面，分别是：构建云中统一的数据治理底座，为机器学习提供生产级别的数据处理能力以及赋能给业务人员更加智能的数据分析工具。
“该服务组合是亚马逊云科技自去年推出‘智能湖仓’架构以来，持续推进该框架的深度智能并加速其落地实践。”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，“智能湖仓架构五大核心优势理念延伸出在云中实现大数据与机器学习融合的实践路径，为大数据和机器学习打破数据及技能孤岛，机器学习由实验转为实践，赋能业务人员探索创新。”
王晓野强调，“尽管大数据技术与机器学习技术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。”
目前，全球数十万客户正借助亚马逊云科技大数据及机器学习服务开展业务创新，将机器学习投入实践，解决现实世界中真实和复杂的数据应用场景。其中，乐我无限（Joyme）运营的全球化直播平台LiveMe基于亚马逊云科技的解决方案搭建了数据研发中心平台的核心技术服务。
Joyme数据研发中心总监杨飞表示，LiveMe核心业务均部署在亚马逊云科技上，通过亚马逊云科技的技术赋能，实现了降本增效，加速了业务创新。通过直播内容实时识别技术服务，LiveMe不仅提升了用户体验，还降低了大量内容管理的业务成本。未来将在系统稳定性、数据驱动以及新技术开发等方面加深与亚马逊云科技的合作。
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。
