数是指大数据，智是值AI、机器学习。在早期的发展阶段，数和智是两条平行线，而随着技术的迭代法治，二者逐渐靠近并扭作一团，数与智的融合也将成为企业加速创新的引擎。
近期，亚马逊云科技就举办了“云领数智融合 重塑创新引领” 大数据与机器学习媒体沟通会。会上亚马逊云科技大中华区产品部总经理陈晓建等人分享了亚马逊云科技是如何助力企业实现云上创新，并进行“数智融合”的。
数字化转型升级进入“深水区”
如今，越来越多的企业已经认识到，数据早已成为与劳动力、资本等同等重要的要素资源，甚至在未来的竞争环境中，能对数据进行积累、拥有更多的数据量并以此进行分析，将成为一种必备技能。不过，数据的价值目前还没有得到充分的利用。
根据福布斯发布的调研报告，如果成为一个数据驱动型公司，收入会增加20%，同时成本会减少30%，这是一种双赢。以亚马逊为例，数据在亚马逊自己的仓储、物流优化中已经发挥了巨大的作用，而且很多创新的产品，比如智能语音助手Alexa和智能机器人Astro都是通过大数据和AI的技术催生的。
如今，数据的产生是指数级增长的，每天产生的数据比20年前一年所产生的数据还要多。不仅如此，当数据量呈指数级增长的时候，面临的问题也绝非是线性增长。正如亚马逊云科技大中华区产品部总经理陈晓建所说：“数据逐渐应用到更多的领域，整个应用场景就变得越来越复杂，这些都给大数据的计算提出了非常高的挑战。而且很多企业已经不满足于传统大数据的T+1模式，将数据放在数据仓库里，以天为单位通过大数据运算得到结果，已经满足不了企业的需求，越来越多的企业希望按小时、按分钟级的实时大数据服务。”
而企业若想要重塑数据洞察，就必须将数据和智能进行融合和统一。
“数智融合”的理想丰满、现实骨感
IDC报告显示，到2023年时，AI系统的支出将达到979亿美元，比2019年增加2.5倍，短短4年便产生了2.5倍的增幅。另外，根据Gartner的分析，到2024年时，75%的企业将把机器学习技术真正用于生产，为业务所赋能。
可以看出，未来机器学习等技术和大数据对企业业务会产生越来越大的作用，企业都希望能够通过融合大数据和机器学习能力来提供业务产出。而想要充分发挥数据的价值，就必须解决现在面临三个方面的问题：
第一，数据和机器学习分而治之，它们本身的技术发展路线是两条不同的路线，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，数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。
从这三个问题也可以看出，虽然企业对数智融合的关注度在不断上升，但理想很丰满，现实却很骨感。
打造数据底座，让“数智融合”双剑合璧
为了让现实也变得“丰满”，让云端的数智融合达到企业的要求，陈晓建还分享了亚马逊云科技的观点和做法。
首先，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，为企业发展提供新动力；还需要建立统一融合的治理底座，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，在大数据和机器学习之间建立高效的双向互动，互为支撑，互为因果，形成正向循环。陈晓建认为，企业应该建立统一数据共享机制，让数据资产化，打破数据孤岛，进行统一的权限管控，进一步完善权限控制能力，让数据在不同的业务系统之间流转，实现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。
亚马逊云科技在去年发布的“智能湖仓”架构，便是一个典型的例子，它将亚马逊云科技全面而深入的数据服务无缝集成，打通了数据湖和数据仓库之间数据移动和访问，并且进一步实现了数据在数据湖、数据仓库，以及在数据查询、数据分析、机器学习等各类专门构建的服务之间按需移动，从而形成统一且连续的整体，满足客户各种实际业务场景下的不同需求。
不仅如此，亚马逊云科技大中华区产品部技术专家团队总监王晓野在接受采访时表示，基于五大理念，亚马逊云科技“智能湖仓”还在不断帮助更多的客户在机器学习和大数据创新的项目上面去探索更新的相应的实践。
到目前为止，亚马逊云科技已经帮助全球数十万的用户利用大数据和AI助力业务发展。通过面向快速算法原型的数据实验室的应用科学家、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等，与客户共同探索数据驱动的转型之路。而且随着数字化转型的推进，以数智融合为核心的数据驱动转型已成为企业的硬需求。
未来，没有进行数智融合的企业，等待它们的或许是下个时代的无情淘汰。
