生成式人工智能时代终极指南：奠定夯实数据基础 助力企业发掘数据更大价值的关键属性 2026

亚马逊云科技生成式人工智能奠定夯实数据基础 3 5 8 16 19 22 23亚马逊云科技2数据如星星之火，可点燃创新之源数据一向是每个应用程序、流程和商业决策的核心，现今更是如此。数据可谓现代发明的源泉，在当今快速变化的复杂环数据是让应用程序具有特色的关键因素。数据是实现从通用应用程序转向生成式人工智能应用程序的关键要素，可为您的数据分析和机器学习之间的界限越来越模糊，重塑了我们访问数据和与数据交互的方式。通过高效地管理和利用数据，企业不仅可以推动人工智能计划的发展，还可以挖掘新的见解，优化流程，打造更加个性化的客户体验。能否正确地收集、处理和利用数据（无论是真实数据还是合成数据），已成为区分行业领导者和跟风者的关键因素。具备这样的能力之后，亚马逊云科技3打造数据驱动型企业，要从构建适当的数据基础着手。好消息是，经过验证的数据基础已然存在，企业已经纷纷借助亚马逊云科技来利用这些数据。例如，AstraZeneca在整个企业内整合并扩展其数据和人工智能（AI）功能，以此加速推动创新，改善患者疗效。该公司现在能够在不到30个小时的时间里运行超过510亿次统计测试，加速提供药物研发项目所需的基因组学洞察。BMWGroup利用数据来优化其供应链并提高生产能力。LGAIResearch则利用数据来开发旨在改变企亚马逊云科技4 本地工具和传统数据存储已然无法满足当前需求。企业需要能够扩展的数据存储，来满足PB级到EB级数据需求。而且他们需要能够在不牺组织需要处理各种不同类型的数据，包括日志文件、点击流、语音和视频等。而这些数据通常分别存这就让利用数据和挖掘切实可行的洞察变得非常困难。要将基础设施打造成创造价值的引擎，而不再是复杂性和支出的源头，企业就必须打分析与人工智能/机器学习计划呈现出融合趋势分析与人工智能之间的关系日益紧密。我们的客户表示，他们发现自己的分析和人工智能工作这正在改变他们使用分析工具处理数据的方式。客户并非孤立地使用分析工具和人工智能工具。他们将以往用于分析或业务报告的数据，输例如，一家零售公司过去只将销售数据用于月度控制面板，现在则会将这样的数据输入机器学习模型，用于自动库存管理、动态定价和个性亚马逊云科技5尽管数据驱动型决策具有明显的优势，但许多企业在全面接受分析和机器学习方面仍举步维艰。人才缺口仍然是一个重大障碍，市场对数据科学家和机器学习工程师有大量需求，但这方面的人才存在短缺。即使公司拥有合适的人才，也往往面临文化阻力和企业惯性。长期以来的手动流程、对人工智能驱动型见解的怀疑态度，以及对“我们一直以来的做事方式”的安于现状，仍在延缓对更先进的数据工具和方法的采传统的数据治理方法将数据束缚在孤岛之中，难以适应不断变化的业务需求，扼杀了创新。团队将宝贵的时间浪费在管理权限和访问控制方面，这些时间本可用于开发新产品和提升业务价值。虽然企业需要快速加快创新的压力给数据安全性和隐私性带来了更大的压力。过去，IT团队还能在架构的速度和安全之间择一取舍，而如今，两者必须兼顾。同时，根据埃森哲公司的《StateofCybersecurityResilience2023》报告，从2022年到2023年，有97%的企业遭遇的网络安全威胁不亚马逊云科技1《StateofCybersecurityResilience2023:Howcybersecurityboostsenterprisereinventiontodrivebusinessresilience》，埃森哲，2023年6四大关键属性助力企业发掘数据更大价值与那些对数据依赖程度较低的企业相比，高度依赖数据的企业在制定决策方面取得显著改进2实施数据基础来简化转型之旅中各个环节的数据管理（从数据摄取、存储和查询，到分析、成功建成数据驱动型企业可能还需要更广泛的思维模式转变，即目标和决策都由涵盖人员、亚马逊云科技2Farell,M.，《DataandIntuition:GoodDecisionsNeedBoth》，HarvardBusinessPublishing，2023年1月6日7驱动任意数据工作负载或应用场景所需的全部工具和功能企业需要构建可持续的数据基础，才能够满足企业现在和未来的需求。企业要高效利用数据，需要的不仅仅是一个数据湖、数据仓库或商业情报（BI，BusinessIntelligence）工具，而是需要搭配一套全面工具的数据基础，才能应对各种规模和种类的数据，从而满足您所需的各种选择具有创新精神的云提供商合作伙伴，他们会不断为您提供所需的全部数据工具，并为您的应用场景提供合适的性价比，这就能够确保您拥有一个能够与您一起成长的数据基础。亚马逊云科技提供广泛、深入的数据功能，能够支持各种数据工作负载或应用场景。从应用程序的数据库到数据湖的存储，到分析，再到人工智能/机器学习和最终用户工具，亚马逊云科技在每个领域都提供了合适的功能，因此您不必在性能、成本或结果方面做出妥协。亚马逊云科技不断加快创新步伐，确保您的数据需求始终能够得到满足。亚马逊云科技在我们的数据服务中使用亚马逊云科技数据库，在现代化的数据基础上大规模构建应用程序，为您的应用场景提供卓越性价比。例如，10万多家企业使用AmazonAurora在全球实现了无与伦比的高性能和可用性，而成本仅为商业数据库的1/10。对于图形、流式传输和文档等各种应用场景，亚马逊云科技提供了八种专用数据库引擎，每个引擎均经过专门的设计，可以为您的应用程序提供卓越性能，并让您在拥有数据库方面更具亚马逊云科技还在其非常受欢迎的数据库中提供向量功能，这些数据库包括AmazonAurora、AmazonRDS、AmazonOpenSearchService、AmazonNeptune以及AmazonDocumentDB，便于开发人员使用向量搜索功能进行创新，打造独特的体验。亚马逊云科技8亚马逊云科技9数据基础案例研究数据基础案例研究实现经济高效的数据基础且不牺牲性能。通过优化成SNMSUNG三星在迁移到AmazonAuroraPostgreSQL之后，每月运营成本节省了44%，且维护费用也节省了22%。Carrier公司连通了其冷链物流网络，助力客户优化冷链运营，降低能源消耗，并通过降低运输过程中的成本、延误、货物丢失及变质情况，取得个传感器生成数据来推动实时洞察，优化地面设备功能，并通过减少不必要的设备部署节省了1.2亿美元新一代AmazonSageMaker：面向所有数据、分析和人工智能服务的中心新一代AmazonSageMaker通过统一的数据访问和治理，解决将所有企业数据用于分析和人工智能时的挑战，而不受数据存储位置的限制。利用该服务，团队能够安全地查找、准备和协作处理数据资产，并通过单一平台构AmazonSageMakerUnifiedStudio提供了一种集成体验，可将您的所有数据和工具用于分析和人工智能服务。发现您的数据，并使用熟悉的亚马逊云科技工具将其用于模型开发、生成式人工智能、数据处理和SQL分析。使用统一的笔记本处理计算资源，使用内置的SQL编辑器发现和查询各种数据来源，大规模训练和部署人工智能模型，以及快速构建自定义生成式人工智能应用程序。创建并安全地共享分析和人工智能构件，如数据、模型亚马逊云科技10借助采用安全设计的全面人工智能开发功能组合，在AmazonSageMaker中加速人工智能的发展。在高性能且经济实惠的基础设施上训练、自定义和部署机器学习及基础模型（FM）。从高性能的集成式开发环境（IDE）和分布式训练，到推理、用于IT运维的人工智能（AIOps）、治理和可观测性，在整个人工智能生命周期中，有各种专用工具可供使用。利用先进的模型和您的专有数据，根据自身业务，快速创建量身定制的生成式人工智能应用程序。使用AmazonQ开发者版，您可以通过自然语言更轻松地发现数据、构建和训练机器学习模型、生成SQL借助AmazonSageMaker智能湖仓，跨AmazonSimpleStorageService（AmazonS3）数据湖以及AmazonRedshift数据仓库，实现对所有数据的统一访问。使用所有与ApacheIceberg兼容的工具和引擎，在单个分析数据副本上灵活地访问和查询数据。定义精细的权限，应用至智能湖仓的分析和人工智能工具中，确保数据安全。通过零ETL集成，将运营数据库和应用程序中的数据近乎实时地引入您的智能湖仓。此外，还可利用联合查询功能，跨第三方数据来源（如Salesforce、ServiceNow、SAP等）就地访问和查询数据。亚马逊云科技11在整个数据和人工智能生命周期中，通过内置的治理功能确保企业安全。借助AmazonSageMaker，您可以根据合适的目的，控制合适的用户访问合适的数据、模型和开发构件。通过AmazonSageMakerCatalog，使用具有精细访问控制措施的单个权限模型，统一地定义和执行访问策略。通过数据分类、毒性检测、护栏和负责任的人工智能策略，为您的人工智能模型保驾护航。通过数据质量监控和自动化、敏感数切实的业务应变能力有利于企业快速适应不断变化的业务需求。企业团队可以利用亚马逊云科技分析服务，对自己的数据进行摄取、合并，还可以进行历史、实时和预测性分析。其中包括针对SQL查询、日志分析、流式传输和ApacheSpark的服务。对于可跨许多不同数据来源以超快速度获取查询结果的数据仓库，相比其它云数据仓库，PB级数据仓库AmazonRedshift可以提供多达6倍的性价比。借助AmazonRedshift内部的生成式人工智能，您可以使用自然语言生成SQL查询。而且，AmazonRedshiftServerless具备人工智能驱动的扩展和优化对于大数据查询，您可以使用AmazonEMR，相较于任何其他提供商，其获取洞察的速度快达两倍，让您能够支持更多的大数据框架。客户在运行我们完全支持并经亚马逊云科技优化的EMR运行时系统时，可将ApacheSpark的性能提升三倍以上。亚马逊云科技12组织一直在使用机器学习技术，来为现有的流程增加智能功能，自动化处理耗时的手动任务，并使用数据加速创新。而随着生成式人工智能亚马逊云科技为客户提供了全面的人工智能和机器学习服务。借助AmazonBedrock，您可以使用基础模型（FM）轻松构建和扩展生成式人工智能应用程序，来创建新内容和观点，包括对话、故事和图像等。有了Bedrock，您就能使用自己的数据，轻松并安全地自定义来自AI21Labs、Anthropic和StabilityAI的基础模型，此外还可通过API使用AmazonNova模型。亚马逊云科技还提供种类广泛的服务，让您只需一个简单的API调用，即可为应用程序添现在不止是精通数据技术的人士，其他人士也可以快速从数据中提取有价值的相关洞察，来制定出明智的决策。AmazonQuickSight等由机器学习支持的商业智能情报解决方案实现了与数据来源的轻松连接。业务分析师可以利用这些数据，在交互式的商业情报可视化表示形式和若员工清楚如何高效利用数据，便可以助力贵企业实现数据目标。投资于员工教育，利用亚马逊云科技培训与认证提升员工在数据、分析和亚马逊云科技13ADP利用分析流程每月做出312万亿次决定ADP的人力和工资流程协助90多万家企业管理7000万员工的相关事宜。这一管理流程会产生海量数据。实际上，ADP处理的数据超过2.5PB，代表超过250亿个单独的数据点。为执行其总体数据处理的方方面面，ADP使用AmazonRedshift和AmazonNeptune。这些数据服务有便于各公司衡量、比较、预测和应用关于其员工的洞察。ADP还利用亚马逊云科技服务，使得企业能够创建同工同酬控制面板，让超过三分之二的公司在同“我们需要立即采用行动，利用数据了解可以采取哪些行动来营造更多元、更公平和更包容的工作环境，并建ADP首席数据官JackBerkowitz亚马逊云科技14宝马集团借助亚马逊云科技，对来自来自车辆传感器和企业其他来源的数据进行匿名化处理，方便内部团队轻松访问这些数据并创建面向客户的应用程序和内部应用程序。该公司将自身数据迁移至亚马逊云科技云端，建立起了一个集中式数据湖，此举不仅实现了出色的敏捷性，还能够每天处理来自数百万辆汽车的TB级遥测数据。实践证明，构建出人类可读的数据目录和清晰显示数据的资源非常重要，这将能大幅提升数据分析师、数KaiDemtröder，宝马集团DataTransformation,ArtificialIntelligence,DataandDevOpsPlatforms的副总裁亚马逊云科技15打破孤岛，整合企业所有数据，让数据可以有效地发挥作用企业在着手进行数字化转型时，需要快速适应不断变化的客户需求。在此过程中，他们需要所有简化团队的数据使用，同时又不影响亚马逊云科技工具的功能深度和广度，而这正是亚马逊云科技工具的价值所在。在统一方法和保持高级AmazonSageMakerLakehouse可统一您在AmazonS3数据湖和AmazonRedshift数据仓库中的所有数据，让您轻松地在单个数据副本上构建强大的分析和人工智能/机器学习应用程序。这一创新推动了一项重要变革：您不再需要在数据湖和数据仓库之间复制或移动数据。SageMakerLakehouse支持直接在新的SageMakerUnifiedStudio中无缝访问数据，并且可以灵活地使用所有与ApacheIceberg兼容的工通过发布这项服务，无论数据存储在哪里，您都可以对其进行查询，并支持各种应用场景，包括分析、临时查询、数据科学、机器学习和生成式人工智能。无论数据位于何处，您的数据和人工智能工作人员都能获得所有数据的单个统一视图，从而打破数据孤岛。通过这种简化的亚马逊云科技16数据存储内部和数据存储之间的零ETL集成要想打破数据孤岛，您不能只连接到一些数据来源，而是需要能够无缝连接到所有数据来源，无论我们在不断扩大集成范围，使SageMakerLakehouse和AmazonRedshift可以使用来自多种运营、事务和应用程序来源的数据，向零ETL时为人工智能和机器学习计划提供近乎实时的见解。所有现有的AmazonRedshift零ETL集成都可在SageMaker中无缝使用。您既可以将事务数据从AmazonAurora、AmazonRDS和AmazonDynamoDB等数据库移动到AmazonRedshift中，而不会对性能造成影响，还可以通过原生流服务集成，从AmazonKinesis和AmazonManagedStreamingforApacheKafka（AmazonMSK）SageMakerLakehouse和AmazonRedshift支持八种应用程序的零ETL集成，分别是Salesforce、Zendesk、ServiceNow、ZohoCRM、SalesforcePardot、SAP、FacebookAds和InstagramAds。亚马逊云科技17ENGIE加快其零碳排放转型作为一家正在实现零碳排放转型的全球公用事业公司，ENGIE依托亚马逊云科技构建了其CommonDataHub数据湖。ENGIE与AmazonProfessionalServices携手完成了解决方案的设计和实施，并组建了内部服务团队来监管平台。CommonDataHub上目前有一千多个项目遍布全球，ENGIE消除了其数据孤岛，赋予每个部门对通用数据框“有很多理由让我们相信亚马逊云科技是一个好的解决方案，成本模型是其中一个理由，但更为重要的理由在GregoryWolowiec，ENGIE数据计划技术团队负责人亚马逊云科技18除了上述的面面俱到和集为一体这两个属性之外，确保数据的所有使用者（无论是人类用户、应用程序、引擎还是人工智能/机器学习模型）都可以根据需要，随时随地以适当的访问权限控制级别访问数据，同样也很重要。通过实施适当的数据治理策略，您可以随时随地访问到所随着越来越多的数据迁移到云端，新的人工智能/机器学习模型使用大量数据，企业数据治理模型就必须与此步调一致。IT和业务领导者需要最新的策略，来保护在不同存储库之间来回成功实施数据治理策略需要解决一系列独特的挑战。要以对特定数据集合适的访问级别向内部或外部使用者提供其数据，不仅耗时，而且极手动工作也常在不同团队和部门之间，造成代价高昂的数据质量问题。如果没有集中的监管工具，数据会被限定在数据孤岛中，这意味着您亚马逊云科技19一份亚马逊云科技/MIT洞察报告显示，数据治理是首席数据官（CDO）的首要任务，超过65%的CDO认为“建立清晰有效的数据治理”是他们的主要责任。CDO还将大量时间花在数据治理上，超过63%的受访者表示数据治理计划是如果没有支持创新的数据治理方法，企业便难于成为数据驱动型企业，最终会导致失去竞争力。毕竟，员工用于处理数据的时间越多，用于创新的时间就越少。要想取得成功，数据治理策略必须与企业投入资金的业务计划保持一致。因为如果独立的数据治理策略不整合到企业投亚马逊云科技对整个数据旅程不断投资，以确保客户能够更轻松实现端到端的数据治理。借助亚马逊云科技上的数据治理功能，企业能够控制其数据所处的位置、可以访问数据的具体人员或对象，以及在数据工作流的每一步可以使用这些数据做些什么。亚马逊云科技提供一系列例如，借助AmazonDataZone，管理员和数据管理员可以管理和治理对数据的访问，而数据工程师、数据科学家、产品经理、分析师和其他业务用户则可以发现、使用这些数据并与之协作，来为您的业务提供宝贵见解。借助AmazonDataZone中的生成式人工智能功能（用于描新一代AmazonSageMaker可面向智能湖仓、人工智能模型和应用程序，简化对其中数据和人工智能的发现、治理和协作处理。借助基于AmazonDataZone构建的AmazonSageMakerCatalog，用户可以使用生成式人工智能创建的元数据进行语义搜索，安全地发现和访问已获批准的数据和模型，也可以直接使用自然语言询问Q开发者版来查找数据。用户可以在SageMakerUnifiedStudio（预览版）这个集中位置，使用具有精细访问控制措施的单一权限模型，统一地定义和执行访问策略。通过简便的发布和订阅工作流，无缝共享数据和人工智能资产并开展协作。借助AmazonSageMaker，您可以使用AmazonBedrock护栏为人工智能模型提供安全保障，以及实施负责任的人工智能策略。亚马逊云科技3《2024CDOInsights:Data&GenerativeAI》，AmazonWebServices/MITInsightReport，2024年20Pinterest通过数据治理实现为了确保公司不断增长的数据不会超出现有的控制范围，Pinterest系统。FGAC基于多个标准控制对数据的访问，提供基于角色的访问控制以及面向PB级数据集的安全性等选项。该公司也可让平台上的“Pinterest的数据治理工作对客户产生了积极的影响，其中一项是在庆祝六月节时，以一种‘非常可控的方式’利用自行标识数据来为黑人经营的企业提供支持。创建 者还可以在其档案中添加徽章，这使得创建者内容可以 显示在Pinterest的主题空间中，表明企业所有者属于 DavidChaiken，Pinterest首席架构师亚马逊云科技21利用人工智能简化流程，加快实现数据价值的速度•Amazon•AmazonS3：存储和检索任意数量的数据，具有良•AmazonLakeFormation：在数天内构•AmazonQ是我们基于生成式人工智能的助手