Внедрение инноваций с помощью Data & AI/ML — версия AWS.

Недавно у меня появилась возможность роста — теперь я AWS Community Builder! Это прекрасная возможность продолжать расти, учиться, строить, играть и общаться с глобальным облачным сообществом AWS. Категория, на которой я сосредоточен, — это хранилище, которое охватывает другие области вычислений, включая (но не ограничиваясь) базы данных, AI/ML и бессерверные технологии, поэтому, естественно, когда наступил день AWS Innovate, я решил настроиться, чтобы также отпраздновать 17-летие. Amazon S3.

14 марта 2023 г. я присоединился к конференции AWS Innovate Data & AI/ML Edition, чтобы более подробно изучить что, почему и как Организации, управляемые данными, прокладывают путь к более эффективному, отказоустойчивому и высокопроизводительному будущему. В этой статье я поделюсь основными выводами нескольких живых сессий Дня инноваций, чтобы привлечь внимание людей, которые хотят вывести свои организации на более высокий уровень с помощью AWS.

  • ЧТО? Что значит быть организацией, управляемой данными? Что такое модель маховика Amazon? Что такое AI против ML? Каковы ключевые факторы эффекта сети передачи данных? Какие меры предосторожности следует предпринять, чтобы предотвратить сбои в архитектуре данных? Какие сервисы открывают возможности для улучшения CX (клиентского опыта)?
  • ПОЧЕМУ? Почему мы должны рассматривать данные как краеугольный камень для создания технологий, ориентированных на людей? Почему изменение мышления является ключом к подпитке маховика Amazon? Почему создание централизованного сообщества данных имеет решающее значение для улучшения управления данными?
  • КАК? Как ИИ/МО влияет на скорость и эффективность организаций, работающих с данными? Как это влияет на потребителей и производителей? Как машинное обучение используется в режиме реального времени и какие компании используют AWS?

Ответы на приведенные выше вопросы будут даны в формате вопросов и ответов для большей ясности.

Что значит быть организацией, управляемой данными?

Это признание того, что данные являются активом для создания действенных идей, которые улучшают качество обслуживания клиентов. Принятие мышления, основанного на данных, — это возможность повлиять на повествование каждой заинтересованной стороны.

Какова модель маховика Amazon?

Давайте посмотрим на элементы маховика Amazon:

Концепция заключается в том, чтобы держать людей, технологии и процессы в центре всех процессов принятия решений и использования продуктов, клиентского опыта, отзывов и данных в качестве обучающих моделей, с которыми можно экспериментировать для создания инноваций. Организации, управляемые данными, признают, что это процесс работы в обратном направлении от опыта для создания технологий.

Почему мы должны рассматривать данные как краеугольный камень для создания технологий, ориентированных на людей?

Помещение данных в центр принятия решений позволяет организациям:

  • Принимайте решения быстрее
  • Лучше реагируйте на неожиданности
  • Создайте лучший клиентский опыт
  • Откройте для себя новые возможности
  • Повысить эффективность

Почему создание централизованного сообщества данных имеет решающее значение для улучшения управления данными?

Это связано с тем, как каждый сектор сообщества (производители, платформенные команды, потребители) извлекает свою ценность для бизнеса.

➡ Производители: совместное использование данных внутри команд для получения информации и ключевых показателей эффективности, метаданных и вопросов доступа для сохранения управления владельцем.

➡ Команда платформы: повышает масштабируемость и управление соответствием данных, чтобы двигаться со скоростью бизнес-приоритетов

➡ Потребители: создатели новых идей, первооткрыватели данных

Почему изменение мышления является ключом к подпитке маховика Amazon?

Ментальные модели существуют для управления и информирования. Изменение мышления является ключом к подпитке маховика, потому что оно включает в себя придание ценности тому, кто, что и почему организации создают, а непосредственное извлечение информации из данных — это то, как улучшаются элементы маховика.

Как ИИ/МО влияет на скорость и эффективность организаций, работающих с данными, сегодня?

Машинное обучение требует богатого набора возможностей, а данные — это основа для механизмов машинного обучения. Как подчеркнул Том Годден (специалист по корпоративной стратегии AWS): «В сочетании с другими реализациями ИИ способен изменить бизнес-модели… в одиночку он не может».

3 ключевых фактора внедрения машинного обучения:

  1. Актуальность
  2. Скорость
  3. Эффективность

Что такое ИИ и машинное обучение?

ИИ = искусственный интеллект: включает использование компьютерных наук для обучения на моделях данных, как люди учатся на собственном опыте.

ML = машинное обучение: подмножество ИИ, которое включает использование алгоритмов для обучения и прогнозирования на основе данных.

Существует 3 основных типа ML:

  1. Обучение под наблюдением
    классификация: прогнозирует категорию
    пример: классификация носка по цвету
    модель регрессии: исследует взаимосвязь между переменными
  2. Неконтролируемое обучение
    кластеризация: группы по сходству
    пример: сортировка одежды по типу
    ассоциация: одежда, которую часто носят вместе
  3. Обучение с подкреплением
    основано на среде: не нужны определенные пары входных/выходных данных
    пример: реагирует на окружающую среду и учится на ней

Каковы ключевые факторы эффекта сети передачи данных?

Машинное обучение — это инструмент для поддержки бизнес-активации за счет потребностей клиентов в улучшении клиентского опыта. Цикл The Data Network Effect основан на 4 ключевых факторах:
1. Больше данных
2. Улучшенные алгоритмы
3. Более активное участие
4. Больше довольных клиентов

Как это влияет на потребителей и производителей?

Приняв современное мышление, основанное на данных, потребители могут сосредоточиться на взаимодействии с продуктами, а производители могут эффективно управлять данными, полученными на основе их опыта. Это создает культуру улучшения обнаружения данных за счет повышения прозрачности и надежности, упрощения совместной работы и беспрепятственной работы с инструментами в контексте.

Какие сервисы могут разблокировать улучшения CX (клиентский опыт) (список не является исчерпывающим)?

Какие меры предосторожности следует предпринять, чтобы предотвратить сбои в архитектуре данных?

Чтобы предотвратить сбои, создайте устойчивые структуры данных, которые могут управлять надежностью и производительностью рабочих нагрузок. Так как же это достигается? Благодаря работе с такими службами хранения, как Amazon S3 и Amazon EBS.

Факторы, которые следует учитывать для упругих конструкций:

➡ Отказоустойчивость: должна соответствовать рабочей нагрузке, которая может обеспечить устойчивость и производительность рабочей нагрузки.

➡ Резервные копии: резервное копирование томов путем создания моментальных снимков на определенный момент времени и их сохранения в хранилище S3.

➡ Создайте собственную избыточность: рассмотрите альтернативные пути восстановления, например Elastic Disaster Recovery.

➡ Проектирование с учетом доступности: ни одна точка отказа не должна останавливать систему (рассмотрите возможность балансировки нагрузки)

➡ Мониторинг, тестирование и восстановление: моделируйте реальные условия, создавайте эксперименты для тестирования

Как машинное обучение используется в режиме реального времени и какие компании используют AWS?

«Данные существуют для того, чтобы их вычислять и хранить, а затем подавать на эффективную стадию, которая может управлять данными». — Райан Сэйр

С выпуском нескольких сервисов на основе ИИ, таких как ChatGPT и поисковых систем, таких как You.com, население познакомилось с волной машинного обучения. Это захватывающее время для изучения и взаимодействия с ИИ, и хотя многие считают, что ИИ берет на себя многие текущие задачи, мне нравится думать о его силе как о дополнении. Как подчеркнул Годден в своем выступлении Построение более разумной организации: на основе машинного обучения, в сочетании с другими реализациями ИИ способен изменить бизнес-модели… в одиночку он не может. AWS прокладывает путь к более целостному, отказоустойчивому и высокопроизводительному будущему, и перечисленные выше компании являются живым доказательством мощи, созданной облачными вычислениями. Чем больше производителей, групп разработчиков платформ и потребителей участвуют в качестве сообществ, управляемых данными, тем лучше может быть улучшен опыт для всех.

➡ Мыслить масштабно ➡ Задом наперед ➡ Проектировать и строить

Дополнительные материалы на PlainEnglish.io.

Подпишитесь на нашу бесплатную еженедельную рассылку новостей. Подпишитесь на нас в Twitter, LinkedIn, YouTube и Discord .

Заинтересованы в масштабировании запуска вашего программного обеспечения? Ознакомьтесь с разделом Схема.