亚马逊云科技：2026生成式人工智能时代终极指南：奠定夯实数据基础（23页）.pdf

1、助力企业发掘数据更大价值的关键属性生成式人工智能 时代终极指南：奠定夯实数据基础目录引言.3转变为数据驱动型企业.5面面俱到.8集为一体.16严格治理.19智能.22结语.232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境中，如何用好企业的数据是加速创新和达成企业目标的关键。生成式人工智能的问世又再次凸显了数据的重要性。如果您希望打造专门适用于自身业务需求的生成式人工智能应用程序，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，可为您的客户和业务带来巨

2、大价值。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，企业就可以实现更快的创新周期，做出更明智的决策，推动业务的可持续增长。简介3没有必要全盘重来 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

3、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。BMW Group 利用数据来优化其供应链并提高生产能力。LG AI Research 则利用数据来开发旨在改变企业业务流程的生成式人工智能应用程序，推动人工智能在时装、制造、科研、教育和金融等各个行业中的普及。由此可见，构建适当的数据基础来实现企业转型是切实可行的。继续阅读来一探究竟。简介4生成和存储的数据量远超从前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

4、数据需求。而且他们需要能够在不牺牲性能的情况下，以经济高效的方式存储这些数据。孤立存在于多种来源的数据导致生产率低下，成本高涨 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储在不同的数据存储和部门，彼此孤立。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，企业就必须打破这些孤岛来整合所有数据。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负载越来越多地围绕大量相同的数据融为一体，这正在改变他们使用分析工具处理数据

5、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，输入到机器学习（ML）模型和人工智能驱动的应用程序中，以期发挥作用。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、动态定价和个性化产品推荐，这体现了传统分析数据集如何越来越多地为人工智能应用程序提供动力。主要挑战和考虑因素转变为数据驱动型企业5分析和机器学习的采用仍然面临着技能缺乏和企业惰性等障碍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

6、，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 用。要突破这些障碍，既需要技术培训，也需要文化转型。传统的治理实践和工具存在限制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。虽然企业需要快速行动和快速迭代，但过时的治理流程让他们不得不缓慢而谨慎地行动，进一步加剧了安全性与速度之间的紧张关系。确保数据安全日益困难