AWS提出四大指导方针 成就数据驱动型企业

企业的资料量正以指数型的速度成长，如何将巨量资料炼成金，并成为「数据驱动型组织」，是现今许多企业的关键课题。富比士曾指出，成为资料驱动型组织可以让企业平均增加20%的收入，同时减少30%的成本。有鉴于此，Amazon Web Services（AWS）提出针对数据驱动型企业的四大建议与最佳实践，并分享如何整合大数据与机器学习，推动企业数位化。

针对如何成?数据驱动型企业，AWS提出四大建议：

●塑造数据驱动型企业文化：企业想要?数据所驱动，建立文化是第一步。团队应该用数据事实取代片面感觉，做出数据驱动的决策。而文化的养成仰赖于四个关键要素，包含高阶主管的参与、透过数据赋能团队做出行动、以数据为核心的决策习惯，及将数据整合到日常工作中。

●设计以敏捷为目标的企业组织架构：组织架构的设计应以敏捷出发，而非控制或限制组织的作业。AWS认?企业首先应该帮助各个资料使用方建立资料市集，并串联「发布资料」和「找寻资料」的架构，然后定义和划分团队不同的权责。敏捷的组织需层层建构权力下放，而下放的程度取决于个人和团队的技能成熟度、业务复杂度，以及所需的领域知识和技术更新的速度。

●长远思考，建构良好机制：企业应该具备长远的思考能力，奠定数据驱动型企业的机制。这些机制包括坚持正确的衡量标准、合理的治理规则，与优良的资料品质。衡量标准能带领企业重新思索有意义的指标，治理规则能为员工和团队赋能而非一味限制。而好的资料品质才能带来更好的决策结果。

●融合大数据与机器学习，注重有效执行：当完成前三项转型布局，企业就需要「统一的资料底座」打破资料与技能孤岛，实现大数据与机器学习的资料共享等在云端中，统一的流程安排，让机器学习由实验转为实践，为企业提供生产级别的资料能力，也让企业的资料分析更加智慧，为业务带来更多价值。

整合大数据与机器学习，助力企业规划数据驱动蓝图

在执行层面，AWS建议企业需透过在云端中建构统一的资料治理底座，整合机器学习及大数据的开发平台，提升两者的高效融合，同时减少重复建构的工作以减低成本，最终达到数据驱动转型目标。AWS?客户提供可快速建构资料湖及各类专门用于资料跨部门共享的服务及功能，此外，透过Amazon Lake Formation帮助客户进行资料资产的共享和治理；AWS也提供可灵活扩展，针对复杂资料处理和加工的服务，例如可支援多种开源框架大数据平台的Amazon Athena，让客户快速处理复杂的资料加工和完成机器学习的建模及准备。针对机器学习，AWS也提供给客户深度整合全托管的机器学习平台Amazon SageMaker，让开发人员在高度整合的环境中自主进行智慧分析。

AWS还不断提供更加智慧的技术和服务，例如在2021年年度大会re:Invent上，推出多项无伺服器的分析服务，例如Amazon Redshift、Amazon MSK，与Amazon EMR，帮助企业快速启动资料分析专案。而前不久推出的机器学习服务Amazon CodeWhisperer，则可根据开发人员的自然语言整合开发环境（IDE）中的代码生成建议，帮助提高开发人员的工作效率。AWS还拥有资料实验室、机器学习解决方案实验室、大数据和机器学习专业服务等客制化服务，从基础能力建构到最新的产业知识分享，帮助客户将「数据驱动转型」从构想到全面落地，重塑创新引擎。

目前，全球有数十万客户正借助AWS大数据及机器学习的服务来开展业务创新。台湾电信业领导业者中华电信就运用AWS上述的策略方针，成功建构起一套完整的资料治理框架，重塑公司内部资料治理的策略。透过数据驱动的决策蓝图，改善?部作业流程、进行企业决策、进而创造更精准的客户价值。

中华电信股份有限公司数据发展处协理阙仁斌表示：「我们已验证AWS的资料治理框架G@S（Governance@Scale）可落实于中华电信企业内，未来搭配AWS完整的顾问咨询服务、中华电信于企业内部实务运作及资料价值创造的宝贵经验，可带给客户一套可延续运作、持续发展的资料治理机制与方法，协助客户了解公司在资料治理各面向的成熟度及进一步优化的方向，以作为资料治理长期规划的基础。」