云端組裝商業(yè)智能和數(shù)據(jù)科學以實現(xiàn)可復用的高級數(shù)據(jù)分析能力

孫鑫

如今，分析和商業(yè)智能（ABI）以及數(shù)據(jù)科學和機器學習（DSML）市場都在大力投資于云。新老廠商紛紛發(fā)布他們的最新云優(yōu)先或純云功能。云生態(tài)系統(tǒng)現(xiàn)已成為主要的支出。七家超大規(guī)模云基礎(chǔ)設(shè)施和平臺服務(wù)廠商中，首次有六家直接或通過收購的子公司同時在ABI和DSML平臺市場上提供產(chǎn)品。在2020年Gartner數(shù)據(jù)和分析云調(diào)查中，74%的企業(yè)機構(gòu)使用或計劃使用云實施分析、商業(yè)智能和數(shù)據(jù)科學（見圖1）。

云所提供的豐富選擇有時并不能使ABI和DSML的價值累加，反而會造成技術(shù)棧的重復或不同廠商之間的低效運作。分別投資于ABI和DSML平臺或分階段投資于ABI和DSML平臺的企業(yè)機構(gòu)未考慮如何管理這兩個平臺，通過凝聚兩者的力量產(chǎn)生綜合效益。數(shù)據(jù)和分析領(lǐng)導人應(yīng)運用云的可組裝性來建立ABI和DSML平臺之間的協(xié)同作用。

以模塊化漸進式從ABI到DSML的來擴展云中的高級分析能力

根據(jù)Gartner 2020年云端數(shù)據(jù)和分析調(diào)查，從2020年到2022年，云端高級分析的開發(fā)和部署比例都將增加一倍以上（見圖2）。隨著數(shù)據(jù)重心向云轉(zhuǎn)移，企業(yè)機構(gòu)意識到將ABI和DSML轉(zhuǎn)移到云的必要性。在云端，他們可以減少混合環(huán)境中的網(wǎng)絡(luò)延遲并采納廣泛、現(xiàn)代化的數(shù)據(jù)和分析生態(tài)系統(tǒng)。

但由于從本地遷移到云的復雜性以及豐富的云創(chuàng)新功能選擇，向云遷移的過程并不清晰。從試點轉(zhuǎn)向生產(chǎn)仍是數(shù)據(jù)科學和機器學習項目所面臨的一大挑戰(zhàn)，即使在云端也不例外。

云上實現(xiàn)過組裝式分析創(chuàng)新

數(shù)據(jù)和分析高管應(yīng)建立一個在云中實現(xiàn)先進生產(chǎn)級高級分析的穩(wěn)定途徑。應(yīng)采取“整體規(guī)劃，逐步建立”的方法將數(shù)據(jù)和分析轉(zhuǎn)移至云，借助ABI和DSML平臺的可組裝性將這種方法付諸實踐。企業(yè)機構(gòu)應(yīng)建立一個云市場，提供來自多家廠商的可組裝式ABI和DSML模塊?？山M裝性將使業(yè)務(wù)用戶的思維模式從“我應(yīng)該使用哪些工具？”轉(zhuǎn)變?yōu)椤拔铱梢越M裝哪些能力？”該市場將為用戶提供一個以業(yè)務(wù)為中心的視角，使用戶能夠查看分析業(yè)務(wù)能力組合包（PBC）并通過讓他們可以發(fā)布自己的PBC來鼓勵再組裝。企業(yè)機構(gòu)不應(yīng)該純粹為了云而將分析轉(zhuǎn)移到云，而是應(yīng)該將云作為一項使組裝平臺能夠?qū)崿F(xiàn)ABI和DSML創(chuàng)新的基礎(chǔ)技術(shù)。

與本地相比，云提供了更多專為集成和組裝而設(shè)計并且以API為中心的模塊化產(chǎn)品。ABI和DSML平臺也是如此。老廠商已經(jīng)將他們的平臺重新構(gòu)建成云原生平臺，而大多數(shù)新廠商只在云中發(fā)布他們的產(chǎn)品。微服務(wù)或基于容器的架構(gòu)使用戶能夠組裝ABI和DSML上多家廠商的功能。隨著更多低代碼工具出現(xiàn)在云中或作為附加模塊加入到ABI和DSML工具中，以業(yè)務(wù)為中心的組裝將變得更加自助化。

可組裝性實現(xiàn)云端模塊化擴展

在將本地ABI和DSML遷移到云時，不應(yīng)好高騖遠。這些工具的可組裝性使企業(yè)能夠選擇在遷移至云時實現(xiàn)漸進式的組裝（見圖3）。企業(yè)機構(gòu)可以逐步將能力從本地轉(zhuǎn)移到云并通過與其他功能組裝來實現(xiàn)附加價值。云所提供的能力應(yīng)該是可以作為PBC進行選擇、組裝和再組裝的服務(wù)。此外，還應(yīng)該有一個以業(yè)務(wù)視角為導向的市場或這些PBC的產(chǎn)品目錄庫，以便進行連續(xù)組裝。

簡單的“l(fā)ift and shift”的遷移策略是無法發(fā)揮云上的全部潛力的。ABI和DSML之間的組裝足以成為企業(yè)機構(gòu)在發(fā)展高級分析能力的同時遷移至云的理由，而應(yīng)用開發(fā)者等更多角色帶來了將組裝的新能力轉(zhuǎn)化為產(chǎn)品的經(jīng)驗，使云能夠改善ABI和DSML服務(wù)的訪問。根據(jù)Gartner 2020年數(shù)字平臺構(gòu)建調(diào)查，云原生、敏捷和API是使用最多的架構(gòu)方法。開發(fā)者社區(qū)中的應(yīng)用開發(fā)者可以在ABI和DSML平臺經(jīng)過改進的API和API市場上開展進一步的工作和合作，這使他們能夠更容易被嵌入到數(shù)字平臺內(nèi)，在整個云生態(tài)系統(tǒng)中實現(xiàn)數(shù)據(jù)驅(qū)動型行動。

包括DataOps、ModelOps和DevOps在內(nèi)的XOps也可以確保數(shù)據(jù)和分析應(yīng)用的持續(xù)交付。通過在云中應(yīng)用XOps，可以管理技術(shù)債務(wù)并孵化出可復用的基礎(chǔ)模塊，而其他用戶可以進一步使用這些基礎(chǔ)模塊繼續(xù)進行組裝。

在云端組裝來自ABI和DSML的互補功能以加快交付速度

根據(jù)Gartner 2020年數(shù)據(jù)和分析調(diào)查，因新冠疫情而加速遷移至云的最常見用例是分析、商業(yè)智能和數(shù)據(jù)科學。企業(yè)機構(gòu)需要更快交付分析洞察以便采取行動。具有快速配置和試點能力的云是啟動分析和數(shù)據(jù)科學舉措以靈活應(yīng)對快速變化的理想場所。Gartner 2020年云終端用戶購買行為調(diào)查也表明，受訪的62%云決策者和顧問表示他們的企業(yè)機構(gòu)在云端使用分析和商業(yè)智能解決方案。此外，在考慮新的公有云采購項目時，AI/ML功能也是一個重要的技術(shù)因素。

通過組裝ABI和DSML，可以更好地實現(xiàn)高級分析的協(xié)同作用

ABI和DSML都具有能夠?qū)崿F(xiàn)更好的協(xié)同作用，從而提高效率和全面性的重疊和互補功能。本質(zhì)上，分析和商業(yè)智能（ABI）平臺用于生成報告和儀表盤，而數(shù)據(jù)科學和機器學習（DSML）平臺則用于生成預測模型。根據(jù)Gartner Peer Insights的數(shù)據(jù)，排名前列的ABI和DSML生產(chǎn)滿意度驅(qū)動因素可以在云中融合，從而實現(xiàn)更高的價值。

ABI平臺的第一驅(qū)動因素是高級分析。當ABI用戶想要解決更復雜的業(yè)務(wù)問題時，他們會在DSML平臺尋找高級分析能力。因此，能夠?qū)SML生成的模型應(yīng)用到儀表盤和可視化中的可組裝性十分重要。在DSML中，排名前五的功能（直接或間接）與生產(chǎn)應(yīng)用中所生成之模型的運營化或?qū)⑺鼈兦度氲綐I(yè)務(wù)流程中有關(guān)。DSML用戶將需要使用ABI的功能來展示數(shù)據(jù)可視化和數(shù)據(jù)準備流水線的價值。由于大多數(shù)終端用戶企業(yè)機構(gòu)已將他們的許多關(guān)鍵應(yīng)用遷移到云，因此企業(yè)機構(gòu)應(yīng)評估廠商是否能夠輕松支持所生成之模型的“一鍵式”容器化和“一鍵式”REST API創(chuàng)建。

使用云組裝ABI與運營性更好的DSML

隨著增強型分析技術(shù)在平臺上的普及，ABI和DSML平臺之間的界限正在變得模糊，這是因為增強型分析技術(shù)可以將數(shù)據(jù)科學和機器學習功能加入到分析和商業(yè)智能平臺，實現(xiàn)高級分析技術(shù)的民主化。增強型分析功能也是新購分析解決方案的關(guān)鍵差異化因素。但根據(jù)2021年的關(guān)鍵能力評估，增強型分析功能（自動洞察、自然語言生成[NLG]、自然語言查詢[NLG]、數(shù)據(jù)敘事和產(chǎn)品目錄）的成熟度并不及平臺中的其他功能，而且隨著ABI平臺不斷增加使用更頻繁的增強型分析功能，其背后的動態(tài)機器學習工作負載將面臨向上擴展方面的問題。由于需要具有更高自定義和運營化程度的模型，因此企業(yè)機構(gòu)仍會使用DSML平臺。

一般情況下，企業(yè)機構(gòu)不會先使用增強型分析，而是會使用DSML平臺來實現(xiàn)高級分析。如今，DSML的主要受眾仍是那些擁有強大技術(shù)能力的數(shù)據(jù)科學家。雖然為了在業(yè)務(wù)端培養(yǎng)出更多公民數(shù)據(jù)科學家，這些工具正在不斷增加容易使用的功能，但如要最大程度地發(fā)揮DSML平臺的全部潛力，仍需要專業(yè)數(shù)據(jù)科學家。與業(yè)務(wù)用戶最普遍的互動方式之一是在可視化圖像或儀表盤中反映模型結(jié)果。

我們需要結(jié)合ABI和DSML平臺的當前工作。云是一個能夠通過更低的運維成本來管理這兩種能力的理想場所（見圖4）。云所具有的彈性可以處理ABI和DSML中更加動態(tài)的工作負載。用戶可以從DSML平臺獲得最新的預測模型，同時使用ABI平臺對其進行可視化。在這一組裝解決方案證明其價值后，云就可以進一步加速向上擴展流程。云的快速配置能力也為用戶提供來自云的最新功能。

總而言之，新型分析、商業(yè)智能和數(shù)據(jù)科學功能均出現(xiàn)在云端，但企業(yè)機構(gòu)未能實現(xiàn)它們的協(xié)同效應(yīng)。數(shù)據(jù)和分析高管應(yīng)建立一個讓用戶能夠組裝其高級分析用例的云端組裝環(huán)境。