AWS倡「以雲為先」策略 逐步落實深度學習

AWS a
AWS re:Invent 2017與會者高達43000人,再創新高。

雲運算可說是實現數碼轉型的必然手段之一,正當大家鼓吹混合雲勢將成為最終形態之際,作為雲運算服務供應商龍頭的AWS卻有另一番見解。

Amazon.com技術總監(CTO)Werner Vogels認同,現時大部分企業均遊走在公共雲與私有雲之間,尤其不少大型企業過去投放大量資金建設數據中心,不可能朝夕之間轉投公共雲。就好比AWS客戶General Electric (GE),這家已有140年歷史的老字號,在遷移至AWS後,將陸續於3年間關閉旗下34個數據中心,僅保留4個數據中心。Vogels認為這決策相當合理,畢竟除了投資以外,企業仍有不少實際原因需要保留數據中心。

AWS_b

Amazon.com技術總監(CTO)Werner Vogels強調AWS首重保安,以保障用戶並提供更優質服務為己任。

以雲為先策略

Vogels形容,並非所有企業都要一步到位,在過渡時期同時採用公共雲和私有雲的策略甚普遍。「但固有系統總有退役或需要更換的一日,數目只會隨年月遞減。因此企業應在過渡時期,實施以雲為先(Cloud First)策略,所有新服務或應用均基於雲端開發。況且在舊有系統開發新應用困難得多,開發者往往要等上好幾個月,才能獲取新的伺服器或運算能力,無論在人手、成本和時間方面均不合符經濟效益,雲運算正是為了解決這些問題才應運而生。」

以雲為先策略除了經濟效益考量,亦有助企業創新思維,重新審視業務所需以及雲端應用達成甚麼目標;同時,企業亦可以更迅速的作出反應和政策,採用不同的開發方法,繼續進行整合和新的開發項目,循序漸進地令系統建設與應用方式邁向現代化。

公共雲保安更勝企業

事實上,邁向公共雲並非初創或中小企的專利,AWS就有不少大型企業、政府部門和金融界客戶。過去,監管較嚴謹之機構礙於法規及保安考量,堅持將客戶或業務數據存放於自建數據中心,惟Vogels指出,法規遵從已非邁向雲端的障礙,相反地,AWS投放在保安的資源、加密和保護遠超一般企業所能負擔。

「Capital One的CIO就曾公開表示,選用AWS的主因之一,是以他們一己之力,難以達致可媲美AWS的保安水平。就連香港的渣打銀行和新加坡的DBS,亦已採用AWS;而菲律賓中央銀行在遭颱風侵襲後,正著手研究於新加坡增設災難復原;日本亦有銀行在大地震後於新加坡設立災難復原點,而雲運算技術正是遙距災難復原的最佳選擇。這些銀行均旨在保障用戶,為他們提供更優質的服務,這一點與AWS不謀而合。」Vogels續指,法規要求機構保存在自建數據中心的數據量,近年已不斷下降,畢竟許多法例早已不合時宜,應由雲運算專家與立法者攜手重寫,釐清在創新技術環境下,甚麼法規才最行之有效而不會窒礙發展。

以AWS的Cloudtrail為例,其審計功能覆蓋每個物件、每個資源的每一項營運細項均被完整記錄,隨時隨地均可抽查誰、在甚麼時候、甚麼環境下,以甚麼方式擷取過哪些物件數據的詳細資訊,並且能確保那些記錄準確無誤。如此強大的審計功能,是當年的立法者所無法預視的。Vogels又強調,AWS與立法者的目標一致 —— 就是保障客戶;而AWS所擁有的加密和保安技術,是許多大企業也望塵莫及的。

推行機器學習從微處做起

對正計畫部署雲運算,或準備遷移至雲端的企業,Vogels建議可同步計畫部署數據分析。

「企業可從簡單的數據分析做起,機器學習並非唯一一種分析工具。在我看來,數據分析可分為3類:往回看的、實時分析的,和預測未來的。不少企業既有數據倉庫,可以分析過去的數據產生報告或銷售數字等。EMR和Redshift在這類分析舊數據的領域,扮演著重要的角色。至於實時分析,比方說庫存,當然要最新的數據;又或是客戶意見,企業自然想知道客人這一刻在Twitter上寫甚麼,而不是昨天寫甚麼。Kinesis、EMR、Athena、Quicksight在這方面都能幫上大忙。」

至於現時最炙手可熱的機器學習,則被歸類為預測分析。
Vogels指Amazon零售業務部門正是機器學習方案的一大用戶,逾20年來不斷創新改進,以舊有數據預測將發生的事件。Vogels舉例指Amazon上億的訂購記錄,正好用以分析新訂單是否詐騙行為。

「當然不是說一旦分析屬詐騙,就自動取消訂單,而是會轉交人手跟進。這類分析預測,亦可放於偽冒貨品和失實濫用評論等。而AWS提供相關的工具和方案,確保企業可從雲端或自建數據中心,擷取所需的分析數據源。」

數據管理服務Glue Data Catalog讓企業得以整理其網絡環境內所有數據源,包括存於關聯式數據庫RDS、Redshift、Athena或S3上的數據,或是企業自建數據中心的,均可在指定數據源位置後,經由機器學習演算法,在需要時擷取相關數據以作分析。如此一來,即使仍保留已過時的自建系統,企業仍得以採用數據分析改善業務,並逐步遷移至公共雲。

Vogels另建議企業如欲部署機器學習,可從產品層面著手。AWS已有提供圖像、視像、話音辨識服務,或文字至話音/話音至文字服務,例如新推出的Amazon Rekognition Video、Amazon Transcribe等,銀行可利用這些具備智能和機器學習能力的服務,分析客戶在分行內如何流動、在提款機或櫃員處停留多久,有否注意分行內張貼的海報等等。Vogels強調,企業可按步就班,依實際業務營運所需部署機器學習,待有獨特需求再自行設計相關的機器學習模型。

Leave a Reply

Your email address will not be published. Required fields are marked *