企业上云的意义，上云是企业数字化转型的重要特征之一！

“伴随着企业上云的加快，在云中实现数据与智能的大融合将成为企业加速创新的引擎，”亚马逊云科技大中华区产品部总经理陈晓建如是说。

上云是企业数字化转型的重要特征之一。但是对于大部分企业而言，上云并非易事。

“上云”并非简单地把企业管理和经营搬到云上，而是充分理解数字化在企业管理、业务经营以及产品创新中的作用，通过“上云”将经营管理过程中的数据积累下来，利用云端资源和能力促进企业研发设计、生产加工、经营管理、销售服务等业务转型，实现数智化发展。

总而言之，企业上云的最终目的就是通过利用大数据、人工智能的手段解决底层数据的问题，帮助企业从数据基础上夯实数字化运营基础，让数据能够客观、全面、真实地反映业务的开展情况。在上云趋势下越来越多的企业认识到了数据的重要性。

亚马逊云科技大中华区产品部总经理陈晓建认为，现如今业内大部分客户逐渐达成两点共识，一是数据已成企业最重要的资产；二是数据的价值还没有得到充分利用。同时他也强调道，数据要想得到充分发挥，很多企业会选择数据驱动型组织道路进行探索，通过业务产生的数据反向驱动公司战略执行，这是目前大部分企业的共同目标。

据福布斯调研报告，如果成为一个数据驱动型公司的话，收入会增加20%，同时成本会减少30%，所以这是双赢的局面。

由此可见，数据对企业发展的重要性早已不言而喻，但是大多数企业也存在着不知道如何挖掘数据价值，如何利用大数据以及人工智能等新技术实现数智化转型的目标显然成了企业的重要研究课题。

陈晓建认为，从目前企业发展需求和趋势来看，无论从组织架构、人员能力、项目实施还是工具支撑层面，都需要进行数据的重塑，而这一重要基础就是要将数据（大数据技术）和智能（机器学习技术）进行融合和统一。

大数据与机器学习技术融合的重要性早已不言而喻，但是其融合过程要经历重重挑战，并非一朝一夕就能完成。

究其原因主要在于，第一，数据和机器学习分而治之，数据及技术孤岛制约敏捷迭代。大数据与机器学习是作用与反作用的关系，机器学习最重要的生产是数据，而数据自身的丰富性、准确性和质量直接决定了机器学习的最终效果。数据本身的来源是多样的，是异构的，用户在建设大数据能力和机器学习能力的时候通常是独立建设的，最开始很少有用户会考虑到把大数据和机器学习的能力融合在一起。

第二，实验到实践的规模挑战。一般来说不同系统是独立建设的，但对于机器学习来说其需要各种海量、异构的数据，这就意味着整个系统也需要具备这个能力，但传统机器学习目前不能满足机器学习对大数据的要求。其次在实验阶段，机器学习专家和数据专家要花大量时间在数据整理、分析等方面。

第三，业务紧密参与效果评估。业务和研发如何联动并进行快速反馈问题仍是一项重要挑战。

第四，实现业务对数据+算法创新项目可行性的快速验证。机器学习项目较大的复杂度限制了业务人员的快速创新。目前业务人员对于模型的创新需求层出不穷，但是机器学习项目会涉及到多个环节，实施周期较长，很难跟上业务创新的节奏，导致许多基于模型的创新想法得不到可行性数据支撑，迟迟难以立项开展。

对此，陈晓建发表了自己的观点，他表示，企业实现数智的有效融合首先要建立统一融合的治理底座，如数据质量、数据权限、数据开发、数据工作流、可视化。其次大数据和机器学习之间应该是高效充分的双向互动，互为支撑，互为因果，形成正向循环。

另外更重要的是，企业需要构建三大核心能力：统一数据共享：让数据资产化，打破数据孤岛；统一权限管控：因为只有具备完善的权限控制能力，放心的让数据在不同的业务系统之间流转；统一开发及流程编排：融合端到端的大数据和机器学习任务，提升整体的开发效率。

为此，亚马逊云科技通过构建云中统一的数字治理底座，实现大数据和机器学习的双剑合璧，一位企业发展提供新动能。具体表现为：

• 构建云中统一的数据治理底座，打破数据及技能孤岛。亚马逊云科技能帮助客户构建统一的数据治理底座，实现大数据和机器学习的数据共享，数据权限的统一管控，以及两者统一的开发和流程编排。
• 助力机器学习由实验转为实践，为机器学习提供生产级别的数据处理能力。机器学习项目成功的关键是对复杂的数据进行加工和准备。亚马逊云科技提供多种灵活可扩展、专门构建的大数据服务，帮助客户进行复杂的数据加工及处理，应对数据规模的动态变化，优化数据质量。
• 让数据分析智能化，赋能业务人员探索创新。通过提供更加智能的数据分析服务，赋能业务人员进行智能分析、模型效果验证以及自主式创新。

此外自亚马逊云科技去年推出“智能湖仓”架构以来，通过一年时间对该架构进行了创新升级，以更好发挥大数据与智能技术的融合能力。据了解，目前亚马逊云科技机器学习已经覆盖了国内多个行业中的大型公司和初创企业，传统行业诸如医疗健康、教育、工业制造、零售、金融服务等，新兴行业诸如游戏、出行、新媒体等。

企业上云用数赋智已成大势所趋，IDC中国助理研究总监卢言霞也曾表示：“根据IDC 2022年中国人工智能及自动化市场的十大预测，人工智能将无处不在。到2022年，60%的中国1000强公司将在所有关键业务的横向职能中扩大使用AI/ML，如营销、法务、人力资源、采购和供应链、物流等。由于机器学习更加依赖算力、算法、数据，人工智能的快速发展拉动了对AI基础数据服务的需求，预计在未来几年内将稳步增长。”