为何已导入AI,运营效率还是NG?让AI上云提升企业数字韧性

越来越多企业靠AI协助分析,云计算需求也越来越大。SAS台湾业务顾问部陈新铨副总经理指出,云计算有着灵活性弹性节省成本三大优势,可避免预先部署过多资源、根据需求快速扩展、节省实体服务器成本,甚至有助于风险管理与资料保护的法规遵循。

AI成企业标配,善用云原生架构加速模型开发、部署和管理

美国Turbonomic公司今年调查全球近千位CIO(注),显示优化公有云成为企业用云策略的首要目标,推动公有云战略、搬迁更多应用到云上更名列Top 3,成为企业应对日益增长的AI分析需求手段。

陈新铨指出,AI模型要上线,必须先经过硬件部署、资料前处理、构建模型、重写评分程序代码和人工部署等阶段,完成后,才开始产生分析价值。然而,许多企业缺乏完整的模型治理或重新训练机制,导致模型决策正确性随着时间递减。

但他点出,这些问题可通过云分析服务来解决。他建议,企业挑选云分析服务时,需掌握4个要点,包括是否采敏捷的云原生架构、分析平台内置的AI模型是否经实务验证,以及是否有良好的资料管控,让决策结果可复制、可解释。最后一点是,平台是否提供集成不同技术和流程的端到端自动化资料分析决策,促进跨部门参与、实现AI平民化。

SAS与微软结为策略伙伴,今再拓展其他公有云平台与Kubernetes发挥混合云优势

然而,现今即使是那些拥有云计算基础的企业,要能让整体分析生命周期在云计算发挥效益,仍是举步维艰。陈新铨表示,为提供企业更便利的云分析服务,去年6月微软Azure成为SAS云计算服务首选平台,今年,双方更深度集成彼此服务,企业已可在Azure、Dynamics 365以及Power Platform上使用SAS Viya分析平台服务。

以Azure来说,用户可在AKS部署SAS Viya平台,也能直接在资料处理平台Azure Synapse中执行SAS模型。未来,Azure Synapse还会集成SAS Viya,减少资料搬移成本,也计划在Azure的ML平台加入SAS AI模型,供用户直接采用。

微软合作伙伴发展全球总监Jakob Maciolek也于双方合作研讨会中表示,SAS与微软的合作,补足了企业采用AI的最后一里路,更透露,微软将持续集成SAS至微软云计算产品组合,团队正进行水平和垂直推广,要将零售、金融、医疗保健、IoT即时分析和安全都纳入服务推广范围。

SAS Viya平台除了能在微软Azure上使用,还兼容其他公有云平台,包括AWS的EKS、GCP的GKS,以及下半年会支持的红帽OpenShift。要是企业不采用公有云,也能在Kubernetes上部署SAS Viya平台。

国际银行、医疗与运动产业,纷纷将AI分析迁徙至云计算

疫情已突显企业对于能在各地都能持续运算各种规模资料的需求,加速国际各组织将AI分析迁徙到云计算的行动。包含美国Axcess金融公司、医疗系统商Mercy、全球最大卫生纸制造商美国乔治亚太平洋消费品与化工公司,甚至是NBA奥兰多魔术队都采用SAS Viya平台,于各云计算供应商进行包含重塑客户体验、预测需求短缺及改善看护服务等应用,而其之所以迁徙至云计算,主要是看中能提升决策性能和成本效益

SAS Viya平台原先即设计用来满足分析生命周期的需求集成,新一代Viya采用可扩展的云原生架构,让进行资料前处理、特征工程以及自动化布局,能以更弹性、容器化的架构大幅缩短企业开发模型的时间和人力成本。模型上线后,平台也能自动监控模型性能,根据用户设置来自动重新训练模型、重建或重新部署,让模型的决策正确性维持在最佳状态。

最让多数客户肯定的是,SAS Viya提供全透明的AutoML建模作业,企业可同时使用SAS模型和开源模型。此外还具备强大兼容性,企业能使用以R、Python等其他程序语言开发的模型。用户也能使用SAS丰富的开放API集,来开发或与第三方应用程序集成。后续提供模型管理功能,来关注模型性能,不论是SAS模型还是开源模型都能应用。

举例来说,用户开发一款运用SAS分析的定制化微软Power应用程序,可直接通过单一入口登录,在Model Manager接口中查看项目。当用户导入资料创建新模型时,SAS Viya平台能自动将资料可视化呈现,来让用户判断是否符合建模需求。

在这个过程中,用户还能使用SAS混合现代统计所开发的特征机器做到高度自动化的特征工程和资料清理。在训练阶段,用户可借助SAS专利的模型优化框架,自动决定并训练出最佳机器学习模型(AutoML),并比较各种模型性能指标,找出表现最好的冠军模型和性能接近的挑战者模型。最后,用户可以通过拖拉点击方式纳入业务规则和模型来定义业务决策,并在微软Power应用程序创建App直接使用。

“求精确、抢时效,在云中部署AI工作负载,才能让你完成真正的决策敏捷化!”

陈新铨强调,以单一平台,让决策者、资料科学家、数据工程师、企业用户和IT人员一起合作,并利用云原生架构的敏捷优势,以及混合云灵活部署的优点,精准掌握模型生命周期,才能降低决策偏差与提供数字转型试错的时间空间,让AI能实际协助运营业务,取得更快的AI投资报酬效益!

(首图来源:Shutterstock。)