【创科广场】从BI走向AI Snowflake数据云无限伸延

几乎所有研究都指出，人工智能（AI）可被视为一种新型「生产因素」（Factors of production），推动业务增长，改变工作和决策方式，企业不少日常决策，以后会靠AI自动执行。

　　以往，企业建立数据仓库（Data Warehouse），提供各种业务分析报表，即所谓「商业智能」（BI）以帮助决策。

　　云端数据仓库，除了传统BI的洞察力，更结合大数据的分析，如今更配合AI，数据仓库上云，变成迟早的趋势。

　　去年上市的Snowflake，宣布与多家AI产业；包括Dataiku、H2O.ai、Tellius、DataRobot和ElectrifAi达成协议，伸延数据仓库功能，结合不同行业的AI机器学习模型，直接在Snowflake上执行。

　　如今市场慢慢意识，Snowflake不止是搞BI，实际上也搞AI。

即装即用AI模型

　　AI须依靠机器学习训练好的模型，能提供业务预测。市场上有多家初创，以SaaS形式提供即装即用的机器学习模型，可应用于业务系统。但模型如何与交易的数据整合，根据业务形势快速作应变，传统数据仓库架构连接AI，改动非常麻烦，数据云（Data Cloud）几乎是唯一出路。

　　Snowflake为建立于AWS或者Azure上云端数据服务，并开发出UDF和Snowpark，可执行Snowflake平台，以伸延系统未有内建或定义额外功能。

　　Snowpark可利用不同编程语言，变成客户端的逻辑，直接放入Snowflake数据仓库执行，包括进行ETL/ELT操作、数据预备，甚至执行AI模型。而UDF支援SQL和JavaScript语言，在虚拟化的数据仓库内整理数据格式，以供第三方系统取用。

　　上星期，Snowflake公布，计画收入从去年的5亿美元，2029财年之前增长至100亿美元。摩根士丹利形容Snowflake想法「史无前例」，过去从没软件公司预测的增长，可达到上述的速度。过去的3个月，Snowflake股价已回升3成，徘徊于240美元水平。

增长速度史无前例

　　Snowflake上市时，估值已超越独角兽，高达240亿美元；股东包括巴菲特及Salesforce.com，均一向无宝不落。

　　Snowflake属云端数据平台。不少人以为，企业最终会选择迁移数据仓库至云端上，原因是新技术层出不穷，数据量又愈来愈大，内部转移不便，部署云端则提供了灵活性，发挥数据的最大价值。内部数据仓库的技术，只可利用SQL建立OLAP的分析，却不能支援数据湖泊（Data Lake）等执行大数据分析，云上数据仓库早已风起云涌。

　　例如Azure Synapse和AWS RDS云数据库，数据仓库可快速建成数据湖泊，供大数据分析；但Snowflake更进一步，直接嵌入不同机器学习模型，以数据自动快速决策。Snowflake预测的业务增长，亦非全没根据。

小题：现成模型易于配置

　　市场上不少AI企业，专门训练出针对不同行业的机器学习AI模型，以ElectrifAi为例，成立于2004年，拥有200名数据科学家及软件工程师，具备1,000多个预建模型，适用于银行、金融服务、保险、电讯和零售业。

　　但是AI模型以不同语言开发，Snowpark简化数据仓库整合机器学习，不过估计各家公有云部很快有样学样，推出类似Snowpark整合服务。

　　不少模型对于企业甚有价值，以ElectrifAi模型ProcurementAi为例，可自动追踪合约内容，确保供应商按照合约提供货品服务，应付采购上的「长尾开支」（Tail Spend）难题，即是合约以外，采购时无法预计的附带开支。ElectrifAi也针对零售业准确预测供需的模型，以最低成本建立稳定存货量。Snowflake的Snowpark功能整合，ElectrifAi可轻易将预先建立机器学习模型库，与Snowflake数据云端整合，提供预测性分析，未卜先知。