caihua 比如指标定义不一致、可用数据难发现、数据权限难管理等。
通过Amazon DataZone，开发者和业务人员可以通过清晰指标的定义进行数据分析，开发者可以放心使用目录管理中的数据，还能在同一个平台上对数据进行可视化的订阅和授权。
这样，以上困难就都一一解决了。
而赋予Amazon DataZone关键能力的，就是可信赖数据集，和简化数据访问。
有了可信赖数据集，就可以对数据进行目录化，找到和发现数据。
而有了简化数据访问，终端用户就可以导航到Amazon DataZone的数据门户，并选择一个项目，来浏览他们的数据资产。
拉美最大的私营金融机构伊塔乌联合银行，就在使用Amazon DataZone进行简化数据治理。
数据安全与合规是重中之重
数据安全与合规，贯穿了从模型训练、到微调，再到部署的整个过程，是重中之重。
LLM的火爆，虽然促进了众多生成式AI的繁荣，却也同时带来许多新的安全挑战。
提示注入、数据泄漏、过度依赖LLM生成的内容、训练数据污染等问题，林林总总防不胜防。
尤其是，通用模型使用少量的私有数据集自定义，就可以执行面向特定领域的任务。这个过程中，私有数据集的安全性和保密性，显然极为重要。
那么，我们该如何保护数据隐私，让数据更安全呢?
首先，Amazon Bedrock服务，就提供了数据隐私保护，严格做到了「您的数据由您自己控制」。
Amazon Bedrock服务后端实现的架构
它保证了客户的数据不会被用于训练Amazon Titan模型，也不会被共享给其他基础模型提供商。
客户的数据（提示词、响应、微调模型）是按用户隔离的，会被保留在相应的地理区域。
而且，客户在Amazon Bedrock中的数据是被加密传输和存储的，可以使用自带的密钥。
其次，Amazon DataZone可以保护数据在不同账号之间安全共享。
它可以保证跨组织的数据治理，确保授权的用户以授权的目的，访问被授权的数据。
在工作流的发布与订阅模式、数据的授权、通过数据项目和域来访问数据、基于实际使用量的计费、组织结构的复制、与API的集成商，它都保证了数据的安全。
全新生成式BI诞生
对于许多企业来说，都希望通过数据驱动业务，形成数据飞轮。
只有数据被充分利用和挖掘，才能发挥出巨大的商业价值。
举个例子，如果销售团队能更好地了解从免费账户到付费账户的转化率，他们就能优化营销和销售计划，从而增加收入。
但是，理解数据需要花费大量的时间、精力和知识。如何在海量数据中完成分析，并实现可视化，对于一个企业来说至关重要。
尤其是，对于那些不懂底层数据逻辑，以及没有任何代码基础的企业用户。
当前，业界常见解决方案是——BI工具，解决了大数据「最后一公里」的问题。
但是，在生成式AI爆发的当下，如何利用最新技术帮助企业释放数据价值，做出商业决策?
亚马逊云科技在自家的BI工具——Amazon QuickSight，推出了生成式BI功能。
通过将Amazon Quicksight的功能与Amazon Bedrock提供的大语言模型功能相结合，将其称之为生成式BI。
现在，企业用户中任何一个人都可以通过自然语言的提问，了解数据。
甚至，业务分析师还可以使用自然语言在几秒钟内快速编写和微调视觉效果，并将其添加到仪表板中。
无需学习语法，便可直接使用自然语言创建新的计算。
现在，创建一个新的仪表板或计算只需问几个问题即可，非常简单。
另外，业务用户还可以使用自然语言提示来生成分析报告，或在Amazon Quicksight中对其数据进行可视化演示。
只需用文字键入故事描述，就可以使用相关仪表板中的数据，创建你想要的效果。
比如可以让其生成对亚马逊云科技免费试用账号最感兴趣的客户分类报告，在报告生成后，他们可以根据需要对其进行修改，并与业务团队共享。
加速生成式AI技术革命
构建生成式AI应用，充满了挑战性。
这个过程中，涉及到接入和管理多家基础模型，还要连接不同的数据源，数据隐私和安全性需要保证。
微信扫一扫 
