تواجه المؤسسات في قطاعات الرعاية الصحية والتجزئة وعلوم الحياة تحديًا حقيقيًا في تحويل كميات البيانات الضخمة المخزنة في أنظمة مثل Snowflake إلى توقعات وتنبؤات مفيدة. فبينما توفر هذه الأنظمة كفاءة عالية في التخزين والتوسع، فإن استخراج الرؤى التنبؤية منها يتطلب عادة فريقًا متخصصًا وفترات تطوير طويلة وموارد هندسية كبيرة، الأمر الذي يؤخر اتخاذ القرارات ويحد من قدرة المستخدمين على التجريب.
تقدم خدمة Amazon SageMaker Canvas حلًا جديدًا يتيح لفريق التحليل والعاملين في الأعمال استكشاف البيانات وإعدادها وبناء نماذج تنبؤية دون الحاجة لكتابة أكواد برمجية. يمكن للمحللين وأصحاب المنتجات والفريق التشغيلي تسريع عملية اتخاذ القرار مع الحفاظ على معايير الأمان والحوكمة المؤسسية.
وقد استلهمت أمازون هذا الحل من حالة حقيقية لمؤسسة صحية راكمت بيانات تشغيلية ضخمة على مدى سنوات تشمل معاملات البيع وحركة المنتجات والتفاعلات مع المرضى والمقاييس الإقليمية. وبرغم قوة هذا الأساس البياني، ظل تحويل البيانات إلى رؤى تنبؤية تحديًا كبيرًا. فأراد فريق الأعمال التنبؤ بالطلب عبر فئات منتجات متعددة وفهم الأنماط الموسمية والإقليمية، لكن المؤسسة افتقرت للقدرة الكافية من المتخصصين في علوم البيانات.
تتضمن السلسلة التعليمية ثلاثة أجزاء. يغطي الجزء الأول إعداد حساب أمازون ويب سيرفسز وبيئة Snowflake. يتناول الجزء الثاني ربط SageMaker Canvas بـ Snowflake لتحضير البيانات وبناء نموذج كشف الاحتيال. أما الجزء الثالث فيرسل التنبؤات إلى Amazon QuickSight لإنشاء لوحات تحكم تفاعلية.
يعتمد الحل على دمج SageMaker Canvas مباشرة مع Snowflake، بما يسمح بتحضير البيانات وبناء نماذج التعلم الآلي ورصد التنبؤات من واجهة بصرية بحتة. بعد تدريب النموذج يتم نشره على نقطة نهاية في SageMaker مباشرة دون الحاجة لأي تكوينات بنية تحتية. وعند توليد التنبؤات يمكن إرسالها إلى Amazon S3 وتصورها من خلال لوحات تحكم QuickSight التفاعلية، مما يجعل التنبؤات المستندة للتعلم الآلي متاحة للمسؤولين بلا الحاجة لأنابيب مخصصة أو تدخل من متخصصي علوم البيانات.
التعليقات (0)
لا توجد تعليقات بعد. كن أول المعلّقين.