【創科廣場】從BI走向AI Snowflake數據雲無限伸延

幾乎所有研究都指出，人工智能（AI）可被視為一種新型「生產因素」（Factors of production），推動業務增長，改變工作和決策方式，企業不少日常決策，以後會靠AI自動執行。

　　以往，企業建立數據倉庫（Data Warehouse），提供各種業務分析報表，即所謂「商業智能」（BI）以幫助決策。

　　雲端數據倉庫，除了傳統BI的洞察力，更結合大數據的分析，如今更配合AI，數據倉庫上雲，變成遲早的趨勢。

　　去年上市的Snowflake，宣布與多家AI產業；包括Dataiku、H2O.ai、Tellius、DataRobot和ElectrifAi達成協議，伸延數據倉庫功能，結合不同行業的AI機器學習模型，直接在Snowflake上執行。

　　如今市場慢慢意識，Snowflake不止是搞BI，實際上也搞AI。

即裝即用AI模型

　　AI須依靠機器學習訓練好的模型，能提供業務預測。市場上有多家初創，以SaaS形式提供即裝即用的機器學習模型，可應用於業務系統。但模型如何與交易的數據整合，根據業務形勢快速作應變，傳統數據倉庫架構連接AI，改動非常麻煩，數據雲（Data Cloud）幾乎是唯一出路。

　　Snowflake為建立於AWS或者Azure上雲端數據服務，並開發出UDF和Snowpark，可執行Snowflake平台，以伸延系統未有內建或定義額外功能。

　　Snowpark可利用不同編程語言，變成客戶端的邏輯，直接放入Snowflake數據倉庫執行，包括進行ETL/ELT操作、數據預備，甚至執行AI模型。而UDF支援SQL和JavaScript語言，在虛擬化的數據倉庫內整理數據格式，以供第三方系統取用。

　　上星期，Snowflake公布，計畫收入從去年的5億美元，2029財年之前增長至100億美元。摩根士丹利形容Snowflake想法「史無前例」，過去從沒軟件公司預測的增長，可達到上述的速度。過去的3個月，Snowflake股價已回升3成，徘徊於240美元水平。

增長速度史無前例

　　Snowflake上市時，估值已超越獨角獸，高達240億美元；股東包括巴菲特及Salesforce.com，均一向無寶不落。

　　Snowflake屬雲端數據平台。不少人以為，企業最終會選擇遷移數據倉庫至雲端上，原因是新技術層出不窮，數據量又愈來愈大，內部轉移不便，部署雲端則提供了靈活性，發揮數據的最大價值。內部數據倉庫的技術，只可利用SQL建立OLAP的分析，卻不能支援數據湖泊（Data Lake）等執行大數據分析，雲上數據倉庫早已風起雲湧。

　　例如Azure Synapse和AWS RDS雲數據庫，數據倉庫可快速建成數據湖泊，供大數據分析；但Snowflake更進一步，直接嵌入不同機器學習模型，以數據自動快速決策。Snowflake預測的業務增長，亦非全沒根據。

小題：現成模型易於配置

　　市場上不少AI企業，專門訓練出針對不同行業的機器學習AI模型，以ElectrifAi為例，成立於2004年，擁有200名數據科學家及軟件工程師，具備1,000多個預建模型，適用於銀行、金融服務、保險、電訊和零售業。

　　但是AI模型以不同語言開發，Snowpark簡化數據倉庫整合機器學習，不過估計各家公有雲部很快有樣學樣，推出類似Snowpark整合服務。

　　不少模型對於企業甚有價值，以ElectrifAi模型ProcurementAi為例，可自動追蹤合約內容，確保供應商按照合約提供貨品服務，應付採購上的「長尾開支」（Tail Spend）難題，即是合約以外，採購時無法預計的附帶開支。ElectrifAi也針對零售業準確預測供需的模型，以最低成本建立穩定存貨量。Snowflake的Snowpark功能整合，ElectrifAi可輕易將預先建立機器學習模型庫，與Snowflake數據雲端整合，提供預測性分析，未卜先知。