上图为：AWS解决方案架构师周琦

以下为演讲速记：

周琦：大家好，我是AWS解决方案架构师周琦。今天很高兴跟大家在这里分享一下亚马逊AWS如何助力于零售企业实现数字化转型这样一个话题。

今天的主要内容包含以下几个部分：

第一，我们谈一谈疫情情况下零售行业遇到的困境与机遇。

第二，我们介绍亚马逊在零售领域的持续创新。

第三，AWS云平台助力零售企业数字化转型以及它能够提供的能力。

第四，总结。

我相信2020的春天对于每个人来说都是不平凡的，我们每一个人生活、工作都经受了新冠疫情极大的考验，对于每个行业来说，我们也可以用“冰火两重天”的词语来形容，由于人们的消费和出行受到了极大的限制，餐饮行业、酒店、旅游、影视娱乐、交通运输、房地产行业业绩遭受了空前的挑战。

而相反寄托于云上的一些技术能力：医疗健康、电商、直播、网游以及在线的教育还有云服务和云服务相关的领域得到了更加快速的发展。无论是哪一个行业，其实现在这个节点数字化转型以及精细化管理都是一个不可逆的过程，会为我们的企业以及企业未来的发展提供一个更加坚实的保障。

谈到我们的零售企业，新冠疫情对于我们每一个企业来说都是一场大考，我们这里总结出来了四个维度来看一看在业务层面我们的零售企业都遭遇到什么样的挑战?

首先，对于客户层面，新冠疫情使我们的线下的消费往线上转移成为了一个非常大的趋势。对于每一个企业来说，如何与我们的存量的客户实现互动，了解到他新的消费习惯和兴趣，以及对新客户如何达到高好的触达，是摆在我们企业面前非常大的挑战。

第二，对于产品层面，由于阶段性的消费降级，很多的产品我们的企业都要进行重新的设计与重构，如何实现我们的上游供应商与下游的消费者之间的很好的连通和协同?使我们的产品能够以最快的速度、最好的形式传递到我们的消费者手中，将是我们需要解决的另外一个问题。

第三，与服务相关的内容。随着我们的线上、线下这样一些能力的打通，以及在新冠疫情的条件下，我们仓库物流能力如何做到配套相应的支持?以提供统一的售后的保障，为我们的用户提供统一的会员的支持，提升我们用户的满意程度，是我们企业在去做转型当中的非常重要的部分。

最后，由于线下环境当中的一些氛围以及一站式消费的体验被疫情的环境所打破，所以越来越多的企业开始引入一些新的技术，包括VR、机器学习等技术实现了个性化推荐、千人千面的能力，更好的为我们的用户提供个性化的体验。在实际的环境当中，如何借助这样的技术来满足我们用户的需求?进而刺激我们用户新的消费的能力，是摆在我们企业面前的另外一个话题。

无论是从客户、产品、服务还是体验，贯穿于四个部分当中一个良好的健壮的企业级平台都会为我们企业未来的转型提供强大的动力。这个平台为我们上层的服务提供统一的数据、业务以及AI能力的接口，使得我们新业务能够快速的去迭代、快速的产生以适应于现在的快速发展以及不确定的外部市场，将决定着我们的企业能不能跨入下一个新的台阶?

下面，跟大家去聊一聊亚马逊在零售企业持续创新的能力。

大家都知道，零售行业发展至今经历过几次比较大的历史的变迁。从1852年，我们产生了第一次的所谓的零售的革命，我们诞生了百货商店的消费模式，它提供了博物馆式的陈列，使得我们终端用户购买体验更加便捷，并且它由于支持大批量的生产，进而降低了我们产品的价格，使得大家非常高兴的去涌入到百货商店采购自己的产品。

随着时间的推移到了1859年，连锁商店诞生，它使得我们的商店离我们的用户更加接近，使他的购物体验更加便捷，并且他采用统一的管理的方式进一步的提升了效率而降低了整体的运营和管理的成本。

我们比较熟悉的超级市场是诞生于第三次的零售革命的时间，超级市场采用开架式的销售、自我服务，来提升整体的购物体验。并且它借助于现代化的应用，进一步的提高了流通的速度和周转的效率，使得我们在购物的环节得到了一个非常好的成本的控制与体验的提升。

到了新的时代，2010年之后随着我们的电子商务的能力的不断的完善，以及数字化和IT技术能力不断的提升，我们看到零售行业又发生了非常大的变革。无论我们把它称为第四次零售革命还是说新零售的这样一个转换。我们看到由于电子商务等技术不受物理环境的限制，可以让终端用户更大范围的采购自己的商品，进而他颠覆了原来传统的零售行业的多极分销体系，从而整体的降低了分销的成本，成为了消费者非常愿意去接受的消费的模式。

总体来看，大家可以看到无论是从百货商店到连锁超市以及到我们的超级市场，以现在比较流行的电子商务，都在围绕着体验、效率、成本不断的迭代，不断的去做优化，进而重构了我们人、货、场三者之间的关系，提升了用户整体的购物感受。

我们下面来说一下亚马逊的经历。大家都知道，亚马逊也是一个零售的巨头，它成立于1995年，最开始亚马逊并没有从线下起家，而是借助于电子商务的能力在网上开了一家书店，它最开始的业务只是在通过自己的电商网站去售卖图书。

大家可以看到左边这张图就是亚马逊最早的电商的截图，在那个时候整个业务的范围比较简单，只是向终端的用户提供数据售卖的能力，而右端是当时亚马逊整个简单IT系统架构，我们看到前端有若干的webserver为我们终端用户提供访问的能力，而后端有一整套数据库来提供商品目录、用户的信息以及订单的能力的查询，并且它还会定期的去运行一些定时的任务来做一些管理和统计的操作。

大家可以看到，这样的一个简单的经典的三层架构就支撑起亚马逊电商最开始的原型。随着业务不断的发展，越来越多的品种、类型的图书丰富，亚马逊中间也经历过转型之痛，随着我们业务体系不断的庞大、复杂，以及紧耦合，越来越多用户购物体验也得到了非常大的影响，终于使得系统不堪重负，进而导致整体系统瘫痪。

所以大家可以看到这一页PPT里左边是我们类似于现在亚马逊电商的截图。由于之前经历过这样的一个系统的失败经历，所以整个的亚马逊内部会将原有的单体应用逐渐做拆分和解偶，并且每一个服务都会对外提供统一API接口供其他的服务进行调用。

所以大家可以看到在我们登陆亚马逊电商的界面当中，其实每一个红框对外提供都是一个服务，每一个服务都拥有自己独立的对外的访问接口以及他的独立的数据库的访问的能力。

随着体系架构的调整，整个的电商平台从单体的架构逐渐演变成了这样的一个弹性伸缩并且可以快速迭代的微服务架构的过程，使得整个电商弹性和灵活性得到了非常大的提升。

我们看到时至今日亚马逊电商它的整个架构已经逐渐的由传统的IDC的环境往云端的环境在去转移。这里面我们看到底层的服务有非常多的AWS一些基础的模块做一些支撑，包括它的一种虚机的服务，包括它的存储服务，它的CDN的服务还有它的数据库的服务，都在慢慢的将传统的亚马逊电商的这样的架构变成一个云原生的架构。

我们看到现在整个的电商平台，每天可以接受400亿的日请求的规模，并且每个月有15PB的动态内容加载的能力，并且服务于13个国家的区域。我们相信由原来的传统的单体服务部署在我们的数据中心的环境，逐渐的过度到目前的混合的架构，在不远的未来亚马逊的电商会全面的拥抱云实现云原生的最终的发展，以实现它的整体架构的弹性和灵活。

随着自己线上业务不断的发展，亚马逊也将自己的触角由线上逐渐的转到线下的模式，实现自己全渠道的融合。如果大家有幸去到美国可以看到亚马逊开了很多的实体的书店，在实体的书店里面大家可以看到右边这幅截图是它整个陈列的模式，它会将亚马逊线上的图书分门别类拜访在不同的书架，并且将亚马逊线上反馈评价高的书籍排列在书架的显著的位置，以供大家挑选。

这里面为了实现线上和线下的统一，实现了一个全渠道的融合，亚马逊也是在中间做了非常多的工作。比如说它可以承诺价格的一致，如果我们逛到书店里会发现每一本书没有办法去看到它的价格，而是说需要登陆到电商网站或者说书店的电子标签扫描仪来获取这个书的价格，这样实现了线上、线下书籍价格的统一。

刚才提到它是根据客户的星级的推荐来确定摆放的位置，所以大家可以在非常容易获取的途径来看到现代热门的书籍。线下的书店会为用户提供非常好的体验的环境，我们可以在书店里面直接的去阅读、购买甚至去做一些退换的工作，使得用户能够实现一站式的消费的体验。

所以说通过这样的一个逆向的思维，亚马逊将自己的电商的能力逐渐的融入到线下，实现线上与线下经营的一体化。当然我们可以看到为了实现线上、线下的融合，后台的能力也是起到了非常大的作用。如何打通线上、线下的渠道?对于后台的IT的能力也是提出了非常高的要求。

随着电子商务的不断发展，亚马逊电商也是不断加入新的元素。我们看到AI技术已经在亚马逊电商经历了超过20年的不断发展的过程。这里面包括它的推荐系统以及包括它的预测系统都是基于客户的购买的习惯来调整它的策略，针对于不同用户购买的习惯、购买的爱好，实现了个性化产品和内容的推荐，进而增加了用户的黏性，提高了成交的金额。并且随着这种业务趋势的发展，它会对业务的库存进行一个智能的判断，进而实现自动的采购和库存调整这样的能力，使得整个的电商运营的效率得到一个非常大的提升。

亚马逊还将自己的一些人工智能的能力融入到了一些新的创新的项目当中。比如说Amazon Go—无人商店，它采用了JUST WALK OUT技术，使得无人商店的用户的体验。让每一个消费者可以通过手机上的二维码扫码进入商店，并且可以实现自主的选购，并且可以在没有收银员协助的情况下快速的去实现选购的机制，极大的节省了大家在采购过程中需要等待的时间。

在整个的消费里面，其实它融合了计算机视觉、传感器的能力以及深度学习的后端的支撑，来实现了整个无人商店的运作。现在最近又会有一个新的好的消息，亚马逊已经开始将JUST WALK OUT无人商店的技术推广出来，可以为其他的零售商去进行赋能工作，我相信在不久的将来，越来越多的零售店都可以采用这样的一整套JUST WALK OUT无人商店的技术，实现自己的无人商店的管理和零售的创新。正好结合现有的疫情，越来越多的新的一些企业，包括这种无人触达的用户的体验可以帮助提升用户非常好的消费的体验的提升。

下面我们会详细的去介绍AWS云平台是如何助力零售企业实现数字化转型?这是一张整个终端消费者零售之旅的过程。我们看到在用户的视角来看，他的整个零售生命周期从他的兴趣的产生到他搜索自己喜爱的这样一些产品，最后完成产品的选择、下单购买，之后是整个物品的物流的运输，以及售后保障的实现，进而达到体验的提升，并且将产品可以推荐给其他的用户和朋友。这是一整套闭环的产品销售的流程。

在不同阶段流程当中，我们看到对于整个零售企业以及零售商来说需要提供非常多的一些基础能力的支撑。包括我们需要快速的去捕获用户的兴趣，实现需求的洞察。当用户选择商品之后，我们可以快速的去进行个性化的推荐，以增强客户二次购买或者更多购买的欲望。下单购买可以实现线上与线下的打通，实现全渠道的销售，促进整个销售的业绩。

在整个物流运输层面，可能会涉及到我们的整个供应链管理以及物流管理不同领域的能力的协同和集成。服务保障以及数字化营销也是零售商必不可少的环节，如果能够快速的提升用户再次购买的兴趣以及达到自己的营销能力的提升，是我们零售商整个技术能力不断迭代的非常重要的指标。所以整个来看，在整个的零售旅途之中，无论是从用户还是零售商的角度有非常多的环节可以参与其中。

但是现有的零售行业也存在着非常多的技术上的壁垒，首先是很多的企业由于前期的发展的经历会有非常多的遗留的业务系统，进而形成了非常多的技术债务，每年IT预算会有很大一部分比例都用来去维护原有的遗留的系统，限制了我们企业的创新目前能力，并且影响到我们对于终端用户需求的响应能力，无法实现主动零售的能力的赋能。

第二，碎片化的视图。由于已有的系统都是独立割裂开的系统，很难实现完整统一视野的视图化的展示，使得管理者和决策者无法能够快速去洞察我们整个零售，全生命周期每一个环节的具体的信息以及他的一些变化。随着物联网的技术的不断的完善和引入，这将会是一个更大的挑战。

最后一点，整个的技术转型，我们越来越多高级主管已经意识到通过一些机器学习的能力可以在供应链管理、仓储管理以及销售预测和推荐分析的领域给我们提供一些更加丰富的能力。但是什么样的方案、什么样的服务更加适合企业的发展?都是摆在我们的技术管理者面前的一道难题。

所以说AWS在对于数字化转型的方向上总结出来了以下几个层面，帮到我们的终端用户。

首先，如何去改造我们遗留的系统?进而实现我们现代化的业务的改造，实现我们的技术债务的脱离。

第二，通过与我们不同的业务系统打通，实现统一视图数据的归一，进而为我们的企业的决策者实现一个完整的端到端的视图，帮助我们对于运营管理的决策提供很好的支撑。

最后，智能化的赋能。随着越来越多新兴技术的完善和成熟，企业的不断创新，不断为终端用户体验的提升都是会为我们的企业未来的数字化发展奠定非常好的方向。

首先，这里去介绍一下如何去重塑我们的遗留的系统。很多的零售企业都会经历着这样的企业发展阵痛，从开始简单的单体应用，随着我们业务的发展不断变大，变得复杂，进而慢慢的变成了改不动的系统，它的反应会越来越慢，而且维护的成本越来越高。当然到了一定的时间点，我们一定需要通过这样的创新来重构我们整个业务系统，将原有单体的应用进行打破，实现了微服务架构的转型，现代应用的改变。

对于亚马逊来说，是有一个非常有趣的企业文化叫做2 pizza teams，我们这边会将一个团队定义成这样的规模，两张披萨团队的规模是微服务架构的非常好的实践。所以说随着单体的应用不断的拆解成细粒度的微型服务演变成现在可以快速的去做敏捷的扩展，实时的监控，进而支持一线的业务发展，使我们整个零售企业再去做数字化转型当中必须去面临和解决的问题。

所以对于遗留系统的重塑，首先我们会从现代化应用改造来谈起。这里边会包含以下几个主要的特点：

第一，微服务架构模式。

第二，如何通过容器和无服务器架构技术来做支撑。

第三，现有的数据库会变得越来越多精细化的支持。我们如何用不同的数据库来去服务据我们不同的业务。

第四，标准化的快速发展的通道以及自动化的部署，如何去帮助我们企业快速的创新等等都是涵盖在现代化应用改造领域的，我们需要讨论的话题。

这里面会去简单的介绍单体应用和微服务应用的不同，这其实是两类应用程序的模式的选择。单体应用更适合于简单的业务系统，它由单个应用去实现，并且它整个的应用会有一个完整的技术站来支持。

相反，现在越来越多的一些企业开始逐渐的尝试和使用了微服务架构，它由很多独立的功能模块组成，每个功能模块都会暴露出对应的接口供其他的功能模块进行调用，每个单独服务可以选择自己独立的技术。无论是单体多功能的整体应用模式还是微服务单功能的模式，可能会适用于不同用户不同场景的选择。

我们这里只是重点去介绍一下微服务技术的整体架构模型。大家可以看到，随着我们的服务划分得力度越来越清晰，我们的不同的客户端通过它的对外API暴露的访问，可以访问到我们的不同的微服务。微服务与微服务之间可以通过事件与API接口调用的方式进行相互的调用和访问，在一个应用程序当中会有多个微服务之间实现相互的依赖与连接，并且将需要持久化的数据保存在持久化的存储当中。整个的微服务可以快速、灵活的实现服务的扩展和应用的弹性，并且支持我们业务可以快速的增加新的业务模块到整个的应用视图。

在云端你也可以选择更多的容器化平台来实现您的现代化应用的改变。我们看到在云端我们有非常丰富的整个的云端的容器化的技术平台来帮助到你。这里面会有我们的不同的托管的服务，包括我们的AWS KS和AWSCS，您可以选择不同的技术站去将您的应用部署到容器化环境当中。另外为了实现无服务器管理的效率的提升，(29：48英文)它还可以面向我们应用开发者去提供无服务器托管的容器化的环境。

另外，我们这里面还配套的像ClouldMap和APP、Mesh这样的服务实现整个微服务环境管理和治理的功能，使得我们服务的管理人员能够通过这样的工具快速对我们微服务化的环境进行整体的管理、部署和迭代，方便了我们在单体服务转变成微服务过程当中，随着服务的爆炸它的治理上的问题得到很好的解决。

对于无服务器的经典架构也是微服务环境里非常重要的组成部分，大家知道AWS提供了API网关的能力，可以作为我们外部访问统一的调度接口。API的网关在后台可以去调动不同的AWS云端的服务，包括它的无服务器架构Lambda一些函数功能的服务，包括我们后端可以通过云主机和容器暴露出来的这样一些服务的能力，以及我们云上原生的托管的数据库或者其他服务的能力，实现整个的无服务器架构的经典的支撑，这样对于我们的企业应用的开发者以及运维的管理者来说极大的降低了他的运维管理的难度，将我们日常需要花很大力气的后期的运维管理完全交给了云上去实现，而我们只需要关注于业务不断的创新以及新的应用的开发的过程。

下面是我们的关于数据库方面的介绍，随着我们的应用的越来越多的场景的支持，我们看到一个数据库包打天下的过程已经成为了历史，现在越来越多细分领域数据库类型来帮助我们对业务实现很好的支撑。这里包括我们使用比较多的关系型数据库，AWS提供了Amazon RDS服务来去支撑MySQL、ORACLE、SQL Server这样的一些数据库，并且我们还提供了AWS云原生的数据库去实现我们的关系型数据的管理和支持，它和MySQL它的接口实现天然的兼容。

另外对于一些No SQL数据库我们提供DynameDB这样数据库的能力实现我们建制文档服务能力的支撑。我们的内存数据库、我们的图数据库、时序数据库以及去年刚刚发布的帐本区块链的数据库都可以帮助我们的用户在自己特定的环境当中采用更加适合的数据库去实现我们的业务的快速迭代。所以说让专业的工具去做更加专业的事情是AWS这样云平台能够给用户提供非常重要的能力。

AWS也为我们的用户提供端到端的DevOps相应的工具来帮助我们零售的客户去实现自己的开发运维一体化的整个端到端流程的创新。这里面我们看到从代码的开发到持续集成、部署以及后续的基础设施代码化到最终的监控和日志管理，AWS有一整套完善的服务，包括Code、Build、Test、Deploy、Provision还有我们监控的CloudTrall等等，从中选择自己合适的一些工具与我们熟悉的服务相集成，快速的达到我们开发的快速迭代、快速部署的过程。

下面会有两个实际的案例去看到我们如何将传统的架构慢慢的转换为现代化架构的实际的分享。

第一，Amazon Fresh无服务器架构的演进过程。Amazon Fresh是亚马逊生鲜的独立品牌，在2017年大会上Amazon Fresh资深研发工程师向我们去介绍了Amazon Fresh如何将他的单体应用通过API网关、无服务架构以及DynamoDB等一系列的服务逐步转换成现代化无服务器架构旅程。

另外一个案例是亚马逊的物流中心，这里面承载着亚马逊供应链非常重要的一些环节。在去年的这个大会上，亚马逊物流中心的资深的数据工程师向大家去介绍了他们如何去改造自己的库存系统，并且将他原有的数据库经过不断的优化拆解成为现代化的架构。这两个案例，大家都可以在网上找到它详细的描述和讲解。

除了现有应用的现代化的转变之后，其实很多的用户还希望将自己的传统的遗留的业务系统能够借助于云端的弹性扩展的能力做一个平滑的迁移。通常情况下在迁移入云的过程当中我们会有以下主要三大迁移的步骤。

首先，我们会对现有的业务系统进行一个评估。将我们的业务系统的关联性以及它的重要性做一个重新的梳理。基于这样评估基础之上，我们会有非常多的工具和服务来帮助我们去做迁移入云的准备，包括组织架构的准备，包括迁移的工作小组的筹划以及具体的项目的计划和管理。最终我们会实现我们遗留的系统逐步的迁移到云端，并且与云端的运维工具进行很好的集成，实现我们的运营效率的优化，并不仅限于现有的数据中心的物理环境的限制，而更好的利用云端的弹性、安全以及可扩展的能力来帮助我们企业进行转型。

大家这里看到AWS提供非常多的工具和服务来加速整个的迁移，这里面除了AWS自有的迁移工具之外，我们在整个页面的下方也会看到有非常多的我们的合作伙伴来帮到大家。这里面有一些合作伙伴提供的工具来帮助我们去实现我们的应用侧的迁移，有一些是帮助我们实现数据的迁移，还有一部分是实现我们的数据库的迁移，针对不同的场景和迁移的需求，我们可以通过不同的服务的组合来最终的帮到大家实现一个快速上云的整个的过程。

下面我给大家分享一下整个的云端迁移的案例。这个客户是泰国可口可乐，它在随着我们数字化转型的浪潮的过程当中，为了提供一个更加强大、更加灵活而且可以快速支撑业务创新的基础架构，最终选择了去全部将自己的业务系统转移到云端。在整个过程当中，业务系统的迁移包括前期的规划经过了非常周密的统筹的部署和不断的测试，最终经过双方的大力的合作，逐步的将原来在自建数据中心的这样一些业务模式分期、分批的往云端进行了一个迁移，最终实现了整个业务系统的云上的部署，大大的降低底层架构运维复杂度，并且可以针对客户淡旺季销售的差别，快速的、灵活的配置自己的资源，并且再有一些新的应用上线的时候可以快速借助于云端的能力实现数字化的转型。

这里是迁移到云端的整体架构，我们内部的一些运维和内部的用户可以通过我们的网络的连接，通过专业网关来访问到云端的资源。云端的资源里面也会分为公用子网区和私有子网区在不同的区域里面我们会借助云上的服务能力以及第三方软件提供的能力来搭建一个安全、可扩展的云端的环境。并且我们这里面还有一系列的监控管理和配置的服务来实现企业级对于企业应用部署的管理的需求。

对于第二个零售企业里面遇到的痛点是说我们如何能够为我们终端的管理者和决策者提供一个完整的视图?现阶段其实对于我们的用户来说往往陷入了“三无”的尴尬，首先由于我们的数据来源非常复杂，格式不统一，而且缺乏连接性，所以导致我们的数据变得无序而混乱。另外因为数据分析的能力不足，我们无法真正的掌握消费者的销售数据，并且将这样的一些消费的模型真正转换为对目标消费者的一些触达或者营销的动作。最终我们没有办法将我们现有的数据变成真正的可以为企业所用为业务驱动所用的真正有效的、有价值的服务。

所以基于上面的这样一些非常无序的现状，在云端我们可以通过一系列数据的操作来为我们提供一个完整的、完善的数据的平台，最终实现我们企业的整体的洞察。

传统意义上来说我们的零售数据源会包括传统的经销网点、电商、日常的产品线，对于一些新型的零售场景，我们会有一些IOT的数据、点击流的数据以及视频的数据，当这样的一些数据收集来之后，我们建议将这样的一些数据统一存放在我们的云端统一存储里面，也就是说我们会在云上搭建出我们数据湖的架构，将所有的收集到的数据统一的去存放到Amazon S3这样一个统一的数据源，这样可以为我们的数据提供单一的、广泛的数据归一的环境。

基于这样的环境，我们可以针对不同的业务场景和统一分析的要求做后端的进一步的数据清洗、数据转换，并且辅助于我们的数仓还有机器学习的能力，提供传统的分析以及按需的高级分析的能力。

下面这是一张完整的基于S3数据湖架构的统一视图的云端的部署架构。我们看到左边是我们传统的一些业务系统，包括我们的办公系统、前端的物流系统、外勤系统等等。还有像我们生产端的系统，包括我们的生产数据、物料数据、销售数据以及我们历史和手工线下的文件都可以通过不同的方式来去注入到云端。这里面可能会有批次性的数据的注入，也可能采取流式数据的传输，还有一部分可以通过批量的迁移的工具统一的把它都放到了云端S3存储的数据湖里面来。

有了这样的统一的数据湖的基础架构之后，其实我们都可以基于中心的Amazon S3数据湖进行更多定制化的操作和服务。我们可以通过(44：18英文)Serch来做不同维度的查询和检索，将S3与我们后端的Amazon Redshift数仓服务进行提升之后可以快速的集合到我们BI工具做一个统一的前端数据分析的展现。

另外我们的大数据平台服务也可以结合我们现有的数据去运行各种的跑批任务和实时处理的任务。结合整个的架构来看，我们现有的终端用户就不再为前端的复杂的业务系统割裂而产生不了统一的视图而烦恼，所有的数据会首先做一个归一，在基于这样归一数据之后做统一的转换清洗，基于这样干净有效的数据之后，我们再根据于现有的业务需求来实现我们的终端消费者身份的识别、统一的画像，进而达到我们最终希望的千人千面的精准营销和触达，最终实现我们整个企业更好的对于业务的感知和洞察。

下面一个案例，给大家分享一下。我们另外一个客户，欣和的案例情况。欣和其实是我们零售传统企业里面非常有名的一家企业，它建立之初就开始着重的去转变自己传统IT的笨重和缓慢的发展方式。随着与AWS云平台逐渐的结合，欣和决定逐步来淘汰本地的数据中心，并且将前端的系统和大量经营决策的数据搬移到云端当中来，由于自己的内部系统开始的时候也是有非常多的竖井的架构，并且缺少统一的标准，对于数据的治理、数据的处理存在非常明显的短板以及没有办法最终提升整个业务系统的快速响应能力。

所以基于这样的一些挑战和需求，欣和会结合云上的服务去搭建出未来的统一的数据处理的平台。我们看到这里面会将整个的数据通过数据源导入到云端的S3的服务，并且通过大数据处理EMR集群，Redshift数仓操作来去将我们的数据通过不同的维度进行计算和划分，最终我们的应用业务系统会通过前面的基于数据的处理，跨业务系统的处理之后得到一个统一的准确的展示的结果的平台，为我们的企业决策人员进一步的决策提供非常好的依据。

大家可以看到整个一张架构图当中会分为数据流和控制流两条主线，最终它的目的是将原有的割裂开的业务系统做一个数据层面的统一，为企业的对数据的应用提供一个标准的接口和展示的平台。

数据化转型的第三部分是我们提到的智慧化的赋能。大家都知道时至今日越来越多的企业开始关注如何借助于新兴的技术和能力来帮助到企业内部实现数字化转型。在AWS云端其实有非常多的一些能力能够帮助到我们的零售行业的一些客户，这里面对于通过AI的能力来帮助我们的零售的企业去预测和进行规划推荐，这是一个非常好的场景。通常来说，在云端的正确打开AI的方式可能会有以下几种模式：

第一种，采用开箱即用的方式。我们可以根据我们现有的这样一些遗留下来的数据进行收集和整理，按照云端的托管服务的数据的要求上传，经过一个快速和简单的操作之后就可以获得一些开箱即用的推荐和预测的结果。

第二种，鉴于高级的客户可能会对于自己的一些训练的模型和最终的效果有着不同的需求，无法通过既有的开箱即用的服务得到很好的满足。AWS也提供相应的服务文档以及相关的支持的工作，帮助我们能够将我们的整理好的数据进行了特征工程并且用一个整套的自动化的平台来实现我们的推测以及推荐场景的训练的评估，最终产生出了一个推理模型来帮助到用户去实现一些精准营销的支持。

第三种，有一些传统的用户可能自身并不具备非常强的AI的开发能力，我们这边也会有相应的AI的实验室的团队，能够协助客户一起去快速搭建出一个AI的训练的模型来帮助到用户在实际的使用过程环境当中促进我们的新的技术在关键场景上面的落地。

智能化的赋能在零售行业里面其实可以有非常多的应用和落地的场景，包括个性化的推荐，包括对于库存的优化和管理以及通过计算机的视觉的能力来实现无缝式的购物体验来提高我们的设备损失和预防等等。

通过我们这样的一些智慧化的赋能，我们可以更好的去从产产业链前端到后端为我们整个企业实现一个赋能。这里面有两个典型的场景，一家大型零售商他们使用AWS机器学习预测能力使整体预测的精准度提高了将近14%，对于他的一个整个业绩的产品的购买产生非常积极的效果。另外是一个在线的艺术市场，通过这样的云端推荐的服务的集成可以快速的找到用户以及用户匹配的一些喜好，而且可以在很短的时间内实现原型的完成，并且在一周之内就投入了生产的环境。

刚才提到了非常多的一些云端的AI赋能的一些能力，这里面会给大家做一个简单的介绍。首先对于AWS预测的引擎是基于亚马逊电商多年的积累和沉淀，将它这样的一个能力部署到云端，服务于我们更多的广大的用户。

我们的用户可以根据自己的历史的数据转换成云端相应的要求的格式进行这种预测的转换，其中Amazon Forecast是一个托管的全自动的预测的平台，它内部是集成了多种的预测算法，快速的将我们之前时间序列上的数据以及AWS之前的训练的最佳实践融合到一起，最后为客户提供一个准确的预测的结果，来辅助到我们用户能够实现一个非常精准的预测的效果。

另外一个云端的服务叫做Amazon Personalize，它是一个个性化的推荐引擎，和之前的Amazon Forecast场景类似，我们的用户也可以将我们之前的原始数据和事件做一个整理和归一然后上传到云端，Amazon Personalize也是一个完全托管的云端的服务，它不需要用户去部署自己的服务器，而只需要借助于现有的机器学习的技术来快速的将现有用户的使用习惯进行这样一个推理和一个预测来实现我们对于用户定制化的推荐的结果。

大家可以看到在虚线框当中都是Amazon Personalize提供的内在的能力，包括对于数据的检查、特征的识别、自动的选择超参数以及训练模型、优化模型最终得到这样的一个定制化的推荐的API，整个或者当中其实都不需要用户的介入，直接自动化的来完成我们想要的定制化推荐的结果。

如果这样的一个开箱即用的服务无法满足所有客户的需求，用户也可以去选择云上更加灵活的服务，Amazon SageMaker它可以让我们日常的机器学习更加的简单。Amazon SageMaker主要包含三部分的主要功能：

第一，它可以快速的去为数据进行标签化的支持。它内置集成了Jupiter Notebook这样一个工具来帮助我们能快速的去构建出我们的原始模型。

第二，一键式的训练和超参数的优化。这里面我们的用户可以借助于自动化的训练过程能够快速的去实现我们最优的模型的生成工作。有了这样的模型生成之后，我们可以快速的，一键式的部署到我们的计算资源当中，这里面可以是我们的资源来帮助我们做推理或者验证的工作。

所以Amazon SageMaker的平台可以大大缩短了我们用户开发整个机器学习能力的进程，而且也大大简化了我们其中很多的数据算法调优以及开发部署的工作，而且它是一个跨多个框架的支撑的平台，我们主流的机器学习的框架都是在这样的一个工具的支持的范围之中。

除了我们日常经常会提到的销售的预测还有推荐的管理之外，越来越多的一些企业将这样的一些智慧化的工具和能力引入到自己的工厂当中，实现了这样的一些非常典型的智能工厂的场景。这里面通过这样的智慧化的能力，可以帮助我们的工厂环境里面去提升我们的整体的产品质量，降低我们的故障率以及对于整个的资产状态得到一个非常好的监控，进而响应这样的一些意外事件发生的工作。

这是一张比较经典的工厂与云连接的网络的连接图。大家可以看到传统的企业当中，其实我们的生产车间与云端会有非常多的网络的壁垒连接。我们看到传统的OT的环境与企业IT环境往往是割裂开的，企业IT环境的云端也需要用不同的方式做一些连接。

这里面AWS一整套IOT的服务可以贯穿于我们的从端到边缘再到云端的一整条的链路，我们这里面可以在我们的每一台工业设备里面去做一个数据的转化，将我们的一些机器上的数据包括PLC的数据转换到云端可以识别的格式当中来，并且我们可以在我们的产线上部署我们IOT边缘侧的服务，在工厂侧就可以做一定的本地化的处理。

另外我们可以将需要去云端的去做整个的分析处理的数据，通过这样的一些MQTT这样的方式传到这样的云端，云端会有我们的AWS IOT服务来帮助我们的用户去实现IOT整个服务的整合和管理。

下面跟大家分享一下真正亚马逊物流中心利用IOT能力的创新。这张图大家可以看到是整个的亚马逊物流中心的截图，我们看到在这样的一些生产线当中会有类似这样的一些设备，大家可以通过放大的场景看到每个设备会集成这样的AWS IOT的button，这里面对于流水线上的工作人员他可以通过去按击IOT button来触发后端的处理能力，物料员可以通过每按一次button来传送相应的消息，工程师通过常按这样的button传递一些比如说设备需要维护或者需要上报SCADA上面信息的一些消息，这些消息会根据我们之前规则的设定并且在后端触发无数据架构函数编写的逻辑，最终发送给相应的管理人员或者是工程师，整个这样的过程当中可以看到IOT已经将它的非常灵活的能力已经与工厂的生产线的环境得到了非常好的整合。

最后我们做一个简单的小结。零售企业上云之路可能会有两种不同模式，一种是通过基于现有的遗留的业务系统，经过开发测试到业务系统的迁移最终挂壁我们数据中心这样一条蓝色的弧线进行我们的技术卸债的过程。

另外越来越多用户会采用云端的新的技术，包括电子商务的技术，包括数据湖的技术，包括机器学习对于我们企业业务系统的赋能，IOT的这些操作自动化的技术来实现我们的企业重新的发明创新的趋同之路。

无论是选择哪样的一条线路，对于我们企业未来的数字化转型都有很多的指导和借鉴的意义。我们上面谈了很多的从技术层面，从云的层面来赋能于我们企业去创新的能力，但对于整个的企业的创新路径来看，除了我们的IT系统能力之外，我们的组织架构是我们创新的事情发展的基础。而我们整个企业机制与文化将成为我们创新的催化剂，所以将IT的基础能力以及我们的组织架构的完善和机制文化的转型促进融合在一起，能够激发出我们企业更多的创新的能量，促使我们在未来的数字化转型过程当中取得更好的效果

最后引用亚马逊CEO的一句话来做一个结束：我们有三个坚持超过了20年的大想法，它是我们成功的原因。客户第一、创新发明和有耐心。我们也相信经过疫情的考验，我们一定能够度过这样的难关，有信心也有耐心去实现我们下一步更好的发展。谢谢大家!