Mengapa Amazon Redshift ML?
Amazon Redshift ML memudahkan analis data dan developer basis data untuk membangun, melatih, dan menerapkan model machine learning menggunakan perintah SQL yang sudah dikenal di gudang data Amazon Redshift. Dengan Redshift ML, Anda dapat memanfaatkan Amazon SageMaker, sebuah layanan machine learning yang terkelola penuh, tanpa perlu mempelajari alat atau bahasa baru. Cukup gunakan pernyataan SQL untuk membangun dan melatih model machine learning Amazon SageMaker menggunakan data Redshift, lalu gunakan model tersebut untuk membuat prediksi. Misalnya, Anda dapat menggunakan data retensi pelanggan di Redshift untuk melatih model deteksi churn, lalu menerapkan model tersebut ke dasbor Anda agar tim pemasaran Anda dapat menawarkan insentif kepada pelanggan yang memiliki risiko churn. Redshift ML menjadikan model tersedia sebagai fungsi SQL dalam gudang data Redshift sehingga Anda dapat dengan mudah menerapkannya secara langsung dalam kueri dan laporan.
Tidak diperlukan pengalaman ML
Karena Redshift ML memungkinkan Anda menggunakan SQL standar, dengan mudah, Anda dapat menjadi produktif dengan kasus penggunaan baru untuk data analitik Anda. Redshift ML menyediakan integrasi yang sederhana, dioptimalkan, dan aman antara Redshift dan Amazon SageMaker serta memungkinkan inferensi dalam klaster Redshift, sehingga memudahkan untuk menggunakan prediksi yang dihasilkan oleh model berbasis ML dalam kueri dan aplikasi. Anda tidak perlu mengelola titik akhir model inferensi yang terpisah, dan data pelatihan diamankan secara ujung ke ujung dengan enkripsi.
Gunakan ML pada data Redshift Anda menggunakan SQL standar
Untuk memulai, gunakan perintah CREATE MODEL SQL di Redshift dan tentukan data pelatihan, yang berupa tabel atau pernyataan SELECT. Redshift ML kemudian mengompilasi dan mengimpor model terlatih di dalam gudang data Redshift serta menyiapkan fungsi inferensi SQL yang dapat segera digunakan dalam kueri SQL. Redshift ML secara otomatis menangani semua langkah yang diperlukan untuk melatih dan men-deploy model.
Analisis prediktif dengan Amazon Redshift
Dengan Redshift ML, Anda dapat menyematkan prediksi seperti deteksi fraud, penilaian risiko, dan prediksi churn secara langsung dalam kueri dan laporan. Gunakan fungsi SQL untuk menerapkan model ML ke data Anda dalam kueri, laporan, dan dasbor. Misalnya, Anda dapat menjalankan fungsi SQL “churn pelanggan” pada data pelanggan baru dalam gudang data secara teratur untuk memprediksi pelanggan yang berisiko churn dan memberitahukan informasi ini kepada tim penjualan dan pemasaran sehingga mereka dapat mengambil tindakan pencegahan seperti mengirimkan penawaran kepada pelanggan tersebut. Penawaran ini didesain untuk mempertahankan mereka.
Bawa model Anda sendiri (BYOM)
Redshift ML mendukung penggunaan BYOM untuk inferensi lokal atau jarak jauh. Anda dapat menggunakan model yang dilatih di luar Redshift dengan Amazon SageMaker untuk inferensi lokal dalam basis data di Amazon Redshift. Anda dapat mengimpor SageMaker Autopilot dan mengarahkan model terlatih Amazon SageMaker untuk inferensi lokal. Atau, Anda dapat memanggil model ML kustom jarak jauh yang di-deploy di titik akhir SageMaker jarak jauh. Anda dapat menggunakan model ML SageMaker yang menerima dan mengembalikan teks atau CSV untuk inferensi jarak jauh.
Analitik Prediktif di Amazon Redshift dengan Amazon SageMaker
Cara kerja
Kesuksesan Pelanggan
“Di Amazon Redshift, kami mengurangi biaya operasional sebesar 20%. Itu adalah pencapaian penting dari tumpukan kami sebelumnya."
Vinesh Kolpe, Wakil Direktur Teknologi Informasi (Vice President of Information Technology) - Magellan Rx Management
“Jobcase memiliki beberapa model dalam produksi yang menggunakan Amazon Redshift ML. Setiap model melakukan miliaran prediksi dalam hitungan menit secara langsung di gudang data Redshift kami, tanpa memerlukan pipeline data. Dengan Redshift ML, kami telah berevolusi untuk memodelkan arsitektur yang menghasilkan peningkatan sebesar 5-10% dalam hal jumlah anggota dan tingkat keterlibatan anggota di beberapa jenis templat email yang berbeda, tanpa biaya inferensi.”
Mike Griffin, EVP Optimization and Analytics - Jobcase
“Di Rackspace Technology kami membantu perusahaan meningkatkan operasi AI/ML-nya. Kami senang dengan fitur Amazon Redshift ML yang baru ini karena akan memudahkan pelanggan Redshift bersama kami dalam menggunakan ML di Redshift mereka dengan antarmuka SQL yang familier. Integrasi yang lancar dengan Amazon SageMaker akan memberdayakan analis data untuk menggunakan data dengan cara baru, dan memberikan lebih banyak wawasan untuk organisasi yang lebih luas.”
Nihar Gupta, General Manager for Data Solutions - Rackspace Technology