Digelar secara hibrida dari 28 November sampai 2 Desember 2022 lalu di Las Vegas, Amerika Serikat; bagaimana memanfaatkan data sehingga bisa menghasilkan inovasi menjadi salah satu fokus AWS (Amazon Web Services) pada AWS re:Invent 2022. Hal-hal yang dikedepankan AWS antara lain adalah pentingnya organisasi untuk memiliki strategi data yang kuat dan pentingnya organisasi untuk memakai aneka produk/layanan sehubungan data yang tepat. AWS pun menegaskan bahwa sebagai penyedia layanan cloud terbaik dirinya bisa membantu organisasi akan hal-hal tersebut. Adapun pentingnya berinovasi bagi organisasi pada masa kini, seperti yang disampaikan di sini dan di sini, terlihat dari aneka inovasi yang dilakukan sejumlah organisasi pada masa pandemi COVID-19.
AWS mengeklaim; berdasarkan pengalamannya bekerja sama dengan berbagai merek terbesar di dunia; dengan strategi data yang komprehensif dari ujung ke ujung, merek-merek terbesar di dunia bisa mentransformasi data mereka menjadi insight untuk bisnis setiap harinya. Insight tentunya bisa mendorong inovasi. Sementara, produk/layanan yang tepat seharusnya membuat organisasi lebih optimal dalam memenuhi/menjawab kebutuhan/keinginannya. Compute instance dari penyedia layanan cloud misalnya, bila memakai yang kurang tepat, organisasi bisa saja membayar lebih mahal dari yang seharusnya ataupun kurang bisa memberikan pengalaman yang baik bagi konsumennya pada kondisi tertentu.
“Saya sangat percaya bahwa data merupakan asal mula untuk invensi modern. Untuk memproduksi ide-ide baru dengan data kita, kita perlu untuk membangun suatu strategi data yang dinamis yang mengarahkan ke aneka pengalaman baru bagi konsumen sebagai hasil akhirnya. Dan adalah sepenuhnya sangat penting bahwa para organisasi masa kini memiliki aneka struktur dan teknologi yang tepat pada tempatnya yang membolehkan berbagai ide baru untuk terbentuk dan berkembang baik,” ujar Dr. Swami Sivasubramanian (VP, Data and Machine Learning, Amazon Web Services) ketika menyampaikan keynote pada AWS re:Invent 2022.
Salah satu organisasi yang memanfaatkan data untuk mendapatkan insight dan mendorong inovasi adalah AstraZeneca. Organisasi yang dikedepankan sebagai konsumen AWS pada AWS re:Invent 2022 ini makin populer berkat pandemi COVID-19 berhubung menawarkan vaksin COVID-19. Namun, AstraZeneca yang merupakan perusahaan yang bergerak pada bidang biofarmasi tidak hanya menawarkan vaksin COVID-19, melainkan juga berbagai obat untuk aneka penyakit. AstraZeneca menyebutkan memiliki ambisi untuk mengeliminasi kanker sebagai penyebab kematian serta melindungi hidup dari pasien yang memiliki gagal jantung atau penyakit paru dengan memanfaatkan data plus AI (artificial intelligence)/ML (machine learning).
AstraZeneca antara lain menggunakan data genomics dari banyak orang untuk mencapai ambisinya tersebut. AstraZeneca mengeklaim sesuai jadwal untuk menganalisis keseluruhan genom sampai 2 juta orang pada tahun 2026. Dengan data dari banyak orang, bila ada urutan genetis langka yang berhubungan dengan penyakit, diharapkan bisa ditemukan. Terdapat puluhan petabyte data genomics yang diproses dan AstraZeneca melakukannya dengan bantuan AWS. AstraZeneca mengatakan bahwa sekarang AstraZeneca bisa menjalankan 110 miliar tes statistik dalam waktu kurang dari 30 jam. Hasil tes ini kemudian menjadi insight untuk berbagai proyek penemuan obat yang dijalankan AstraZeneca. Selain itu, AstraZeneca sedang mengembangkan penggunaan rekam medis untuk melakukan prakiraan yang ditenagai ML. Perkakas yang dipakai pun yang dari AWS.
“Seperti yang Anda bayangkan, jumlah data yang ada telah bertumbuh secara eksponensial. Dan kami mengakselerasi, bersama dengan AWS, kecepatan dari seorang ilmuwan untuk bisa membongkar pola-pola dengan mendemokrasikan ML ke dalam organisasi menggunakan Amazon SageMaker,” kata Anna Berg Asberg (Global VP, R&D, AstraZeneca) saat menjadi salah satu pembicara tamu pada AWS re:Invent 2022.
AWS menambahkan, berdasarkan pengalamannya bekerja sama dengan aneka organisasi pada berbagai industri, AWS telah menemukan setidaknya ada tiga elemen inti dari strategi data yang kuat. Ketiga elemen inti dari strategi data yang kuat itu adalah membangun fondasi data yang future-proof didukung oleh aneka layanan data inti, menjalin jaringan ikat alias connective tissue organisasi, serta mendemokrasikan data dengan aneka perkakas dan pendidikan. AWS menekankan pula bahwa sebagai penyedia layanan cloud dengan lini produk/layanan yang terluas dan terdalam, AWS memungkinkan organisasi untuk lebih bisa memilih produk/layanan yang tepat.
Membangun Fondasi Data yang Future-proof
Membangun fondasi data yang future-proof didukung oleh aneka layanan data inti, maksudnya adalah menggunakan produk/layanan yang tepat untuk membangun fondasi data yang arsitekturnya tidak perlu banyak diubah atau disusun ulang maupun yang menimbulkan utang teknikal ketika kebutuhan organisasi berevolusi serta volume dan jenis data berubah. AWS menyebutkan fondasi data yang future-proof sebaiknya memiliki empat elemen kunci. Keempatnya adalah memiliki akses terhadap aneka perkakas yang tepat untuk seluruh beban kerja dan jenis data sehingga organisasi bisa beradaptasi terhadap kebutuhan dan peluang yang berubah, memiliki scalability yang tinggi sehingga organisasi bisa menangani jumlah data yang terus bertumbuh, bisa menghilangkan undifferentiated heavy lifting sehingga organisasi bisa berfokus pada mendapatkan insight dari data dan bukannya menghabiskan banyak waktu untuk mempersiapkannya, serta memiliki tingkat keandalan dan keamanan siber alias cyber security yang terbaik sehingga organisasi bisa memproteksi data.
Menjalin Jaringan Ikat Organisasi
Sejalan dengan jaringan ikat yang berfungsi mengikat dan menyokong berbagai susunan tubuh, menjalin jaringan ikat organisasi adalah sehubungan mengintegrasikan berbagai data — data store — dan juga para departemen, tim, serta individual di organisasi tersebut. Menurut AWS, terdapat tiga elemen kunci untuk menjalin jaringan ikat terhadap seluruh bagian organisasi ini, yakni menggunakan aneka perkakas dan data yang berkualitas sehingga bisa membantu organisasi menghasilkan pertumbuhan jangka panjang, memanfaatkan data governance untuk menghubungkan berbagai tim dan data store yang terpisah sehingga organisasi bisa berkolaborasi dan bertindak akan data, serta memahami bahwa data store yang terhubung adalah sangat penting untuk keberlanjutan sehingga organisasi mendorong keterhubungan tersebut.
Mendemokrasikan Data
Mendemokrasikan data dengan berbagai perkakas dan pendidikan maksudnya lebih kepada bagaimana organisasi bisa memanfaatkan lebih banyak sumber daya manusia untuk menghasilkan inovasi yang berbasiskan data. Sumber daya manusia di sini adalah karyawan dan tenaga kerja nonkaryawan — termasuk tenaga kerja masa depan seperti siswa yang masih bersekolah. Seperti telah disebutkan, berbagai perkakas dan pendidikan menjadi kunci untuk membuat karyawan dan tenaga kerja nonkaryawan yang dimaksud bisa memanfaatkan data sehingga akhirnya menghasilkan inovasi. Khusus perkakas, AWS menegaskan bahwa diperlukan juga aneka perkakas low-code maupun no-code — disebut pula dengan LCNC (low-code no-code) oleh AWS.
Dengan produk/layanan yang terluas dan terdalam, terdapat aneka tawaran AWS yang bisa membantu organisasi sehubungan strategi data yang kuat tadi. Namun, seperti yang sering disampaikan, AWS terus berinovasi menghadirkan produk/layanan baru maupun fitur baru yang sebagian besar adalah jawaban atas permintaan para organisasi yang menjadi konsumennya. Pada AWS re:Invent 2022 pun diungkapkan sejumlah tawaran baru AWS. Tawaran-tawaran baru ini tentunya makin bisa membantu organisasi sehubungan strategi data yang kuat itu. Empat di antaranya adalah Amazon Athena for Apache Spark, Amazon SageMaker yang kini mendukung geospasial, Amazon DataZone, serta Amazon QuickSight Q yang kini mendukung prakiraan dan “mengapa”. Amazon DataZone merupakan produk/layanan baru, sedangkan lainnya adalah fitur baru.
Amazon Athena for Apache Spark
Amazon Athena for Apache Spark memungkinkan organisasi menggunakan Apache Spark untuk memproses data berskala besar dan membangun aplikasi interaktif di atasnya dengan kemudahan yang ditawarkan Amazon Athena. Memang Apache Spark yang membolehkan pemrosesan data secara terdistribusi pada aneka komputer atau compute node ini bisa dipakai untuk keperluan dimaksud secara langsung, tetapi organisasi perlu mengurusi infrastrukturnya. Dengan Amazon Athena for Apache Spark, organisasi bisa menggunakan Apache Spark untuk keperluan tersebut tanpa perlu mengurusi infrastrukturnya; misalnya menggunakan Apache Spark untuk analisis data yang kompleks tanpa mempersiapkan dan mengelola cloud instance. Amazon Athena for Apache Spark membuat AWS makin bisa membantu organisasi membangun fondasi data yang future-proof berhubung makin menawarkan berbagai perkakas yang tepat untuk aneka beban kerja dan jenis data.
AWS mengeklaim Amazon Athena for Apache Spark memungkinkan organisasi untuk meluncurkan beban kerja Apache Spark sampai 75 kali lebih cepat dibandingkan tawaran serverless sejenis lainnya. AWS pun menambahkan Amazon Athena for Apache Spark membolehkan organisasi untuk mulai melaksanakan analisis interaktif pada Apache Spark dalam waktu kurang dari 1 detik. Dengan Amazon Athena for Apache Spark, organisasi bisa menggunakan lebih banyak waktu dan sumber daya lainnya untuk mendapatkan insight berhubung tidak perlu mengurusi infrastruktur. Amazon Athena for Apache Spark telah tersedia secara umum ketika disampaikan.
Amazon SageMaker Kini Mendukung Geospasial
Diperkenalkan pada AWS re:Invent 2017, Amazon SageMaker ditujukan untuk memudahkan organisasi dalam membangun, melatih, dan men-deploy model ML. Bisa dibilang mendapatkan peningkatan setiap tahunnya, kini pada AWS re:Invent 2022, AWS meningkatkan Amazon SageMaker sehingga mendukung data geospasial. Masih berupa preview ketika diumumkan, dukungan data geospasial membuat organisasi bisa lebih mudah dan cepat memanfaatkan data geospasial dengan Amazon SageMaker untuk membangun, melatih, dan men-deploy model ML yang dikehendaki. Dengan dukungan data geospasial, Amazon SageMaker diklaim makin bisa membantu organisasi membangun fondasi data yang future-proof, khususnya makin membantu menghilangkan undifferentiated heavy lifting.
Organisasi bisa memilih dan mengambil secara langsung aneka data geospasial yang sesuai kebutuhan/keinginannya pada Amazon SageMaker, misalnya data open source dari Sentinel-2 dan Landsat-8 maupun data dari Planet Labs. Organisasi tidak lagi perlu mengambil berbagai data itu dari aneka sumber yang berbeda. AWS menambahkan terdapat juga sejumlah algoritma yang bisa memudahkan organisasi mempersiapkan aneka data yang dimaksud plus memperkayanya. Begitu pula dengan berbagai model neural network yang bisa mengakselerasi pembangunan model ML yang dilakukan organisasi, utamanya untuk sejumlah penggunaan yang umum. Organisasi pun bisa memakai aneka perkakas visualisasi yang tersedia untuk lebih mudah melakukan analisis dan melihat hasil yang diprediksi model ML.
Amazon DataZone
Amazon DataZone membantu organisasi untuk membuat katalog, menemukan, membagi, dan memerintah/mengendalikan data di organisasinya. Amazon DataZone bisa membuat organisasi lebih mudah dan cepat untuk melakukan hal-hal tersebut, tidak hanya terhadap data yang disimpan di AWS melainkan juga yang disimpan di on-premises dan yang disimpan di tempat pihak ketiga. Amazon DataZone menghadirkan suatu lingkungan yang unified, tempat setiap orang di organisasi bisa mengakses, berbagi, dan mengonsumsi data serta melakukannya sesuai dengan aturan yang ditetapkan; aturan yang granular. Terdapat pula model ML sehubungan metadata untuk mengurangi heavy lifting.
AWS menegaskan Amazon DataZone bisa membantu organisasi menganalisis data yang dimaksud sembari memenuhi persyaratan keamanan siber dan privasi data yang ditetapkan. Menganalisis lebih banyak data yang berkualitas sendiri tentunya bisa memberikan insight yang lebih baik. AWS pun menyebutkan bahwa dirinya, sejalan dengan makin banyaknya data, sedang berusaha untuk memungkinan organisasi memiliki governance yang dari ujung ke ujung untuk data. Amazon DataZone yang baru akan tersedia dalam waktu dekat ini bisa dibilang sejalan dengan hal tersebut. Amazon DataZone bisa membantu organisasi menjalin jaringan ikatnya berhubung membantu memanfaatkan data governance untuk menghubungkan berbagai tim dan data store yang terpisah.
Amazon QuickSight Q Kini Mendukung Prakiraan dan “Mengapa”
Amazon QuickSight Q merupakan fitur NLQ (natural language query) pada Amazon QuickSight. Ditenagai ML, Amazon QuickSight Q membolehkan organisasi untuk bertanya dalam bahasa Inggris mengenai datanya pada Amazon QuickSight. Pada AWS re:Invent 2022, AWS menambahkan kemampuan untuk memprakirakan yang ditenagai ML pada Amazon QuickSight Q. Dengan Amazon QuickSight Q kini mendukung prakiraan, pertanyaan yang bisa dijawab Amazon QuickSight juga mencakup sehubungan prakiraan. Dengan kata lain, organisasi bisa meminta prakiraan dari sesuatu dalam bahasa Inggris dan Amazon QuickSight akan menampilkan hasilnya.
Selain kemampuan untuk memprakirakan yang ditenagai ML, AWS menambahkan pula kemampuan untuk menjawab pertanyaan “mengapa” pada Amazon QuickSight Q. Dengan Amazon QuickSight Q kini mendukung pertanyaan mengapa, Amazon QuickSight bisa memberikan jawaban berupa sejumlah penjelasan yang mungkin terhadap suatu pertanyaan mengapa. Organisasi pun bisa menyelisik lebih jauh dengan bertanya lebih lanjut. Kedua fitur baru dari Amazon QuickSight Q ini telah tersedia secara umum tatkala diungkapkan. Keduanya juga membuat Amazon QuickSight makin menjadi perkakas LCNC sehingga makin bisa mendemokrasikan data.
KOMENTAR