为什么选择 Amazon Redshift ML？
借助 Amazon Redshift ML，数据分析师和数据库开发人员可以在 Amazon Redshift 数据仓库中，使用熟悉的 SQL 命令创建、训练和应用机器学习模型。借助 Redshift ML，您无需学习新工具或语言，即可利用 Amazon SageMaker，这是一种完全托管的机器学习服务。只需使用 SQL 语句借助您的 Redshift 数据创建和训练 Amazon SageMaker 机器学习模型，然后使用这些模型进行预测。例如，您可以使用 Redshift 中的客户留存率数据来训练流失检测模型，然后将该模型应用于您的控制面板，以便营销团队为面临流失风险的客户提供激励。Redshift ML 让该模型成为 Redshift 数据仓库中的 SQL 函数，因此您可以轻松地将其直接应用于查询和报告。
无需具备机器学习相关经验
因为 Redshift ML 允许您使用标准 SQL，所以您可以轻松提高分析数据在应用场景中的使用效率。Redshift ML 在 Redshift 与 Amazon SageMaker 之间提供简单、优化和安全的集成，并支持在 Redshift 集群内进行推理，从而在查询和应用程序中轻松使用基于 ML 的模型生成的预测。无需管理单独的推理模型端点，训练数据通过加密实现端到端的保护。
借助标准 SQL 基于 Redshift 数据使用机器学习
首先，使用 Redshift 中的 CREATE MODEL SQL 命令，将训练数据指定为表或 SELECT 语句。然后，Redshift ML 在 Redshift 数据仓库中编译和导入经过训练的模型，并准备可立即用于 SQL 查询的 SQL 推理函数。Redshift ML 会自动处理模型训练和部署所需的所有步骤。
使用 Amazon Redshift 进行预测分析
借助 Redshift ML，您可以将预测（例如欺诈检测、风险评分和流失预测）直接嵌入查询和报告。使用 SQL 函数将 ML 模型应用于查询、报告和控制面板中的数据。例如，您可以定期在数据仓库中对新客户数据运行“customer churn”SQL 函数，以预测面临流失风险的客户，并将这些信息提供给您的销售和营销团队，以便他们可以提前采取行动，例如向这些客户发送旨在留住他们的优惠。
自带模型（BYOM）
Redshift ML 支持使用 BYOM 进行本地或远程推理。您可以使用在 Redshift 外部通过 Amazon SageMaker 训练的模型，在 Amazon Redshift 中进行本地数据库内推理。您可以导入 SageMaker Autopilot 并指导经过 Amazon SageMaker 训练的模型进行本地推理。或者，您可以调用远程 SageMaker 端点中部署的远程自定义 ML 模型。您可以使用任何接受并返回文本或 CSV 的 SageMaker ML 模型进行远程推理。
使用 Amazon SageMaker 在 Amazon Redshift 中进行预测分析
工作原理
客户成功案例
“在 Amazon Redshift 上，我们将运营成本降低了 20%。与我们之前的堆栈相比，这是一次重大成功。”
Magellan Rx Management 信息技术副总裁 Vinesh Kolpe
“Jobcase 生产环境中的多个模型都在使用 Amazon Redshift ML。每个模型在几分钟内直接在我们的 Redshift 数据仓库上执行数十亿次预测，无需数据管线。借助 Redshift ML，我们已经发展到模型架构，这些架构借助几种不同电子邮件模板类型，将会员和会员参与率提高 5-10%，而且没有推理成本。”
Jobcase 优化与分析部门执行副总裁 Mike Griffin
“在 Rackspace Technology，我们帮助公司提升其 AI/ML 业务。我们对新的 Amazon Redshift ML 功能感到兴奋，因为它将助力我们共同的 Redshift 客户更轻松地通过熟悉的 SQL 界面在 Redshift 上使用 ML。与 Amazon SageMaker 无缝集成，助力数据分析师以新的方式使用数据，并为更广泛的组织提供更多见解。”
Rackspace Technology 数据解决方案总经理 Nihar Gupta