Amazon Redshift ML erleichtert Datenanalysten und Datenbankentwicklern das Erstellen, Trainieren und Anwenden von Modellen für Machine Learning mithilfe vertrauter SQL-Befehle in Data Warehouses von Amazon Redshift. Mit Redshift ML können Sie Amazon SageMaker, einen vollständig verwalteten Service für Machine Learning, nutzen, ohne neue Tools oder Sprachen lernen zu müssen. Verwenden Sie einfach SQL-Anweisungen, um Amazon-SageMaker-Modelle für Machine Learning anhand Ihrer Redshift-Daten zu erstellen und zu trainieren, und verwenden Sie diese Modelle dann, um Vorhersagen zu treffen. Sie können beispielsweise Kundenbindungsdaten in Redshift verwenden, um ein Modell zur Erkennung von Kundenabwanderungen zu trainieren und dieses Modell dann auf Ihre Dashboards für Ihr Marketingteam anwenden, um Kunden, bei denen das Risiko einer Abwanderung besteht, Anreize zu bieten. Redshift ML stellt das Modell als SQL-Funktion in Ihrem Redshift-Data-Warehouse zur Verfügung, sodass Sie es einfach direkt in Ihren Abfragen und Berichten anwenden können.

Keine vorherige ML-Erfahrung erforderlich
Da Redshift ML Ihnen die Verwendung von Standard-SQL ermöglicht,können Sie problemlos mit neuen Anwendungsfällen für Ihre Analysedaten produktiv werden. Redshift ML bietet eine einfache, optimierte und sichere Integration zwischen Redshift und Amazon SageMaker und ermöglicht Inferenzen innerhalb des Redshift-Clusters, sodass durch ML-basierte Modelle generierte Vorhersagen einfach in Abfragen und Anwendungen verwendet werden können. Es ist nicht erforderlich, einen separaten Endpunkt des Inferenzmodells zu verwalten, und die Trainingsdaten sind durchgängig verschlüsselt.

Verwenden Sie ML für Ihre Redshift-Daten mit Standard-SQL
Verwenden Sie zunächst den SQL-Befehl MODELL ERSTELLEN in Redshift und geben Sie die Trainingsdaten entweder als Tabelle oder als SELECT-Anweisung an. Redshift ML kompiliert und importiert dann das trainierte Modell in das Redshift Data Warehouse und bereitet eine SQL-Inferenzfunktion vor, die sofort in SQL-Abfragen verwendet werden kann. Redshift ML führt automatisch alle Schritte durch, die zum Trainieren und Bereitstellen eines Modells erforderlich sind.

Prädiktive Analyse mit Amazon Redshift
Mit Redshift ML können Sie Vorhersagen wie Betrugserkennung, Risikobewertung und Abwanderungsprognose direkt in Abfragen und Berichte einbetten. Verwenden Sie die SQL-Funktion, um das ML-Modell auf Ihre Daten in Abfragen, Berichten und Dashboards anzuwenden. Sie können beispielsweise die SQL-Funktion „Kundenabwanderung“ regelmäßig für neue Kundendaten in Ihrem Data Warehouse ausführen, um Kunden zu erkennen, bei denen das Risiko einer Kundenabwanderung besteht. Anschließend können Sie diese Informationen an Ihre Vertriebs- und Marketingteams weiterleiten, damit diese präventive Maßnahmen ergreifen können, indem sie diesen Kunden beispielsweise ein Angebot unterbreiten, um sie zu binden.

Verwendung Ihres eigenen Modells (BYOM)
Redshift ML unterstützt die Verwendung von BYOM für lokale oder ferne Inferenz. Sie können ein Modell verwenden, das außerhalb von Redshift mit Amazon SageMaker für datenbankinterne Inferenzen lokal in Amazon Redshift trainiert wurde. Sie können SageMaker Autopilot importieren und trainierte Amazon-SageMaker-Modelle direkt für lokale Inferenzen verwenden. Alternativ können Sie benutzerdefinierte Remote-ML-Modelle aufrufen, die auf Remote-SageMaker-Endpunkten bereitgestellt werden. Sie können jedes SageMaker-ML-Modell verwenden, das Text oder CSV für Remote-Inferenz akzeptiert und zurückgibt.

Amazon Redshift ML: Einfache Demo zum Erstellen eines Modells (4:56)

Prädiktive Analyse in Amazon Redshift mit Amazon SageMaker

Funktionsweise

Funktionsweise – Redshift ML (Vorschau)

Kundenerfolge

Kundenlogo von Magellan Rx Management
„Mit Amazon Redshift haben wir unsere Betriebskosten um 20 % gesenkt. Das ist ein bedeutender Gewinn gegenüber unserem vorherigen Technologie-Stack.“

Vinesh Kolpe, Vizepräsident für Informationstechnologie – Magellan Rx Management

Jobcase-Kundenlogo
„Jobcase hat mehrere Modelle in der Produktion, die Amazon Redshift ML verwenden. Jedes Modell führt innerhalb von Minuten Milliarden von Vorhersagen direkt in unserem Redshift Data Warehouse durch, ohne dass Datenpipelines erforderlich sind. Mit Redshift ML haben wir uns weiterentwickelt, um Architekturen zu modellieren, die eine Verbesserung der Engagement-Raten von Mitgliedern und Mitgliedern bei verschiedenen E-Mail-Vorlagentypen um 5 bis 10 % bewirken, ohne dass Inferenzkosten anfallen.“

Mike Griffin, EVP Optimierung und Analyse – Jobcase

Rackspace_Technology_Logo_RGB_RED
„Bei Rackspace Technology helfen wir Unternehmen dabei, ihre KI/ML-Prozesse zu verbessern. Wir freuen uns über die neue Amazon-Redshift-ML-Funktion, da sie es unseren gemeinsamen Redshift-Kunden erleichtern wird, ML auf ihrem Redshift mit einer vertrauten SQL-Schnittstelle zu verwenden. Die nahtlose Integration mit Amazon SageMaker wird es Datenanalysten ermöglichen, Daten auf neue Weise zu nutzen, und der gesamten Organisation noch mehr Einblicke bieten.“

Nihar Gupta, General Manager für Datenlösungen – Rackspace Technology