脈絡拆解: AWS re:Invent 2022 Swami Sivasubramanian Keynote

Published: 2022-11-30

Lastmod: 2024-04-16

起因

自從 2020 年初獲選成為 AWS Community Hero 之後，就遇上了疫情，三年沒飛。今年很榮幸受邀能夠實體登入位於 Las Vegas 的 AWS 年度開發者大會 re:Invent 2022，能夠再次體驗各種現場活動，相當開心。

連續三年拆解了每年 AWS re:Invent 四場 Keynotes 當中最多人關注的 CEO Keynote，今年來嘗試整理其他場次的 Keynote，也許在整理的過程中會有不同的收穫，然後順便將這些整理的結果與大家分享。

跟以往一樣，全文開始我會先試著抓出演講架構，然後放一些觀察與推論，接著各段落放一些流水筆記，方便未來搜尋使用。文末整理有延伸閱讀，可以豐富大家對於演講內容的背景情境或資訊。也希望有機會帶大家一起推理為什麼這個時間點會推出這個產品或功能、全球各種產業的趨勢方向往哪裡走、台灣產業關注的議題方向不一定相同，但多看看、多比較、多參考，也許能避開一些誤判的雷區，在資源有限的情況下，如果走錯方向，市場不一定會給機會讓我們再砍掉重練。推理不一定是正確，就當作是種練習與分享。

新服務或新屬性，在本文中使用 [NEW 🚀] 方式標記，方便各位按下 Command/Ctrl+F 內頁搜尋。

本文刻意將大部分產品連結都先拿掉，讓大家能夠專注地閱讀（這年頭我們都少了些專注，是吧？）。若有需要產品連結，可以參閱我平常整理的 AWS 產品清單一覽表。

也歡迎大家給我一些回饋或指正。那我們就開始吧！

內容大綱

摘要 tl;dr

建構未來基礎基石、連結各個組織單位、釋放工具教育未來。

呼應另外三場主題演講：

打好基礎釜底抽薪 👉 脈絡拆解: AWS re:Invent 2022 Monday Night Live Keynote With Peter Desantis
拆開非同步變簡單 👉 脈絡拆解: AWS re:Invent 2022 Werner Vogels Keynote
將所有東西連起來 👉 脈絡拆解: AWS re:Invent 2022 Swami Sivasubramanian Keynote
落地執行解決問題 👉 脈絡拆解: AWS re:Invent 2022 Adam Selipsky Keynote

架構

今年 Dr. Swami Sivasubramanian, VP of AWS Data and Machine Learning 這場演講的架構相當乾淨清晰，而且拆解後其實有很多有趣的小細節，我覺得埋梗埋得很漂亮，是一場很精緻的演講。（對我這種括號人來說 :p）

整個演講主架構就兩個：開場鋪梗、把梗展開。（好啦，別鬧了，這是準備演講的人要看的，不是大家想看的我知道）

整個演講基本上就是一個主軸「Connect the dots」，以及三個段落。

開場鋪梗 / Opening
- 今年開場動畫視覺中有先帶出 “dot” 但文字引導大家想成 “data”。
- “dot” 是這邊的關鍵。大家想成有一個很長遠的佈局，通常都是「點、線、面」。（關於「點、線、面」可以延伸閱讀我有一篇冷門文章【秦始皇來不及統一的點線面度量單位】。）
- Dr. Swami Sivasubramanian 走出來後介紹了三位科學家，但其實重點是最後在講 Spencer 累積三十多年經驗的 “connect the dots”，從這邊連結到他自己 “just like me do with our data”。破題完成，底下開始進入正題。
把梗展開 / Core elements of a data strategy
- Build future-proof foundations - supported by core data services 在建構未來的基礎基石，需要四個要素
  - Tools for every workload
  - Performance at scale
  - Removing heavy lifting - 簡化管理
  - Reliability and scalability
- Weave connective tissue - across your organization
- Democratize data - with tools and education

開場

This is your idea —> 開場動畫，但其實已經在埋梗了！因為 “星星” —> “dot”
- The idea that keeps you up at night —> 例如我的 idea 讓我會 05:30 起床繼續整理這個 keynote 筆記?! XDD
- The idea that you thought about in the shower this morning
- But did your idea just happen?
- Or did it come from an accumulation of
  - Live Experiences
  - Victories
  - Defeats
  - Trials
  - Errors
  - Information
  - Data
- What happens when we connect those moments?
- Suddenly experiences become epiphanies (頓悟).
- How can you organize?
- How can you unify?
- How can you analyze your data can become your innovation?
- How, indeed.
故事時間 —> 梗慢慢浮現: 科學家花了三十年累積經驗 connect the dots + just like me do with our data
- 科學家怎麼創新？
  - 250BC - Archimedes discovers buoyancy (浮力)
  - 1665AD - Newton discovers gravity (重力)
  - 1945AD - Spencer invents the microwave
    - Spencer 花了 20 多年經驗、實際上累積了 30 多年、connect the dots
    - Just like me do with our data
The human brain —> 大家可以參考 Learning How to Learn by Barbara Oakley，連結在【AWS 入門學習路線與策略】文章裡頭有。
- 睡覺時也在處理資料
The organization <— 描述問題、working backwards
- Data isn’t centralized
- Data don’t automatically processed
- Data doesn’t naturally flow
- Data isn’t easy to visualize
- Data is the genesis for modern invention
- Data beats intuition
AWS <— 做了各種資料服務 “in the cloud”
- 15yr+ years of data innovation
- First scalable object storage in the cloud with Amazon S3
- The first purpose-built in the cloud with Amazon DynamoDB
- The first fully-managed warehouse in the cloud with Amazon Redshift
- Managed data streaming with Amazon Kinesis and MSK
- First ML IDE in the cloud with Amazon SageMaker
- Amazon RDS scores 95 out of 100 in Gartner Solution Scorecard for dbPaaS
- More than 1.5M AWS customers use database, analytics, or ML AWS services
  - BristolMyersSquibb - Analytics & 3D Visualization - Leveraging data services to advance drug development
  - Nielsen - Unparalleled scalability - Using data lakes to process consumer insights at scale
  - HYUNDAI - Leveraging ML - Monitoring ML models performance with 10x reduction in training time