结合众多开放原码软体IBM打造企业级资料科学协同分析平台

从云端服务、大数据到人工智慧，各种资料科学相关应用的发展，已经蔚为风潮，然而，在资料分析平台与工具的搭配上，大多数人会选择使用开放原始码的软体来进行，不过，若要快速建置整体环境，并且使用经过妥善整合的应用软体，仍然相当困难，所幸市面上已经出现了一些解决方案，像是我们先前介绍的Cloudera Data Science WorkBench，在今年上半问世，而系统软体与云端服务大厂IBM也加入战局，在去年6月推出Data Science Experience（DSX），针对资料科学家、资料工程师、商业分析师、应用程式开发人员，提供彼此能够协同合作的统一开发环境——就算资料科学团队的成员各自习于使用不同程式语言，例如：Scala、Python、R或SQL，也能在这里存取所需的资料，并且将分析模型传递给开发人员。

以提供的功能来看，DSX并非只是技术挂帅的工作平台。基本上，资料科学团队能够运用整合好的开放原始码软体，以及IBM的加值解决方案，建立分析（Create）、管理分析结果的资产，并且进行协作分享（Collaborate），透过专案、版本控管等机制，便于多人合作；同时，还考虑到社群学习（Learn）的层面，内建线上资源与完整教学，协助成员掌握资料科学的相关基础知识，IBM也在此开放多种资料集，并透过Jupyter Notebook的形式，公开记录程式码与分析结果的说明文件。

这套解决方案在发布之初，主要是架构在IBM Cloud云端平台之上，可提供近乎即时的高效能分析能力，提供250套辅助资料集、开放原始码工具软体，以及多人进行协同作业的工作区，让资料科学家将发现到的分析结果分享给开发人员使用，以便加速智慧型应用程式的开发。

到了2017年上半，IBM也推出DSX Local与DSX Desktop的版本，因应企业内部基础架构（可部署在IBM Cloud Private），以及个人桌面环境的使用需求，不再局限在云端服务提供。

而在这三种形式之间，有何不同？台湾IBM公司商业分析部高级技术顾问苏友信表示，DSX Cloud的部份，是提供所有资料分析所需工具，而且能够立即使用的；DSX Local的架构则和DSX Cloud类似，不过，这是一套可安装在企业内部使用的版本，适合有严格资料保护考量的用户，而且，导入的企业需自行準备伺服器来建置，其余维运作业则由IBM Cloud Private协助处理，以自动化的自我管理为中心。

至于DSX Dektop，则是提供整合好的 Jupyter Notebook、RStudio、 Python with Anaconda and R，让资料科学家能一键安装所有开发相关工具，但不包含资料模型管理、协同合作等相关元件，而这也是它与DSX Cloud、DSX Local之间的差异。

就核心技术而言，DSX主要是基于Apache Spark大数据处理框架，强化这套开放原始码资料平台的运算速度与灵活度，希望吸引规模多达2百万人以上的R语言技术社群来运用；同时，IBM在发展DSX的过程中，也贡献了一些程式码，提交到SparkR、SparkSQL与Apache SparkML等开放原始码软体专案当中。

而在使用者操作介面上，DSX也整合了R语言开发者惯用的整合式开发工具RStudio，以及另一套开放原始码的网站应用程式Jupyter Notebook——一般而言，开发者透过这套工具，与多人即时共享正在撰写的程式码、方程式、图表与套用缩排样式的文字内容，而在DSX当中，能用来记录资料团队成员的分析历程，可包含程式码片段与分析结果，作为说明文件。

除此之外，使用者也可运用DSX提供的流程编辑器（Flow Editor），以拖放物件的简易操作，快速完成分析流程的设计，或是透过另一套Cognitive Assistant for Data Scientist（CADS）的精灵介面，引导快速建模。

而经由Jupyter Notebook、Flows或CADS产生的分析模型，可由系统的模型管理（Model Management）功能来掌控，并且汇入採用PMML格式的外部模型，同时，也能将资料模型部署成Restful API，更易于整合到应用系统当中。

基于多种开放原始码软体而成的DSX，本身也支援多种IBM自家发展的商用系统，像是：CADS提供的快速建模机制，能够整合Watson Machine Learning的云端服务，将模型执行在其中；在机器学习的处理流程制定上，DSX的用户除了使用Spark 2.0，也能够延伸整合IBM预测分析建模软体SPSS Modeler；而对于决策制定最佳化的处理，可以透过 IBM CPLEX引擎来进行，亦即运用支援Python语言的DOcplex建模API（Decision Optimization CPLEX Modeling for Python），并且存取DOcplexcloud云端服务（是基于ILOG CPLEX Optimizer系统而成），来处理大型的最佳化模型建立作业。

整体而言，DSX的目标是协助习于R语言的资料科学家，可在更短的时间内存取更多资料；相对地，也能促使更多人透过IBM Cloud的服务或是整合的系统软体，能够更易于产生资料分析结果，并且妥善运用。

产品资讯

IBM Data Science Experience
●原厂：IBM(02)8723-8888
●建议售价：云端企业版每个月5个分析者授权为4,600美元起，包含15个executor的Spark Cluster环境
●产品形式：云端企业版、桌面版、企业内部使用版
●相容程式语言：Scala、Python、R、SQL
●整合软体与云端服务：Spark、Jupyter Notebooks、RStudio、IBM Watson Machine Learning、Kubernetes
●内建程式库：Brunel Visualization、PixieDust、PySpark、matplotlib、SparkML

【注：规格与价格由厂商提供，因时有异动，正确资讯请洽厂商】