結合眾多開放原碼軟體，IBM打造企業級資料科學協同分析平臺

從雲端服務、大數據到人工智慧，各種資料科學相關應用的發展，已經蔚為風潮，然而，在資料分析平臺與工具的搭配上，大多數人會選擇使用開放原始碼的軟體來進行，不過，若要快速建置整體環境，並且使用經過妥善整合的應用軟體，仍然相當困難，所幸市面上已經出現了一些解決方案，像是我們先前介紹的Cloudera Data Science WorkBench，在今年上半問世，而系統軟體與雲端服務大廠IBM也加入戰局，在去年6月推出Data Science Experience（DSX），針對資料科學家、資料工程師、商業分析師、應用程式開發人員，提供彼此能夠協同合作的統一開發環境——就算資料科學團隊的成員各自習於使用不同程式語言，例如：Scala、Python、R或SQL，也能在這裡存取所需的資料，並且將分析模型傳遞給開發人員。

以提供的功能來看，DSX並非只是技術掛帥的工作平臺。基本上，資料科學團隊能夠運用整合好的開放原始碼軟體，以及IBM的加值解決方案，建立分析（Create）、管理分析結果的資產，並且進行協作分享（Collaborate），透過專案、版本控管等機制，便於多人合作；同時，還考慮到社群學習（Learn）的層面，內建線上資源與完整教學，協助成員掌握資料科學的相關基礎知識，IBM也在此開放多種資料集，並透過Jupyter Notebook的形式，公開記錄程式碼與分析結果的說明文件。

這套解決方案在發布之初，主要是架構在IBM Cloud雲端平臺之上，可提供近乎即時的高效能分析能力，提供250套輔助資料集、開放原始碼工具軟體，以及多人進行協同作業的工作區，讓資料科學家將發現到的分析結果分享給開發人員使用，以便加速智慧型應用程式的開發。

到了2017年上半，IBM也推出DSX Local與DSX Desktop的版本，因應企業內部基礎架構（可部署在IBM Cloud Private），以及個人桌面環境的使用需求，不再局限在雲端服務提供。

而在這三種形式之間，有何不同？台灣IBM公司商業分析部高級技術顧問蘇友信表示，DSX Cloud的部份，是提供所有資料分析所需工具，而且能夠立即使用的；DSX Local的架構則和DSX Cloud類似，不過，這是一套可安裝在企業內部使用的版本，適合有嚴格資料保護考量的用戶，而且，導入的企業需自行準備伺服器來建置，其餘維運作業則由IBM Cloud Private協助處理，以自動化的自我管理為中心。

至於DSX Dektop，則是提供整合好的 Jupyter Notebook、RStudio、 Python with Anaconda and R，讓資料科學家能一鍵安裝所有開發相關工具，但不包含資料模型管理、協同合作等相關元件，而這也是它與DSX Cloud、DSX Local之間的差異。

就核心技術而言，DSX主要是基於Apache Spark大數據處理框架，強化這套開放原始碼資料平臺的運算速度與靈活度，希望吸引規模多達2百萬人以上的R語言技術社群來運用；同時，IBM在發展DSX的過程中，也貢獻了一些程式碼，提交到SparkR、SparkSQL與Apache SparkML等開放原始碼軟體專案當中。

而在使用者操作介面上，DSX也整合了R語言開發者慣用的整合式開發工具RStudio，以及另一套開放原始碼的網站應用程式Jupyter Notebook——一般而言，開發者透過這套工具，與多人即時共享正在撰寫的程式碼、方程式、圖表與套用縮排樣式的文字內容，而在DSX當中，能用來記錄資料團隊成員的分析歷程，可包含程式碼片段與分析結果，作為說明文件。

除此之外，使用者也可運用DSX提供的流程編輯器（Flow Editor），以拖放物件的簡易操作，快速完成分析流程的設計，或是透過另一套Cognitive Assistant for Data Scientist（CADS）的精靈介面，引導快速建模。

而經由Jupyter Notebook、Flows或CADS產生的分析模型，可由系統的模型管理（Model Management）功能來掌控，並且匯入採用PMML格式的外部模型，同時，也能將資料模型部署成Restful API，更易於整合到應用系統當中。

基於多種開放原始碼軟體而成的DSX，本身也支援多種IBM自家發展的商用系統，像是：CADS提供的快速建模機制，能夠整合Watson Machine Learning的雲端服務，將模型執行在其中；在機器學習的處理流程制定上，DSX的用戶除了使用Spark 2.0，也能夠延伸整合IBM預測分析建模軟體SPSS Modeler；而對於決策制定最佳化的處理，可以透過 IBM CPLEX引擎來進行，亦即運用支援Python語言的DOcplex建模API（Decision Optimization CPLEX Modeling for Python），並且存取DOcplexcloud雲端服務（是基於ILOG CPLEX Optimizer系統而成），來處理大型的最佳化模型建立作業。

整體而言，DSX的目標是協助習於R語言的資料科學家，可在更短的時間內存取更多資料；相對地，也能促使更多人透過IBM Cloud的服務或是整合的系統軟體，能夠更易於產生資料分析結果，並且妥善運用。

產品資訊

IBM Data Science Experience
●原廠：IBM(02)8723-8888
●建議售價：雲端企業版每個月5個分析者授權為4,600美元起，包含15個executor的Spark Cluster環境
●產品形式：雲端企業版、桌面版、企業內部使用版
●相容程式語言：Scala、Python、R、SQL
●整合軟體與雲端服務：Spark、Jupyter Notebooks、RStudio、IBM Watson Machine Learning、Kubernetes
●內建程式庫：Brunel Visualization、PixieDust、PySpark、matplotlib、SparkML

【註：規格與價格由廠商提供，因時有異動，正確資訊請洽廠商】