在 AWS Kinesis 数据流到 Lambda 的过程中，可以使用扩展消费者库（KCL）批处理记录并提高性能。具体地说，我们可以调整以下参数来控制 KCL 的并行化因子：

1. worker 进程数

可以通过配置 worker 进程数来控制 KCL 消费记录的并行程度。可以在创建 KCL 的消费者时设置 worker 进程数，如下所示：

# 创建 KCL 消费者
shard_iterator_type = 'LATEST'
kcl_config = Config(stream_name=STREAM_NAME, 
                    region_name=REGION_NAME, 
                    shard_iterator_type=shard_iterator_type,
                    worker_processes=4) # 设置 worker 进程数为 4
kcl_process = kcl.KCLProcess(kcl_config, record_processor)

注意，worker 进程数过多可能会导致 CPU 和内存利用率过高，因此需要根据实际情况适当调整。

2. shard 数量

每个 shard 都可以并行地处理记录。因此，可以通过增加 shard 数量来提高并行化程度。但是，增加 shard 数量会增加数据处理的复杂度，需要考虑如何分配 shard 并处理 shard 合并和拆分的情况。可以使用以下代码创建新的 shard：

# 增加 shard 数量
kinesis = boto3.client('kinesis', region_name=REGION_NAME)
response = kinesis.split_shard(StreamName=STREAM_NAME, 
                               ShardToSplit=shard_id, 
                               NewStartingHashKey=new_starting_hash_key)

需要注意的是，增加 shard 数量可能会导致数据顺序性的缺失，需要根据实际情况进行权衡。

综上所述，在 AWS Kinesis 数据流到 Lambda 的过程中，可以通过调整 worker 进程数和 shard 数量来控制并行化程度，提高数据处理性能。