داده های خود را برای تصمیم گیری سریعتر با AWS | متصل کنید خدمات وب آمازون

تاثیرگذارترین بینش های مبتنی بر داده از اتصال نقاط بین همه منابع داده شما - در سراسر بخش ها، خدمات، ابزارهای داخلی و برنامه های شخص ثالث به دست می آید. اما به طور معمول، اتصال داده ها به خطوط لوله پیچیده استخراج، تبدیل و بارگذاری (ETL) نیاز دارد که ساعت ها یا روزها طول می کشد. این برای سرعت تصمیم گیری بسیار کند است. ETL باید آسان تر و گاهی اوقات حذف شود.

AWS در حال سرمایه گذاری در پرداختن به این موضوع از طرق مختلف است. اول، برای موارد استفاده رایج که ETL با ارزش افزوده کمی تکرار می شود، ما در حال یکپارچه سازی خدمات برای کاهش یا حذف نیاز به ETL هستیم. دوم، سازمان‌ها هنوز به تغییراتی مانند پاکسازی، حذف مجدد، و ترکیب مجموعه داده‌ها برای تجزیه و تحلیل و یادگیری ماشین (ML) نیاز دارند. برای اینها، چسب AWS تبدیل سریع و مقیاس پذیر داده را فراهم می کند. سوم، AWS به اضافه کردن پشتیبانی برای منابع داده بیشتر از جمله اتصال به نرم افزار به عنوان سرویس (SaaS)، برنامه های کاربردی داخلی و سایر ابرها ادامه می دهد تا سازمان ها بتوانند بر روی داده های خود عمل کنند.

در این پست، نحوه ارائه این سرمایه‌گذاری‌ها را با تعدادی از نوآوری‌های یکپارچه‌سازی داده‌ها که شامل پایگاه‌های داده AWS، تجزیه و تحلیل، هوش تجاری (BI) و خدمات ML می‌شوند، بحث می‌کنیم.

ادغام Amazon Aurora MySQL zero-ETL با Amazon Redshift اکنون به طور کلی در دسترس است

در ژوئن 2023، ما اعلام کردیم پیش نمایش عمومی of Amazon Aurora MySQL-Compatible Edition ادغام صفر-ETL با آمازون Redshift. ما خوشحالیم که اعلام کنیم که این ادغام صفر-ETL اکنون است به طور کلی در دسترس است. ادغام Amazon Aurora MySQL zero-ETL با Amazon Redshift بیش از 1 میلیون تراکنش در دقیقه را پردازش می کند و امکان تجزیه و تحلیل در زمان واقعی را فراهم می کند. در عرض چند ثانیه از ورود داده های جدید به Amazon Aurora MySQL، داده ها به Amazon Redshift تکرار می شوند. به روز رسانی در Amazon Aurora MySQL به طور خودکار و به طور مداوم به Amazon Redshift منتشر می شود. مشتریان و شرکا می توانند با کاهش تنگناهای سنتی ETL صرفه جویی زیادی در زمان داشته باشند. آنها اکنون می توانند معیارهای کسب و کار را در زمان واقعی تجزیه و تحلیل کنند و سریعتر از همیشه تصمیمات مبتنی بر داده را اتخاذ کنند.

به عنوان مثال، در صنعت خرده‌فروشی، Infosys می‌خواست بینش سریع‌تری درباره کسب‌وکار خود، مانند محصولات پرفروش و فروشگاه‌های پردرآمد، بر اساس معاملات در سیستم مدیریت فروشگاه به دست آورد. آنها برای رسیدن به این هدف از ادغام Amazon Aurora MySQL zero-ETL با Amazon Redshift استفاده کردند. با این ادغام، Infosys داده‌های Aurora را به Amazon Redshift تکرار کرد و داشبوردهای QuickSight آمازون را برای مدیران محصول و رهبران کانال‌ها به جای چند ساعت تنها در چند ثانیه ایجاد کرد. اکنون، به‌عنوان بخشی از طرح‌های Infosys Cobalt و Infosys Topaz، شرکت‌ها می‌توانند تجزیه و تحلیل‌های تقریباً بی‌درنگ روی داده‌های تراکنش داشته باشند، که می‌تواند به آنها در تصمیم‌گیری آگاهانه مرتبط با مدیریت فروشگاه کمک کند.

- Sunil Senan، SVP و رئیس جهانی داده، تجزیه و تحلیل و هوش مصنوعی، Infosys

آمازون SageMaker Canvas ادغام با Amazon QuickSight

ما به تحلیلگران کسب و کار قدرت می دهیم تا با اتصال، داشبوردهای پیش بینی کننده و تعاملی ایجاد کنند آمازون SageMaker Canvas، سرویس ML بدون کد ما، با آمازون QuickSight، سرویس BI ما. تحلیلگران تجاری از SageMaker Canvas برای ساخت مدل‌های ML و پیش‌بینی بدون نیاز به نوشتن کد استفاده می‌کنند. سپس می‌توانند به‌طور یکپارچه این پیش‌بینی‌ها را در QuickSight ادغام کنند تا داشبوردهای تعاملی ایجاد کنند که می‌تواند در سراسر سازمانشان به اشتراک گذاشته شود. این امر دموکراتیزه کردن بینش های پیش بینی کننده را برای تصمیم گیری بهتر امکان پذیر می کند.

علاوه بر این، ما یکپارچگی عمیق و دوطرفه بین SageMaker Canvas و QuickSight را فعال کرده‌ایم. تحلیلگران کسب و کار می توانند ارسال مدل های ML از SageMaker Canvas گرفته تا QuickSight و پیش‌بینی‌ها را از داخل QuickSight اجرا کنید. تحلیلگران اکنون می توانند مستقیماً داده ها را نیز ارسال کنند از QuickSight تا SageMaker Canvas تنها با چند کلیک برای ساخت سریع مدل‌های ML با استفاده از یک رابط نقطه و کلیک ساده، بدون نیاز به ایجاد یا حفظ خطوط لوله داده پیچیده بین دو سرویس. این ادغام به کاربران این امکان را می دهد که سریعتر از همیشه از داده ها به پیش بینی ها و تجسم ها بروند.

اتصال به برنامه های SaaS

سرویس های AWS در حال حاضر به صدها منبع داده AWS و شخص ثالث متصل می شوند. مهندسان داده می توانند از خدماتی مانند آمازون AppFlow و چسب AWS برای دسترسی سریع به داده ها از منابع مختلف. این به سازمان‌ها امکان می‌دهد تا بینش‌های یکپارچه‌ای را در میان مجموعه‌های داده‌های سیلو شده به دست آورند. اخیراً آمازون AppFlow و AWS Glue جدید را به مجموعه موجود خود اضافه کرده‌ایم.

Amazon AppFlow اکنون از پردازش همزمان برای انتقال داده از برنامه های SAP پشتیبانی می کند

Amazon AppFlow، یک سرویس یکپارچه سازی کاملاً مدیریت شده که به شما کمک می کند تا داده ها را به طور ایمن بین سرویس های AWS و برنامه های SaaS انتقال دهید، اکنون از پردازش همزمان و اندازه صفحه قابل تنظیم پشتیبانی می کند. انتقال سریعتر داده از SAP. این امر زمان صرف شده برای انتقال داده های SAP به داده های AWS و سرویس های هوش مصنوعی (AI) را کاهش می دهد.

اتصال Google BigQuery برای AWS Glue for Apache Spark اکنون به طور کلی در دسترس است

چسب AWS برای Apache Spark اضافه شده است اتصال بومی به Google BigQuery، خواندن و نوشتن داده های BigQuery را مستقیماً بدون نیاز به نصب یا مدیریت کتابخانه ها فعال می کند. اکنون می توانید BigQuery را به عنوان منبع یا هدف در رابط بصری AWS Glue Studio یا مستقیماً در اسکریپت AWS Glue ETL اضافه کنید.

خلاصه

نوآوری‌های یکپارچه‌سازی داده‌ها که برجسته کرده‌ایم، تعهد ما را به توانمندسازی سازمان‌ها برای اتصال آسان داده‌هایشان نشان می‌دهد. خواه دستیابی به بینش‌های تقریباً هم‌زمان، دموکراتیک کردن تجزیه و تحلیل‌های پیش‌بینی‌کننده، یا اتصال منابع داده متنوع، تمرکز ما بر کمک به شما برای کسب ارزش بیشتر از داده‌هایتان است. با قابلیت‌های جدید Amazon Aurora MySQL، Amazon Redshift، SageMaker Canvas، QuickSight، Amazon AppFlow و AWS Glue، مهندسان داده و تحلیلگران کسب‌وکار می‌توانند سیلوهای داده را برای کشف بینش‌ها تجزیه کنند.

بازدید ادغام داده ها با AWS برای کسب اطلاعات بیشتر.

درباره نویسندگان

راهول پاتاک معاون موتورهای پایگاه داده رابطه‌ای، پیشرو آمازون آرورا، آمازون ردشیفت و آمازون QLDB است. او قبل از سمت فعلی خود معاونت تجزیه و تحلیل در AWS بود، جایی که در کل مجموعه پایگاه داده AWS کار می کرد. او دو شرکت را تأسیس کرده است، یکی بر روی تجزیه و تحلیل رسانه های دیجیتال و دیگری بر روی مکان یابی IP متمرکز شده است.

جی 2 کریشنامورتی معاون تجزیه و تحلیل، خدمات پیشرو در دریاچه داده AWS، ادغام داده، سرویس جستجوی باز آمازون و آمازون QuickSight است. قبل از نقش فعلی خود، G2 پلتفرم Analytics و ML را در Facebook/Meta ساخت و اجرا کرد و بخش‌های مختلفی از پایگاه داده SQL Server، Azure Analytics و Azure ML را در مایکروسافت ساخت.

• محتوای مبتنی بر SEO و توزیع روابط عمومی. امروز تقویت شوید.
• PlatoData.Network Vertical Generative Ai. به خودت قدرت بده دسترسی به اینجا.
• PlatoAiStream. هوش وب 3 دانش تقویت شده دسترسی به اینجا.
• PlatoESG. کربن ، CleanTech، انرژی، محیط، خورشیدی، مدیریت پسماند دسترسی به اینجا.
• PlatoHealth. هوش بیوتکنولوژی و آزمایشات بالینی. دسترسی به اینجا.
• منبع: https://aws.amazon.com/blogs/big-data/connect-your-data-for-faster-decisions-with-aws/