成为数据驱动型企业的 4 种方法
选项卡锚点
-
连接您的所有数据
-
普及见解
-
培育数据驱动型文化
-
管理数据
-
连接您的所有数据
-
打破数据孤岛，发挥数据的价值
孤岛式的未连接数据所带来的挑战
数据量以及对数据的需求不断增长。但是数据往往分散在包括数据湖在内的多个地点，这使组织无法提供高性能分析并充分利用数据。此外，连接数据源的传统提取、转换、加载（ETL）方法会减慢关键的分析和机器学习（ML）工作负载的速度。
1 《世界正在扩展至大数据以外》（The World Is Moving Beyond Big Data），《美国商业资讯》，2022 年 8 月
2022 年生成了 101,349EB 的数据 1
AWS 数据服务连接到数百个数据源
连接并整合您的所有数据
借助支持端到端数据策略的 AWS 互联服务，轻松统一 Amazon Web Services（AWS）、本地和其他云中的所有数据。以可预测的成本采用高性能创新，实现无缝扩展，并使用零 ETL 技术跨数据存储、数据湖和第三方数据访问数据。对于必要的 ETL 应用场景，AWS Glue 提供安全的数据集成。
数据管理的未来包括零 ETL
无论是数据库中的数据还是数据湖中的数据，AWS 都可以通过无代码数据管道整合来自不同来源的数据，也可以完全绕过 ETL。使用 Amazon Aurora 数据库和 Amazon Redshift 数据仓库的客户，可以使用 Aurora 零 ETL 集成实时了解交易数据。
“通过消除 ETL，我们的客户可以花更多的时间专注于分析数据，并为他们的业务带来新的见解。”
Swami Sivasubramanian，AWS Databases, Analytics & ML 部门的 VP其他资源
了解自动化如何普及数据使用
在下一节中，您将了解基于机器学习的直观自动化如何能帮助员工通过实时智能，生成准确的预测并揭示见解。探索如何借助可按需扩展的自我管理架构，充分利用所有数据。
-
普及见解
-
让所有用户都能访问数据并获得见解
利用自动化普及数据
使用商业智能（BI）和分析，推动团队做出更明智、更快速的决策。为揭示实时见解，让团队随时随地以需要的方式访问数据。基于机器学习的自动化和自我管理架构等直观工具有助于生成支持数据的预测，同时避免增加数据复杂性。
2 Evelson, B.，《商业智能的未来并不像仪表板坏了那样简单》（The Future of BI — No, It's Not As Simple As “The Dashboards Are Dead”），Forrester，2022 年 2 月
只有 20% 的企业决策者亲自使用商业智能工具 2
面向所有用户提供并扩展见解
Amazon QuickSight 可以通过随用随付模式自动扩展以实现一致的性能，并在用户需要的时间、地点，以用户需要的方式提供统一的见解。所有类型的数据用户都可以连接到无服务器 AWS 分析服务组合，无需基础设施管理即可开始使用功能强大的分析。
普及大规模数据
宝马集团需要扩展其数据湖，因为当数据分布在无数孤岛式环境中时，不容易访问。如今，基于 AWS 的集中式数据湖为宝马集团开发数据驱动型 IT 解决方案奠定了基础，并使该公司能够在无服务器架构上自动且独立地进行扩展。
宝马集团使用 AWS 每天处理来自 120 万辆汽车的 10TB 数据 3
其他资源
数据驱动型文化推动数据驱动型转型
全球组织都面临着数据驱动型转型的主要障碍：创建数据驱动型文化。以下部分概述了您可以采取哪些措施来创建、培养和扩展数据驱动型文化，从而转变组织的集体思维方式，将数据视为战略资产。
-
培育数据驱动型文化
-
创建可持续且可扩展的数据驱动型文化
培育数据驱动型转型文化
现今，各组织都面临着数据驱动型转型的主要障碍：创建数据驱动型文化。缺乏对数据驱动型文化的共享知识或定义、缺乏数据熟练度和数据素养，以及孤岛式数据可能会阻碍新的数据计划和基本数据工具的采用。
4 Davenport, T.、Wang, R.、Tiwari, P.，《首席数据官创造和展示价值的 8 项策略》（8 Strategies for Chief Data Officers to Create and Demonstrate Value），HBR，2023 年 1 月
55% 的 CDO 将数据驱动型文化视为实现其目标的最大挑战 4
“数据熟练度就是要在数据科学与实际应用数据的一线人员之间架起一座桥梁。”
Ishit Vachhrajani，AWS 的 Enterprise Strategist成为数据驱动型企业
领导必须自上而下地推动文化变革。实施端到端数据策略是推动这种文化变革的最有效方法。同样重要的是，要让您的团队腾出时间，在整个数据生命周期中利用受监管的数据加快行动，并让组织中的每个人都能通过培训理解数据。
通过提升员工技能加速创新
Principal Financial Group 还制定了集中培训计划，以提高员工在 AWS 上的技能。通过提高组织层面的云流畅度，Principal 加快了内部协作和创新速度，同时支持员工的职业发展。
“我们使用 AWS Skills Guild 计划框架创建了一种围绕云学习的文化，这加快了我们的云采用速度。”
Kathy Kay，Principal Financial Group 的 SVP & CIO其他资源
了解如何让数据治理为您的组织服务
随着大量可用数据存储在多个地点，治理变得更加复杂。尽管如此，还是有可能在访问和控制之间取得平衡，并确保用户能够找到合适的数据，共享数据，并进行协作，从而做出更明智、更快速的决策。在下一节中，了解 AWS Analytics 数据治理如何实现这一目标。
-
管理数据
-
实现有效的数据治理，在数据控制和用户访问之间取得平衡
数据治理的复杂性
由于当今 90% 的数据是在过去两年内创建的，因此数据治理迅速变得更加复杂。数据项目和用户现在跨越了区域和账户。这种多样化需要务实的分析治理，以保持可访问性和数据质量。强有力的治理可以帮助改善决策和业务敏捷性，同时增强数据合规性。
当今 90% 的数据是在过去两年内创建的 5
Analytics in 15：大数据和使用 AWS Lake Formation 进行数据治理安全地与用户共享数据
要在数据控制和访问之间取得平衡，必须统一、理解和保护您的数据。AWS 提供集成式分析解决方案，以实现端到端数据治理。首先，创建可重复使用的数据管道并简化 ETL，以集成您的数据，同时确保所有用户都能发现数据。别忘了大规模启用精细访问权限，来保护和共享您的数据。
Prudential 如何通过数据治理保护数据的价值
在构建新的企业数据解决方案时，Prudential 的数据和技术副总裁 Shihas Vamanjoor 鼓励各组织明确阐明各自的愿景。从业务成果开始，实现自动化治理，并在每个阶段实施负责制。与其将未来的数据解决方案视为数据产品，不如将其视为拥有自己工程团队的应用程序。
“在每一步都实现自动化治理。”
Shihas Vamanjoor，Prudential 的 Data & Technology 部门的 VP其他资源
