适用于通用企业的商业智能

白皮书专区

十大数据驱动型成功案例

通过本电子书,您可以深入了解客户如何通过释放数据价值推动组织转型。我们将探讨领先的数字原生企业和软件组织如何使用亚马逊云科技释放其数据的力量,从而获得见解并做出以数据为导向的决策。

十大数据驱动型成功案例

游戏行业构建数据湖的最佳实践

本白皮书深入讨论了在亚马逊云科技上为游戏构建数据湖的最佳实践。它旨在帮助游戏开发人员最大化其玩家数据的价值,以实现更好的游戏设计、开发、变现见解和策略。

游戏行业构建数据湖的最佳实践

动手视频

应用场景

可在各种来自客户的数据集上进行分析,例如:

1、第三方调研数据  2、客户购买记录  3、社交媒体活动  4、计算机 Cookie  5、网页或移动端应用统计信息

通过分析可以了解客户偏好、网站上的热门页面、客户浏览时长、客户反馈以及与网站表单的交互等隐藏信息,并高效响应客户需求,提高客户满意度。

数据分析消除了市场营销、产品开发、内容创建和客户服务中的猜测,能够支持公司通过分析实时数据做出更精准的推测,并根据实时反馈进行改进。

数据分析还可提供有关营销活动执行情况的见解,让企业可以根据实时分析调整目标群体、消息内容和创意,从而优化市场营销,提高转化率并减少广告浪费。

数据分析可以帮助公司简化流程,减少损失并增加收入。例如预测性维护计划、经优化的工作小组和高效的供应链管理可以指数级提高业务绩效。

组织可使用数据分析来确定产品开发的新功能,并确定新功能的优先级;同时通过分析客户需求,还能在更短的时间内提供更多功能,并更快地推出新产品。

通用参考架构

使用 Amazon Athena 实现即时查询

01  爬网程序通过扫描数据湖及关系型数据库来填充 Glue 数据目录

02  数据目录作为元数据供数据平台使用

03  Lake Formation 能够实现对编目数据表的精细化访问控制

04  数据目录作为元数据供数据平台使用

05  Athena 可以在不移动数据的情况下通过数据目录访问外表

06  Quicksight 中的报表开发人员可在 Athena 运行一个复杂查询,将数据保存至 SPICE 供后续快速访问

07  可以通过 Athena 数据及在 QuickSight 中创建报表大屏

即时查询

使用 Amazon Athena、Amazon Redshift 同时查询数据湖和数据仓库

01  业务数据存储在 Reshift,原始数据、时间数据存储在数据湖

02  爬网程序通过扫描数据湖及关系型数据库来填充 Glue 据目录

03  Lake Formation 能够实现对编目数据表的精细化访问控制

04  Athena 可以在不移动数据的情况下通过数据目录访问外表

05  QuickSight 中的报表开发人员可组合 Athena 及 Redshift 中的数据,保存至 SPICE 供后续快速访问

06  在数据移动量最小的情况下在 QuickSight 中创建报表大屏

数据湖和数据仓库同步查询

加载数据至数据仓库

01  将数据下载并存放至 S3

02  通过调度作业清洗并转换数据

03  通过关系型及非关系型数据集填充数据

04  方式加载数据至数仓

05  运行每日报表

加载数据至数据仓库

批处理

01  各种数据源的数据均可通过工具导出至 AmazonS3 集中存储

02  通过 Amazon Lambda 按照需要将 S3 中的数据处理任务分批提交至数据聚合及加载层

03  通过使用 Amazon EMR/Glue 执行数据聚合任务,并将结果加载至 Redshift。

批处理

流式处理

01  流式数据通过 SDK 等方式推送至 Amazon Kinesis 数据流

02  Kinesis Data Analytics 提供 Apache Flink 运行环境,从 Kinesis Data Streams 读取数据处理后推送至 Kinesis Data Firehose,然后再将数据最终存储至 S3。

03  Athena 通过 SQL 的方式直接查询存储至 S3 的数据

04  Amazon QuickSight 连接至 Athena 之后可对查询结果进行便捷的可视化

流式处理

亚马逊云科技 Marketplace 解决方案

客户案例