AWS Entity Resolution bietet Unterstützung für inkrementelle Abgleich-Workflows, die auf Machine Learning basieren
AWS Entity Resolution unterstützt ab sofort Machine Learning (ML)-basierte inkrementelle Abgleich-Workflows. Die Funktion ist allgemein verfügbar. Sie wird die Art und Weise, wie Unternehmen die Entitätsauflösung im großen Maßstab erledigen, grundlegend verändern. Bisher mussten Kunden für das Hinzufügen auch nur eines einzigen neuen Datensatzes ihren gesamten Datensatz erneut verarbeiten, was bis zu 2 Tage dauern und Tausende von Euro kosten konnte. Dies führte zu einem kritischen Engpass, der große Unternehmen dazu zwang, nach kostspieligen Problemumgehungen oder alternativen Lösungen zu suchen.
Mit dieser Erweiterung ermöglicht AWS Entity Resolution Unternehmen, nur die neuen Datensätze zu verarbeiten, die seit ihrer letzten Workflow-Ausführung hinzugefügt wurden. Dieser Launch bietet eine enorme Effizienzsteigerung: Die Verarbeitung von 1 Million inkrementellen Datensätzen in weniger als einer Stunde, was eine Verkürzung der Verarbeitungszeit um 95 % im Vergleich zu aktuellen Workloads bedeutet und gleichzeitig die Infrastrukturkosten erheblich senkt. Die Funktion unterstützt inkrementelle Workloads von bis zu 50 Millionen inkrementellen Datensätzen in Datensätzen, die bis zu 1 Milliarde historische Basisdatensätze enthalten, sodass AWS Entity Resolution für kontinuierliche, umfangreiche Unternehmens-Workloads geeignet ist, die zuvor wirtschaftlich nicht realisierbar waren.
Inkrementelle ML-Workflows sind in allen AWS-Regionen verfügbar, in denen AWS Entity Resolution verfügbar ist. Weitere Informationen zum Starten eines inkrementellen ML-Workflows finden Sie in unserem Benutzerhandbuch. Weitere Informationen zu AWS Entity Resolution finden Sie auf unserer Produktseite.