Analysen in AWS

Der schnellster Weg, Antworten von all Ihren Daten an alle Ihre Benutzer zu schicken
AWS bietet die breiteste Auswahl an Analytik-Services, die all Ihre Datenanalytik-Bedürfnisse erfüllen und ermöglicht es damit Organisationen aller Größen und Branchen, ihr Geschäft mit Daten neu zu erfinden. Von Datenverschiebung, Datenspeicherung, Data Lakes, Big-Data-Analysen, Protokollanalysen, Streaming-Analysen und Machine Learning (ML) bis hin zu allem dazwischen bietet AWS speziell entwickelte Services, die das beste Preis-Leistungs-Verhältnis, die beste Skalierbarkeit und die niedrigsten Kosten bieten.
Skalierbare Data Lakes
AWS-gestützte Data Lakes, die durch die unübertroffene Verfügbarkeit von Amazon S3 unterstützt werden, können die Skalierung, Agilität und Flexibilität bieten, die für die Kombination verschiedener Daten- und Analytikansätze erforderlich sind. Erstellen und speichern Sie Ihre Data Lakes auf AWS, um tiefere Einblicke zu gewinnen, als dies mit herkömmlichen Datensilos und Data Warehouses möglich ist.
Speziell entwickelte Services für Leistung und Kosten
AWS-Analytik-Services wurden speziell dafür entwickelt, Ihnen dabei zu helfen, mit dem am besten geeigneten Tool schnell Erkenntnisse aus den Daten zu gewinnen. Außerdem wurden die Tools optimiert, um Ihnen das beste Preis-Leistungsverhältnis und die bestmögliche Skalierung für Ihre Anforderungen zu bieten.
AWS-Analytik – Moderne Datenstrategie (2:15)
Serverless und benutzerfreundlich
AWS bietet die meisten Serverless-Optionen für Datenanalysen in der Cloud, einschließlich Optionen für Data Warehousing, Big-Data-Analysen, Echtzeitdaten, Datenintegration und mehr. Wir verwalten die zugrunde liegende Infrastruktur, damit Sie sich ausschließlich auf Ihre Anwendung konzentrieren können.
Einheitlicher Datenzugriff, Sicherheit und Governance
Bei AWS bietet die Integration von ML als fester Bestandteil unserer speziell entwickelten Analytik-Services. Mit Amazon SageMaker – einem vollständig verwalteten Service, der in einer integrierten Umgebung alle Tools für jeden Schritt im ML-Entwicklungszyklus bietet – können Sie ML-Modelle schnell erstellen, trainieren und bereitstellen.
Integration von Machine Learning (ML)
als Teil unserer speziell entwickelten Analyse-Services. Sie können ML-Modelle mit vertrauten SQL-Befehlen ohne vorherige Erfahrung mit Machine Learning entwickeln, trainieren und bereitstellen.

200 000+

Data Lakes werden in AWS ausgeführt

3X

schneller mit Amazon EMR als eine Standard-Apache-Spark

3X

besseres Preis-Leistungsverhältnis als andere cloudbasierte Data Warehouses

70 %

Ersparnisse bei Speicherkosten für Daten in Data Lakes

3 PB

der Datenspeicherung in einem einzigen Cluster mit Amazon OpenSearch Service (Nachfolger von Amazon Elasticsearch Service)

AWS-Analytik-Services

Data Warehousing, interaktive Analytik, Big Data-Verarbeitung, betriebliche Analytik, Dashboards und Visualisierungen

Datenübermittlung in Echtzeit

Data Lake: Objektspeicherung, Sicherung und Archivierung, Datenkatalog und Daten von Dritten

Plattform-Services, Frameworks und Schnittstellen

AWS-Analytik-Services

Kategorie Anwendungsfälle AWS-Service
Analytik Interaktive Analytik Amazon Athena
Verarbeitung von Big Data Amazon EMR
Data-Warehousing Amazon Redshift
Echtzeitanalysen Amazon Kinesis Data Analytics
Betriebsanalysen Amazon OpenSearch Service (Nachfolger von Amazon Elasticsearch Service)
Dashboards und Visualisierungen Amazon QuickSight
Visuelle Datenaufbereitung Amazon Glue DataBrew
Datenübermittlung Datenübermittlung in Echtzeit Amazon Managed Streaming for Apache Kafka (Amazon MSK) | Amazon Kinesis Data Streams | Amazon Kinesis Data Firehose | Amazon Kinesis Video Streams | AWS Glue
Data Lake Objektspeicher Amazon S3 | AWS Lake Formation
Backup und Archiv Amazon S3 Glacier | AWS Backup
Datenkatalog
AWS Glue | AWS Lake Formation
Drittanbieterdaten AWS Data Exchange
Prognostische Analyse und Machine Learning Frameworks und Schnittstellen AWS Deep Learning-AMIs
Plattform-Services Amazon SageMaker

Anwendungsfälle

  • Analytik und Data Warehousing
  • Datenübermittlung
  • Data Lake
  • Prognostische Analyse und Machine Learning

Kunden

  • data_sol_page_customer_logo_moderna
  • data_sol_page_customer_logo_invista
  • data_sol_page_customer_logo_intuit
  • data_sol_page_customer_logo_pinterest
  • Moderna
  • Moderna-Fallstudie
    BMW-Gruppe

    Moderna führt all seine SAP S/4HANA-Workloads auf AWS durch, einschließlich Herstellung, Buchhaltung und Lagerverwaltung. Dadurch kann das Unternehmen bessere Effizienz und Sichtbarkeit in all seinen Betriebstätigkeiten erreichen. Moderna verwendet Amazon Redshift als zentrales Repository für alle Daten aus, die es erfasst und sichert die Daten in S3.

    Fallstudie lesen 
  • Invista
  • Invista-Fallstudie
    Nielsen

    INVISTA migrierte von isolierten Daten zu einem Data Lake auf AWS - und baute dadurch eine moderne Datenarchitektur mit AWS-Analytik-Services auf, um das Potenzial des digitalen Werks freizusetzen, Daten zum Entfernen von manuellen Prozessen zu nutzen und um ihre Herstellungs-Workstreams zu transformieren. Das Unternehmen sparte mehr als 2 Millionen USD pro Jahr und schaffte einen Wert von 300 Millionen USD von unternehmensweiten Daten.

    Fallstudie lesen 
  • Intuit
  • Intuit-Kundenvideo
    data_sol_page_customer_logo_intuit

    Intuit migrierte zu einer Lösung basierend auf Amazon Redshift. Die Lösung skaliert das Siebenfache des Datenvolumens mit ohne Aufwand und liefert das Zwanzigfache der Leistung. Das führte zu einem Zeitersparnis um 90 Prozent bei der Schaffung des Überblicks und eine Senkung der Kosten um 66 Prozent.

    Video ansehen 
  • Pinterest
  • Pinterest-Fallstudie
    data_sol_page_customer_logo_pinterest

    Pinterest skalierte die tägliche Protokollsuche und -analytik auf 1,7 TB und senkte die Kosten um 30 % durch Übergang zur verwalteten Analytik mit Amazon Elasticsearch Service. Dadurch konnte das Unternehmen seine Protokollanalyse-Fähigkeiten skalieren und betriebliche Entlastung senken, Sicherheit verbessern und Kosten sparen.

    Fallstudie lesen 
JD-Power_Logo_@1x

"Wir haben uns einen 120 TB großen Data Lake in Amazon S3 mit 1500 verschiedenen Schemata aufgebaut. Dafür kommen bei uns die AWS-Analyseservices wie Glue, Redshift und Athena regelmäßig zum Einsatz. All diese Erkenntnisse hätten wir nicht durch isolierte Datenbanken oder Warehouses gewinnen können – dafür brauchten wir einen Data Lake im Stil von S3."

– Bernardo Rodriguez
Chief Digital Officer, J.D. Power

Erste Schritte

AWS Data Driven Everything-Programm

AWS Data-Driven Everything
Im AWS-Data-Driven-EVERYTHING (D2E)-Programm bildet AWS eine Partnerschaft mit unseren Kunden, um schneller und präziser um mit einem viel ehrgeizigeren Umfang voranzuschreiten, damit Ihr eigenes Daten-Schwungrad in die Gänge kommt.

Weitere Informationen »

AWS Data Lab

AWS Data Lab
Das AWS Data Lab bietet beschleunigte, gemeinsame Eingineering-Engagements zwischen Kunden und technischen Ressourcen von AWS, um greifbare Ergebnisse zu erzielen, die die Modernisierung von Daten- und Analyse-Initiativen vorantreiben.

Weitere Informationen »

AWS-Analytik & Big Data-Referenzarchitektur

AWS-Analytik und Big Data-Referenzarchitektur
Erfahren Sie mehr über bewährte Methoden für Architektur für Cloud-Datenanalyse, Data Warehousing und Datenverwaltung auf AWS.

Weitere Informationen »