Arsitektur Data Modern di AWS

Integrasikan danau data, gudang data, dan penyimpanan data Anda yang dibuat khusus dengan mudah

Arsitektur data modern — cara kerjanya

Arsitektur data modern mendukung ide menggunakan pendekatan satu ukuran untuk semua untuk analitik yang pada akhirnya mengarah ke kompromi. Ini bukan hanya tentang mengintegrasikan danau data dengan gudang data, tetapi tentang mengintegrasikan danau data, gudang data, dan penyimpanan yang dibuat khusus, memungkinkan tata kelola terpadu, dan perpindahan data yang mudah. Dengan arsitektur data modern di AWS, pelanggan dapat dengan cepat membangun danau data yang dapat diskalakan, menggunakan kumpulan layanan data yang dibuat khusus yang luas dan mendalam, memastikan kepatuhan melalui akses data terpadu, keamanan, dan tata kelola, menskalakan performa, dan dengan mudah berbagi data di seluruh batas organisasi, memungkinkan mereka untuk membuat keputusan dengan kecepatan dan ketangkasan dalam skala besar.

Cara kerjanya - Arsitektur Data Modern

Alasan Anda memerlukan arsitektur data modern

Volume data meningkat dengan kecepatan yang belum pernah terjadi sebelumnya, meningkat dari terabita ke petabita, dan terkadang eksabita. Pendekatan analitik data on-premise tradisional tidak dapat menangani volume data ini karena pendekatan ini tidak menskalakan dengan cukup baik dan terlalu mahal. Banyak perusahaan mengambil semua datanya dari berbagai silo dan menggabungkan semua data tersebut dalam satu lokasi, yang banyak disebut dengan danau data, untuk melakukan analitik dan ML langsung selain data tersebut. Di lain waktu, perusahaan yang sama ini menyimpan data lain di penyimpanan data yang dibuat khusus untuk menganalisis dan mendapatkan wawasan cepat dari data terstruktur dan tidak terstruktur. Perpindahan data ini dapat dari “dalam-luar”, “luar-dalam”, “di sekitar perimeter”, atau “berbagi”, karena data memiliki gravitasi.

  • Dalam-luar
  • Luar-dalam
  • Di sekitar perimeter
  • Berbagi
  • Gravitasi data
  • Dalam-luar
  • Perpindahan data dalam-luar

    Pelanggan menyimpan data di danau data dan memindahkan bagian dari data ke penyimpanan data yang dibuat khusus untuk melakukan machine learning atau analitik tambahan.

    Misalnya: Data aliran klik dari aplikasi web dapat dikumpulkan secara langsung di danau data, dan sebagian dari data tersebut dapat dipindahkan ke gudang data untuk pelaporan harian. Kami menganggap konsep ini sebagai perpindahan data dalam-luar

    Perpindahan data dalam-luar
  • Luar-dalam
  • Perpindahan data luar-dalam

    Pelanggan menyimpan data di penyimpanan data yang dibuat khusus seperti gudang data atau basis data dan memindahkan data tersebut ke danau data untuk menjalankan analisis pada data tersebut. 

    Contoh: Pelanggan menyalin hasil kueri penjualan produk pada wilayah yang ditentukan dari gudang data mereka ke danau data mereka untuk menjalankan algoritme rekomendasi terhadap set data yang lebih besar menggunakan ML.

    Perpindahan data luar-dalam
  • Di sekitar perimeter
  • Perpindahan data di sekitar perimeter

    Integrasikan dengan mudah danau data, gudang data, dan penyimpanan data Anda yang dibuat khusus. 

    Contoh: Pelanggan dapat menyalin data katalog produk yang disimpan di basis data mereka ke layanan pencarian mereka untuk mempermudah pencarian melalui katalog produk dan memindahkan beban kueri pencarian dari basis data.

    Perpindahan data luar-dalam
  • Berbagi
  • Perpindahan data berbagi

    Pelanggan menggunakan arsitektur data modern untuk memfasilitasi tata kelola dan berbagi data di seluruh batas tata kelola logis atau fisik untuk menciptakan Domain Data yang selaras dengan lini bisnis.

    Perpindahan data berbagi
  • Gravitasi data
  • Gravitasi data

    Dengan data di danau data dan penyimpanan yang dibuat khusus yang terus berkembang, akan menjadi lebih sulit untuk memindahkan semua data ini karena data memiliki gravitasi. Hal ini sama pentingnya untuk memastikan bahwa data dapat dengan mudah diperoleh di mana pun dibutuhkan, dengan kontrol yang tepat, untuk memungkinkan analisis dan wawasan.

    Gravitasi data

Pilar arsitektur data modern

Organisasi mengambil data mereka dari berbagai silo dan menggabungkan semua data tersebut dalam satu lokasi untuk melakukan analitik dan machine learning selain data tersebut. Untuk mendapatkan nilai yang maksimal, mereka perlu memanfaatkan arsitektur data modern yang memungkinkan mereka memindahkan data antara danau data dan penyimpanan data yang dibuat khusus dengan mudah. Cara perancangan modern ini memerlukan:

Lebih banyak pelanggan yang memanfaatkan arsitektur data modern di AWS dibandingkan di tempat lain

  • lake_house_customers_logo_bmw
  • lake_house_customers_logo_nielsen
  • lake_house_customers_logo_engie
  • BMW Group
  • BMW Group
    BMW Group

    Untuk mempercepat inovasi dan mendemokratisasi penggunaan data dalam skala besar, BMW Group memigrasikan danau data on-premise mereka ke tempat didukung oleh Amazon S3. BMW kini memproses TB data telemetri dari jutaan kendaraan setiap hari dan menyelesaikan masalah sebelum berdampak pada pelanggan.

    Baca studi kasus 
  • Nielsen
  • Nielsen
    Nielsen

    Nielsen, perusahaan pengukuran dan analitik global, secara drastis meningkatkan jumlah data yang dapat diserap, diproses, dan melaporkannya ke klien setiap hari dengan memanfaatkan teknologi cloud modern. Perusahaan ini mencatat peningkatan pengukuran dari 40.000 rumah tangga per hari hingga kini lebih dari 30 juta.

    Baca studi kasus 
  • Engie
  • Engie
    lake_house_customers_logo_engie

    ENGIE adalah salah satu perusahaan utilitas terbesar di Prancis dengan 160.000 karyawan dan 40 unit bisnis yang beroperasi di 70 negara. Danau data Common Data Hub mereka yang hampir 100 TB telah menggunakan layanan AWS untuk memenuhi kebutuhan bisnis dalam ilmu data, pemasaran, dan operasi.

    Baca studi kasus 

Partner

Pelajari cara Partner kami membantu organisasi membangun arsitektur data modern di AWS.

Cloudera

Cloudera

Menjalankan Cloudera Enterprise di AWS menyediakan platform manajemen data kepada IT dan pengguna bisnis yang dapat bertindak sebagai landasan untuk pemrosesan dan analitik data modern.

Pelajari selengkapnya »

Informatica Cloud

Informatica Cloud

Informatica Cloud menyediakan pengoptimalan integrasi ke layanan data AWS dengan konektivitas native ke lebih dari 100 aplikasi.

Pelajari selengkapnya »

Dataguise

Dataguise

Dataguise adalah pemimpin dalam pelaksanaan bisnis yang aman, memberikan solusi keamanan yang berpusat pada data, yang mendeteksi dan melindungi data sensitif perusahaan—di mana pun data berada atau siapa pun yang perlu memanfaatkannya.

Pelajari selengkapnya »

Orkestrasi Data Alluxio

Orkestrasi Data Alluxio

Orkestrasi Data Alluxio memungkinkan pelanggan memanfaatkan berbagai layanan AWS penting dengan lebih baik, seperti EMR dan S3 untuk beban kerja Analitik dan AI.

Pelajari selengkapnya »

Memulai

Program AWS Data Driven Everything

AWS Data-Driven Everything
Dalam program AWS Data-Driven EVERYTHING (D2E), AWS akan bermitra dengan para pelanggan kami untuk bergerak lebih cepat, dengan presisi lebih tinggi, dan cakupan yang jauh lebih ambisius untuk memulai data flywheel Anda sendiri.

Pelajari selengkapnya »

AWS data lab

AWS Data Lab
AWS Data Lab menawarkan keterlibatan rekayasa bersama yang dipercepat antara pelanggan dan sumber daya teknis AWS untuk memberikan hasil nyata yang mempercepat inisiatif modernisasi data dan analitik.

Pelajari selengkapnya »

Analitik AWS & arsitektur referensi big data

Analitik AWS & arsitektur referensi big data
Pelajari praktik arsitektur terbaik untuk analisis data cloud, pergudangan data, dan manajemen data di AWS.

Pelajari selengkapnya »