Panduan ini menunjukkan opsi arsitektur untuk membangun hub data operasional rantai pasokan. Hub menyerap data dari ribuan sumber yang berbeda, termasuk sumber internal tentang perencanaan dan pelaksanaan serta sumber eksternal tentang pelacakan pengiriman. Hub kemudian menghasilkan tampilan data tunggal yang harmonis. Visibilitas ke dalam data dari berbagai korporasi dan sistem pelaksanaan dapat digunakan untuk perencanaan secara waktu nyata seputar prakiraan permintaan, inventaris, dan pengadaan. Hub data membantu organisasi rantai pasokan membuat keputusan yang didorong data yang meningkatkan waktu pengiriman dan meningkatkan kepuasan pelanggan.
Diagram Arsitektur
Langkah 1
Data rantai pasokan dikumpulkan dari berbagai sumber data di seluruh korporasi, termasuk perencanaan sumber daya korporasi (ERP) dan aplikasi perangkat lunak sebagai layanan (SaaS) manajemen hubungan pelanggan (CRM), pembuatan perangkat edge lantai toko, log, media streaming, dan media sosial.
Langkah 2
Berdasarkan jenis sumber data, AWS Database Migration Service (AWS DMS), AWS DataSync, Amazon Kinesis, Amazon Managed Streaming for Apache Kafka (Amazon MSK), AWS IoT Core, dan Amazon AppFlow menyerap data ke dalam danau data rantai pasokan yang di-host di AWS.
Langkah 3
AWS Data Exchange mengintegrasikan data pihak ketiga yang mungkin berguna dalam memprediksi perkiraan waktu kedatangan pengiriman (seperti data cuaca) ke dalam danau data rantai pasokan.
Langkah 4
AWS Lake Formation membantu membangun danau data rantai pasokan yang dapat diskalakan.
Langkah 5
Amazon Simple Storage Service (Amazon S3) adalah fondasi untuk penyimpanan danau data rantai pasokan.
Langkah 6
AWS Glue mengekstraksi, mentransformasi, mengatalogkan, dan menyerap data di beberapa penyimpanan data, seperti ERP, perencanaan, dan sistem visibilitas pengiriman.
Langkah 7
Amazon Athena adalah layanan kueri interaktif nirserver yang menganalisis data di Amazon S3 menggunakan SQL standar.
Langkah 8
Amazon QuickSight menyediakan dasbor yang membantu perencana menganalisis data tentang perencanaan rantai pasokan, pelaksanaan, dan status pengiriman waktu nyata untuk membuat keputusan bisnis yang tepat.
Langkah 9
Amazon Redshift, sebuah gudang data cloud, menganalisis data terstruktur dan semiterstruktur.
Langkah 10
Amazon EMR menyediakan platform big data cloud untuk memproses sejumlah besar data menggunakan alat sumber terbuka.
Langkah 11
Amazon SageMaker membangun, melatih, dan melakukan deployment model ML, dan layanan AWS AI menambahkan kecerdasan ke aplikasi rantai pasokan.
Langkah 12
Basis data grafik Amazon Neptune mengoptimalkan kueri jaringan untuk kecepatan dan akurasi.
Langkah 1
Data rantai pasokan dikumpulkan dari berbagai sumber data di seluruh korporasi, termasuk perencanaan sumber daya korporasi (ERP) dan aplikasi perangkat lunak sebagai layanan (SaaS) manajemen hubungan pelanggan (CRM), pembuatan perangkat edge lantai toko, log, media streaming, dan media sosial.
Langkah 2
Berdasarkan jenis sumber data, AWS Database Migration Service (AWS DMS), AWS DataSync, Amazon Kinesis, Amazon Managed Streaming for Apache Kafka (Amazon MSK), AWS IoT Core, dan Amazon AppFlow menyerap data ke dalam danau data rantai pasokan yang di-host di AWS.
Langkah 3
AWS Data Exchange mengintegrasikan data pihak ketiga yang mungkin berguna dalam memprediksi perkiraan waktu kedatangan pengiriman (seperti data cuaca) ke dalam danau data rantai pasokan.
Langkah 4
AWS Lake Formation membantu membangun danau data rantai pasokan yang dapat diskalakan.
Langkah 5
Amazon Simple Storage Service (Amazon S3) adalah fondasi untuk penyimpanan danau data rantai pasokan.
Langkah 6
AWS Glue mengekstraksi, mentransformasi, mengatalogkan, dan menyerap data di beberapa penyimpanan data, seperti ERP, perencanaan, dan sistem visibilitas pengiriman.
Langkah 7
Amazon Athena adalah layanan kueri interaktif nirserver yang menganalisis data di Amazon S3 menggunakan SQL standar.
Langkah 8
Amazon QuickSight menyediakan dasbor yang membantu perencana menganalisis data tentang perencanaan rantai pasokan, pelaksanaan, dan status pengiriman waktu nyata untuk membuat keputusan bisnis yang tepat.
Langkah 9
Amazon Redshift, sebuah gudang data cloud, menganalisis data terstruktur dan semiterstruktur.
Langkah 10
Amazon EMR menyediakan platform big data cloud untuk memproses sejumlah besar data menggunakan alat sumber terbuka.
Langkah 11
Amazon SageMaker membangun, melatih, dan melakukan deployment model ML, dan layanan AWS AI menambahkan kecerdasan ke aplikasi rantai pasokan.
Langkah 12
Basis data grafik Amazon Neptune mengoptimalkan kueri jaringan untuk kecepatan dan akurasi.
Pilar Well-Architected
Kerangka Kerja AWS Well-Architected membantu Anda memahami pro dan kontra dari keputusan yang Anda buat saat membangun sistem di cloud. Enam pilar dari Kerangka Kerja ini memungkinkan Anda mempelajari praktik terbaik arsitektur untuk merancang dan mengoperasikan sistem yang andal, aman, efisien, hemat biaya, dan berkelanjutan. Dengan menggunakan Alat AWS Well-Architected, yang tersedia secara gratis di Konsol Manajemen AWS, Anda dapat meninjau beban kerja Anda terhadap praktik terbaik ini dengan menjawab serangkaian pertanyaan untuk setiap pilar.
Diagram arsitektur di atas adalah contoh Solusi yang dibuat dengan mempertimbangkan praktik terbaik Well-Architected. Untuk menjadi Well-Architected sepenuhnya, Anda harus mengikuti praktik terbaik Well-Architected sebanyak mungkin.
-
Keunggulan OperasionalBaca laporan resmi Keunggulan Operasional
Panduan ini di-deploy dengan infrastruktur sebagai kode (IaC), suatu prinsip DevOps yang membantu Anda memelihara infrastruktur melalui proses yang berulang dan andal. Pemangku kepentingan rantai pasokan, termasuk tim bisnis, pengembangan, dan operasi, harus menyelaraskan strategi IaC.
-
KeamananBaca laporan resmi Keamanan
DataSync menggunakan akses lintas akun untuk mendelegasikan akses ke data dan sumber daya di berbagai akun AWS. QuickSight menggunakan kontrol akses terperinci untuk mengamankan akses ke dasbor.
-
KeandalanBaca laporan resmi Keandalan
Layanan seperti Amazon S3, AWS Glue, DataSync, Athena, dan QuickSight sangat tersedia, yang memungkinkan Anda untuk menskalakan beban kerja berdasarkan permintaan.
-
Efisiensi PerformaBaca laporan resmi Efisiensi Performa
Teknologi nirserver dalam arsitektur ini memungkinkan Anda menyediakan sumber daya yang tepat yang dibutuhkan pada waktu tertentu.
-
Optimisasi BiayaBaca laporan resmi Optimisasi Biaya
Layanan dalam arsitektur ini dapat secara otomatis menyesuaikan skalanya untuk memenuhi permintaan, sehingga Anda hanya membayar sumber daya yang dikonsumsi tanpa kekurangan atau kelebihan penyediaan.
-
KeberlanjutanBaca laporan resmi Keberlanjutan
Layanan dalam arsitektur ini bersifat nirserver dan dapat diskalakan, yang mengoptimalkan konsumsi sumber daya backend untuk mengurangi dampak lingkungan.
Penafian
Kode sampel; pustaka perangkat lunak; alat baris perintah; bukti konsep; templat; atau teknologi terkait lainnya (termasuk yang sebelumnya disediakan oleh personel kami) disediakan untuk Anda sebagai Konten AWS berdasarkan Perjanjian Pelanggan AWS, atau perjanjian tertulis yang relevan antara Anda dan AWS (mana saja yang berlaku). Anda tidak boleh menggunakan Konten AWS ini di akun produksi Anda, atau pada produksi atau data penting lainnya. Anda bertanggung jawab untuk menguji, mengamankan, dan mengoptimalkan Konten AWS, seperti kode sampel, yang sesuai untuk penggunaan tingkat produksi berdasarkan praktik dan standar kontrol kualitas spesifik Anda. Melakukan deployment Konten AWS dapat dikenakan biaya AWS untuk membuat atau menggunakan sumber daya AWS berbayar, seperti menjalankan instans Amazon EC2 atau menggunakan penyimpanan Amazon S3.