Questa guida illustra le opzioni dell'architettura per la creazione di un hub di dati operativo della catena di approvvigionamento. L'hub acquisisce dati da migliaia di origini diverse, tra cui quelle interne sulla pianificazione e sull'esecuzione ed esterne sul tracciamento delle spedizioni. L'hub genera quindi un'unica visualizzazione armonizzata dei dati. La visibilità dei dati provenienti da vari sistemi aziendali e di esecuzione può essere utilizzata per la pianificazione in tempo reale relativa alle previsioni della domanda, all'inventario e all'approvvigionamento. L'hub di dati aiuta le organizzazioni della catena di approvvigionamento a prendere decisioni basate sui dati che migliorano i tempi di consegna e aumentano la soddisfazione dei clienti.
Diagramma dell'architettura
Fase 1
I dati della catena di approvvigionamento vengono raccolti da più origini dati in tutta l'azienda, tra cui applicazioni Software as a Service (SaaS) per la pianificazione delle risorse aziendali (ERP) e la gestione delle relazioni con i clienti (CRM), dispositivi edge dell'area di vendita, log, contenuti multimediali in streaming e social media.
Fase 2
In base al tipo di origine dati, AWS Database Migration Service (AWS DMS), AWS DataSync, Amazon Kinesis, Streaming gestito da Amazon per Apache Kafka (Amazon MSK), AWS IoT Core e Amazon AppFlow importano i dati nel data lake della catena di approvvigionamento ospitata su AWS.
Fase 3
Scambio dati su AWS integra dati di terze parti che possono essere utili per prevedere l'ora di arrivo della spedizione (come i dati meteorologici) nel data lake della catena di approvvigionamento.
Fase 4
AWS Lake Formation aiuta a creare il data lake scalabile della catena di approvvigionamento.
Fase 5
Amazon Simple Storage Service (Amazon S3) è la base per l'archiviazione dei data lake nella catena di approvvigionamento.
Fase 6
AWS Glue estrae, trasforma, cataloga e importa i dati in più datastore come i sistemi ERP, di pianificazione e della visibilità delle spedizioni.
Fase 7
Amazon Athena è un servizio di query interattivo serverless che analizza i dati in Amazon S3 tramite SQL standard.
Fase 8
Amazon QuickSight fornisce pannelli di controllo che aiutano i pianificatori ad analizzare i dati sulla pianificazione della catena di approvvigionamento, l'esecuzione e lo stato delle spedizioni in tempo reale per prendere decisioni aziendali ponderate.
Fase 9
Amazon Redshift, un data warehouse cloud, analizza dati strutturati e semistrutturati.
Fase 10
Amazon EMR fornisce la piattaforma di big data nativa per il cloud che consente di elaborare grandi quantità di dati tramite strumenti open source.
Fase 11
Amazon SageMaker crea, addestra e implementa modelli di machine learning e i servizi di intelligenza artificiale di AWS aggiungono intelligenza alle applicazioni della catena di approvvigionamento.
Fase 12
Il database a grafo Amazon Neptune ottimizza le query di rete per garantire velocità e precisione.
Fase 1
I dati della catena di approvvigionamento vengono raccolti da più origini dati in tutta l'azienda, tra cui applicazioni Software as a Service (SaaS) per la pianificazione delle risorse aziendali (ERP) e la gestione delle relazioni con i clienti (CRM), dispositivi edge dell'area di vendita, log, contenuti multimediali in streaming e social media.
Fase 2
In base al tipo di origine dati, AWS Database Migration Service (AWS DMS), AWS DataSync, Amazon Kinesis, Streaming gestito da Amazon per Apache Kafka (Amazon MSK), AWS IoT Core e Amazon AppFlow importano i dati nel data lake della catena di approvvigionamento ospitata su AWS.
Fase 3
Scambio dati su AWS integra dati di terze parti che possono essere utili per prevedere l'ora di arrivo della spedizione (come i dati meteorologici) nel data lake della catena di approvvigionamento.
Fase 4
AWS Lake Formation aiuta a creare il data lake scalabile della catena di approvvigionamento.
Fase 5
Amazon Simple Storage Service (Amazon S3) è la base per l'archiviazione dei data lake nella catena di approvvigionamento.
Fase 6
AWS Glue estrae, trasforma, cataloga e importa i dati in più datastore come i sistemi ERP, di pianificazione e della visibilità delle spedizioni.
Fase 7
Amazon Athena è un servizio di query interattivo serverless che analizza i dati in Amazon S3 tramite SQL standard.
Fase 8
Amazon QuickSight fornisce pannelli di controllo che aiutano i pianificatori ad analizzare i dati sulla pianificazione della catena di approvvigionamento, l'esecuzione e lo stato delle spedizioni in tempo reale per prendere decisioni aziendali ponderate.
Fase 9
Amazon Redshift, un data warehouse cloud, analizza dati strutturati e semistrutturati.
Fase 10
Amazon EMR fornisce la piattaforma di big data nativa per il cloud che consente di elaborare grandi quantità di dati tramite strumenti open source.
Fase 11
Amazon SageMaker crea, addestra e implementa modelli di machine learning e i servizi di intelligenza artificiale di AWS aggiungono intelligenza alle applicazioni della catena di approvvigionamento.
Fase 12
Il database a grafo Amazon Neptune ottimizza le query di rete per garantire velocità e precisione.
Principi di Well-Architected
Il framework AWS Well-Architected consente di valutare i pro e i contro delle decisioni prese durante il processo di creazione di sistemi nel cloud. I sei principi del framework consentono di apprendere le best practice architetturali per la progettazione e il funzionamento di sistemi affidabili, sicuri, efficienti, convenienti e sostenibili. Grazie allo strumento AWS Well-Architected, disponibile gratuitamente nella Console di gestione AWS, puoi rivedere i tuoi carichi di lavoro rispetto a queste best practice rispondendo a una serie di domande per ciascun principio.
Il diagramma dell'architettura sopra riportato è un esempio di una soluzione creata tenendo conto delle best practice Well-Architected. Per essere completamente Well-Architected, dovresti seguire il maggior numero possibile di best practice.
-
Eccellenza operativaLeggi il whitepaper sull'eccellenza operativa
Questa guida viene implementata con l'Infrastruttura come codice (IaC), un principio DevOps che aiuta a mantenere l'infrastruttura attraverso processi ripetibili e affidabili. Le parti interessate della catena di approvvigionamento, inclusi i team aziendali, di sviluppo e operativi, dovrebbero allinearsi su una strategia IaC.
-
SicurezzaLeggi il whitepaper sulla sicurezza
DataSync utilizza l'accesso multi-account per delegare l'accesso a dati e risorse tra diversi account AWS. QuickSight utilizza un controllo granulare degli accessi per proteggere l'accesso ai pannelli di controllo.
-
AffidabilitàLeggi il whitepaper sull'affidabilità
Servizi come Amazon S3, AWS Glue, DataSync, Athena e QuickSight sono altamente disponibili e consentono di dimensionare i carichi di lavoro in base alla domanda.
-
Efficienza delle prestazioniLeggi il whitepaper sull'efficienza delle prestazioni
Le tecnologie serverless in questa architettura consentono di fornire le risorse necessarie in qualsiasi momento.
-
Ottimizzazione dei costiLeggi il whitepaper sull'ottimizzazione dei costi
I servizi di questa architettura possono essere dimensionati automaticamente per soddisfare la domanda, quindi paghi solo per le risorse consumate senza un provisioning eccessivo o insufficiente.
-
SostenibilitàLeggi il whitepaper sulla sostenibilità
I servizi di questa architettura sono serverless e scalabili e ottimizzano il consumo di risorse di back-end per ridurre l'impatto ambientale.
Avvertenza
Il codice di esempio, le librerie software, gli strumenti della linea di comando, le proof of concept, i modelli e le altre tecnologie correlate (comprese tutte le tecnologie di cui sopra fornite dal nostro personale) vengono forniti all'utente sotto forma di contenuto AWS ai sensi dell'Accordo cliente AWS o del relativo accordo scritto stipulato tra l'utente e AWS (a seconda dei casi). Non bisogna utilizzare il contenuto AWS in questione negli account di produzione o sui dati di produzione o altri dati fondamentali. L'utente è responsabile dei test, della sicurezza e dell'ottimizzazione del contenuto AWS, come il codice di esempio, in modo appropriato per l'utilizzo in produzione sulla base delle pratiche e degli standard di qualità specifici. L'implementazione del contenuto AWS può comportare costi AWS per la creazione o l'utilizzo di risorse AWS addebitabili, quali le istanze Amazon EC2 in esecuzione o l'archiviazione Amazon S3.