AWS Data Lab

아이디어를 가지고 오셔서 솔루션을 가지고 떠나세요.

시작할 준비가 되셨나요?

시작하려면 AWS 계정 관리자 또는 솔루션스 아키텍트에 문의하세요. AWS 계정 팀이 없는 경우에는 영업 팀에 문의해 주세요.

 

AWS Data Lab은 고객과 AWS 기술 리소스 사이에서 가속화된 합동 엔지니어링 참여를 제공하여 데이터 및 분석 현대화 이니셔티브를 가속화하는 유형의 결과물을 만들어 냅니다.

Data Lab 프로그램은 Build Lab과 Design Lab으로 구성됩니다. Build Lab은 2~5일 집중 구축 프로그램으로, 기술 고객 팀과 함께 진행됩니다. Design Lab은 1.5~2일간의 고객 참여 프로그램으로, 대상은 AWS 전문 지식 기반의 실제 아키텍처 추천이 필요하지만 아직 구축 준비가 되지 않은 고객입니다. 모든 AWS Data Lab 참여는 온라인 또는 7개의 AWS Data Lab 대면 허브(시애틀-WA, 뉴욕-NY, 헌든-VA, 런던-UK, 방갈로-IN, 상파울로-BR 및 시드니-AU) 중 한 곳에서 진행됩니다. 
 
실습 기간 동안 AWS Data Lab 솔루션스 아키텍트 및 AWS 서비스 전문가는 규범적인 아키텍처 지침을 제공하고 모범 사례를 공유하고 기술적인 장애물을 제거하여 고객을 지원합니다. 고객은 자신의 필요 사항, 프로덕션 경로, AWS 데이터베이스, 분석 및 기계 학습 서비스에 관한 심층적인 지식에 맞춘 아키텍처 또는 작업 프로토타입을 획득하고 AWS 서비스 전문가와 새롭게 관계를 형성하고 떠나게 됩니다.

작동 방식

생각의 폭 넓히기

생각의 폭 넓히기

AWS Data Lab은 고객에게 획기적인 성과를 제공하는 과감한 기술 아이디어에 집중합니다. Data Lab에 참여를 주도하며 비즈니스 사용 사례를 살펴보고 목표를 이해하도록 AWS Data Lab 솔루션스 아키텍트와 일련의 통화를 하게 될 것입니다. 이 단계에서는 혁신과 기술 간의 격차를 해소하는 데 중점을 둡니다. 다양한 분야의 전문가들로 구성된 Data Lab 솔루션스 아키텍트는 제안된 솔루션이 비즈니스 문제를 해결하고 미래 지향적으로 설계되었는지 확인합니다.

작은 규모로 시작하십시오

작은 규모로 시작하십시오

AWS Data Lab에서 각 팀은 실습을 위해 선택한 사전 정의된 사용 사례에 매우 집중할 것입니다.

Build Lab에서 귀사의 팀은 2~5일 동안 AWS 서비스 전문가와 전담 AWS Data Lab 솔루션스 아키텍트의 안내에 따라 자체 AWS 계정의 데이터로 실습을 구축합니다. 일과는 구축, 테스트, 진행 과정 검토, 반복으로 구성됩니다. 실습 마지막 날에 팀은 검증된 아키텍처와 작업 프로토타입을 프로덕션 배포를 위한 가이드로 사용하기 위해 가지고 떠날 것입니다.

Design Lab에서 팀은 반나절에서 이틀 동안 비구축 연습을 실시하고, 특정 사용 사례에 대한 아키텍처 패턴 및 반패턴 설계, 구축 모범 사례 및 설계와 제공에 대한 권장 전략에 대해 논의합니다. 팀은 설계 접근법 및 아키텍처에 대한 Data Lab의 권장 사항을 반영한 문서를 가지고 떠날 것입니다.

빠른 크기 조정

빠른 크기 조정

고객은 AWS Data Lab에 참여함으로써 프로젝트를 평균 2개월 가속화할 수 있었다고 말합니다. 고객은 이 가속화를 더욱 신속하게 아키텍처 및 운영 결정을 내리고, 일련의 날 동안 단일 프로젝트에 매우 집중하고, AWS 전문가로부터 직접 새로운 기술을 학습할 수 있는 것이 AWS Data Lab으로 인해 가능했다고 생각합니다. Data Lab 참여에 이어 팀은 프로젝트를 성공적으로 구현할 때까지 Data Lab 솔루션스 아키텍트와 계속 연락할 수 있습니다.

사용 사례 예시

데이터베이스 마이그레이션

자체 관리형에서 관리형 데이터베이스 서비스로 전환, 상용 데이터베이스에서 AWS 기반 오픈 소스 데이터베이스로 전환 또는 MySQL이나 PostgreSQL 같은 오픈 소스 엔진을 사용하여 새로운 데이터베이스 구축 등의 데이터베이스 마이그레이션 이니셔티브를 수행하는 고객은 AWS Data Lab을 자주 활용합니다. 실습에서 다루는 일반적인 활동으로는 마이그레이션 전략 정의, 데이터베이스 마이그레이션 수행, 전환 수행, 재해 복구 설정 및 장애 조치 테스트, 프로덕션 모니터링 및 관리 등이 포함됩니다. 

데이터 레이크 및 분석

AWS Data Lab은 온프레미스에서 AWS로 기존 데이터 레이크 또는 Hadoop 시스템을 마이그레이션하거나, 완전히 새로운 데이터 레이크를 구축하거나, 기존 데이터 레이크에 새로운 기능을 추가 또는 개선하는 등의 데이터 레이크 시나리오에 대해 수백명의 고객과 협력해 왔습니다. 공통 실습 활동에는 데이터 레이크 및 데이터 마이그레이션 전략 파악, 데이터의 수집, 정제, 보강 및 처리, 스키마와 메타데이터 관리, 비구조화 데이터 처리와 분석, 보고 및 시각화 기능 구축 등이 포함됩니다.

실시간 데이터 파이프라인

고객은 AWS Data Lab와 협조하여 거의 실시간 데이터 파이프라인을 설계하고 구축하는 데 집중합니다. 이러한 솔루션은 애플리케이션 통합과 데이터 사이언티스트 요구 사항부터 사용자 지정 기계 학습 모델 훈련 및 실시간 예측 실행에 이르기까지 모든 사항을 지원했습니다. 또한 많은 고객들은 실습에서 Amazon Comprehend, Amazon Textract, Amazon Transcribe, Amazon Translate 등의 AWS AI 서비스로 데이터를 보강합니다.

그래프 분석

AWS Data Lab에서 그래프 기술을 사용하여 구축하려고 하는 고객이 많아지고 있습니다. 고객이 실습에서 수행하는 두 가지 공통 사용 사례는 기본 그래프 분석 애플리케이션을 구축하여 데이터의 관계를 살펴보는 것과 확장성을 향상하고 그래프 쿼리 응답 시간을 단축하도록 기존 그래프 엔진을 Amazon Neptune으로 리플랫포밍하는 것입니다.

고객의 주요 이점

Print

검증된 설계를 기반으로 하는 강력한 솔루션

AWS Data Lab은 여러 해 동안 수백만 명의 고객이 회사를 위해 혁신적인 기술을 창조하도록 지원해 왔습니다. 의료 서비스 또는 교육 산업에 고유한 솔루션부터 미디어 및 엔터테인먼트 고객과 비영리 조직을 위한 프로토타입 설계에 이르기까지 Data Lab은 고객이 광범위한 솔루션을 설계하고 구축할 수 있도록 안내했습니다. 고객은 Data Lab에서의 작업을 통해서 필요한 혁신, 성능, 확장성 및 비용 효율성을 전달하는 것으로 오랜 시간에 걸쳐 입증된 아키텍처 결정 및 설계 패턴에 대한 전문가 지침을 받습니다.

"팀이 AWS Data Lab에서 돌아왔을 때 문제 해결과 해당 솔루션을 프로덕션에 적용하는 방법에 대한 명확한 지침을 가지고 왔습니다. 이러한 종류의 무한한 기능이 있는 솔루션을 설계할 기회가 있다면 그 기회를 잡아야 합니다. 무한한 설계죠.” Robert Hunt, Nasdaq의 소프트웨어 엔지니어링 부문 VP”

Print

AWS 서비스에 대한 심층적인 지식

고객은 AWS Data Lab에서 작업하는 동안 AWS 전문가 리소스에 직접 액세스할 수 있습니다. AWS 서비스 전문가의 참여 정도는 심층 분석, 문제 해결, 모범 사례 공유 및 AWS에서의 자신있는 설계에 필요한 답을 고객이 필요로 하는 수준에 따라 달라집니다.

"Amazon의 설계자와 직접 협력하는 것은 특히 시장 출시의 속도에 의해 좌우되는 비즈니스에서는 주된 엑셀러레이터입니다. 우리를 위해 준비된 AWS Data Lab은 구축을 지원할 준비가 되어 있었고, 며칠 후 제대로 작동하는 제품을 출시할 수 있었습니다. 당사가 출시하는 신제품은 업계의 판도를 바꾸고 있으며, 추가된 지식을 통해 계속해서 시장을 선도할 것입니다. Luis Lafer-Sousa, US, TownSq 사장

 

 

Print

가속화된 프로덕션 경로

AWS Data Lab에서 AWS 전문가와 나란히 집중적으로 한 주를 보내면 평균적으로 고객은 개발 시간을 2개월 단축할 수 있습니다.

"4일 만에 우리가 달성한 일은 AWS Data Lab이 아니었으면, 몇 주, 어쩌면 몇 달이 걸렸을 수도 있었습니다." Marcio Castilho, KnowBe4 최고 설계 책임자.

“AWS Data Lab이 없었다면 개발에 같은 시간을 할애할 수 없었을 뿐만 아니라 질문과 문제를 신속하게 해결할 수도 없었을 것입니다. 같은 작업을 AWS Data Lab 외부에서 수행했다면 비용과 시간이 더 많이 소요되었을 것입니다.” Amar Vyas, PHD Global Business의 글로벌 데이터 전략 부문 이사