Esta orientação demonstra opções arquitetônicas para criar um hub de dados operacionais da cadeia de suprimentos. O hub ingere dados de milhares de fontes diferentes, incluindo fontes internas sobre planejamento e execução e fontes externas sobre rastreamento de remessas. O hub então gera uma visão única e harmonizada dos dados. A visibilidade dos dados de vários sistemas corporativos e de execução pode ser usada para o planejamento em tempo real das previsões de demanda, inventário e compras. O hub de dados ajuda as organizações da cadeia de suprimentos a tomar decisões baseadas em dados que melhoram os prazos de entrega e aumentam a satisfação do cliente.
Diagrama de arquitetura
Etapa 1
Os dados da cadeia de suprimentos são coletados de várias fontes de dados em toda a empresa, incluindo aplicações de software como serviço (SaaS) de planejamento de recursos corporativos (ERP) e gerenciamento de relacionamento com o cliente (CRM), dispositivos de borda prontos para venda, registros, mídia de streaming e mídias sociais.
Etapa 2
Com base no tipo de fonte de dados, o AWS Database Migration Service (AWS DMS), o AWS DataSync, o Amazon Kinesis, o Amazon Managed Streaming for Apache Kafka (Amazon MSK), o AWS IoT Core e o Amazon AppFlow ingerem dados no data lake da cadeia de suprimentos hospedado na AWS.
Etapa 3
O AWS Data Exchange integra dados de terceiros que podem ser úteis para prever o tempo estimado de chegada da remessa (como dados meteorológicos) no data lake da cadeia de suprimentos.
Etapa 4
O AWS Lake Formation ajuda a criar o data lake escalável da cadeia de suprimentos.
Etapa 5
O Amazon Simple Storage Service (Amazon S3) é a base para o armazenamento em data lake da cadeia de suprimentos.
Etapa 6
O AWS Glue extrai, transforma, cataloga e ingere dados em vários datastores, como ERP, planejamento e sistemas de visibilidade de remessas.
Etapa 7
O Amazon Athena é um serviço de consulta interativo sem servidor que analisa dados no Amazon S3 usando SQL padrão.
Etapa 8
O Amazon QuickSight fornece painéis que ajudam os planejadores a analisar dados sobre planejamento, execução e status de envio em tempo real da cadeia de suprimentos para tomar decisões comerciais informadas.
Etapa 9
O Amazon Redshift, um data warehouse na nuvem, analisa dados estruturados e semiestruturados.
Etapa 10
O Amazon EMR fornece a plataforma de big data em nuvem para processar grandes quantidades de dados usando ferramentas de código aberto.
Etapa 11
O Amazon SageMaker cria, treina e implanta modelos de ML, e os serviços de IA da AWS adicionam inteligência às aplicações da cadeia de suprimentos.
Etapa 12
O banco de dados de grafos do Amazon Neptune otimiza as consultas de rede para maior velocidade e precisão.
Etapa 1
Os dados da cadeia de suprimentos são coletados de várias fontes de dados em toda a empresa, incluindo aplicações de software como serviço (SaaS) de planejamento de recursos corporativos (ERP) e gerenciamento de relacionamento com o cliente (CRM), dispositivos de borda prontos para venda, registros, mídia de streaming e mídias sociais.
Etapa 2
Com base no tipo de fonte de dados, o AWS Database Migration Service (AWS DMS), o AWS DataSync, o Amazon Kinesis, o Amazon Managed Streaming for Apache Kafka (Amazon MSK), o AWS IoT Core e o Amazon AppFlow ingerem dados no data lake da cadeia de suprimentos hospedado na AWS.
Etapa 3
O AWS Data Exchange integra dados de terceiros que podem ser úteis para prever o tempo estimado de chegada da remessa (como dados meteorológicos) no data lake da cadeia de suprimentos.
Etapa 4
O AWS Lake Formation ajuda a criar o data lake escalável da cadeia de suprimentos.
Etapa 5
O Amazon Simple Storage Service (Amazon S3) é a base para o armazenamento em data lake da cadeia de suprimentos.
Etapa 6
O AWS Glue extrai, transforma, cataloga e ingere dados em vários datastores, como ERP, planejamento e sistemas de visibilidade de remessas.
Etapa 7
O Amazon Athena é um serviço de consulta interativo sem servidor que analisa dados no Amazon S3 usando SQL padrão.
Etapa 8
O Amazon QuickSight fornece painéis que ajudam os planejadores a analisar dados sobre planejamento, execução e status de envio em tempo real da cadeia de suprimentos para tomar decisões comerciais informadas.
Etapa 9
O Amazon Redshift, um data warehouse na nuvem, analisa dados estruturados e semiestruturados.
Etapa 10
O Amazon EMR fornece a plataforma de big data em nuvem para processar grandes quantidades de dados usando ferramentas de código aberto.
Etapa 11
O Amazon SageMaker cria, treina e implanta modelos de ML, e os serviços de IA da AWS adicionam inteligência às aplicações da cadeia de suprimentos.
Etapa 12
O banco de dados de grafos do Amazon Neptune otimiza as consultas de rede para maior velocidade e precisão.
Pilares do Well-Architected
O AWS Well-Architected Framework ajuda a entender as vantagens e as desvantagens das decisões tomadas durante a criação de sistemas na nuvem. Os seis pilares do Framework permitem que você aprenda as melhores práticas de arquitetura, a fim de projetar e operar sistemas confiáveis, seguros, eficientes, econômicos e sustentáveis. Com a Ferramenta AWS Well-Architected, disponível gratuitamente no Console de Gerenciamento da AWS, você pode avaliar suas workloads em relação às melhores práticas ao responder a uma série de questões para cada pilar.
O diagrama de arquitetura acima exemplifica a criação de uma solução pautada nas melhores práticas do Well-Architected. Para ser totalmente Well-Architected, é preciso respeitar a maior quantidade possível das melhores práticas desse framework.
-
Excelência operacionalLeia o whitepaper sobre excelência operacional
Esta orientação é implantada com a infraestrutura como código (IaC), um princípio de DevOps que ajuda você a manter a infraestrutura por meio de processos repetíveis e confiáveis. As partes interessadas da cadeia de suprimentos, incluindo equipes de negócios, desenvolvimento e operações, devem se alinhar a uma estratégia de IaC.
-
SegurançaLeia o whitepaper sobre segurança
O DataSync usa o acesso entre contas para delegar acesso a dados e recursos em diferentes contas da AWS. O QuickSight usa controle de acesso refinado para proteger o acesso aos painéis.
-
ConfiabilidadeLeia o whitepaper sobre confiabilidade
Serviços como Amazon S3, AWS Glue, DataSync, Athena e QuickSight estão altamente disponíveis, permitindo que você escale as workloads com base na demanda.
-
Eficiência de performanceLeia o whitepaper sobre eficiência da performance
As tecnologias sem servidor nessa arquitetura permitem que você provisione os recursos exatos necessários a qualquer momento.
-
Otimização de custosLeia o whitepaper sobre otimização de custos
Os serviços nessa arquitetura podem ser escalados automaticamente para atender à demanda, para que você pague somente pelos recursos consumidos sem provisionamento insuficiente ou excessivo.
-
SustentabilidadeLeia o whitepaper sobre sustentabilidade
Os serviços nessa arquitetura são escaláveis e sem servidor, otimizando o consumo de recursos de back-end para reduzir o impacto ambiental.
Aviso de isenção de responsabilidade
O código de exemplo, as bibliotecas de software, as ferramentas de linha de comando, as provas de conceito, os modelos ou outra tecnologia relacionada (incluindo qualquer uma das anteriores fornecidas por nossa equipe) são fornecidos a você como Conteúdo da AWS nos termos do Contrato de Cliente da AWS ou o contrato por escrito pertinente entre você e a AWS (o que for aplicável). Você não deve usar esse Conteúdo da AWS em suas contas de produção, na produção ou em outros dados essenciais. Você é responsável por testar, proteger e otimizar o Conteúdo da AWS, como código de exemplo, conforme apropriado para uso em nível de produção com base em suas práticas e padrões específicos de controle de qualidade. A implantação de Conteúdo da AWS pode gerar cobranças da AWS para criar ou usar recursos cobráveis, como executar instâncias do Amazon EC2 ou usar armazenamento do Amazon S3.