การวิเคราะห์บน AWS

วิธีที่รวดเร็วที่สุดในการทำให้ผู้ใช้ของคุณทุกคนได้รับคำตอบจากข้อมูลทั้งหมดของคุณ
AWS มีบริการวิเคราะห์ให้เลือกมากมายที่เหมาะกับความต้องการด้านการวิเคราะห์ข้อมูลทั้งหมดของคุณ และช่วยให้องค์กรทุกขนาดจากทุกภาคส่วนสรรค์สร้างธุรกิจของตนในรูปแบบใหม่ได้ด้วยข้อมูล ตั้งแต่การย้ายข้อมูล, พื้นที่จัดเก็บข้อมูล, Data Lake, การวิเคราะห์ข้อมูลขนาดใหญ่, แมชชีนเลิร์นนิ่ง และอื่นๆ อีกมากมาย โดย AWS มีบริการที่สร้างขึ้นตามวัตถุประสงค์ที่คุ้มราคาที่สุด ปรับขนาดได้ และมีต้นทุนต่ำที่สุด
จัดเก็บข้อมูลได้ทุกขนาด
บริการวิเคราะห์ของ AWS สร้างขึ้นมาเพื่อจัดการกับข้อมูลปริมาณมากได้ทุกขนาด และช่วยให้งานที่ต้องทำเองและใช้เวลามากดำเนินไปโดยอัตโนมัติได้ Data Lake ที่ใช้ AWS พร้อมกับความพร้อมใช้งานที่ไม่มีใครเทียบได้ของ S3 สามารถจัดการกับการปรับขยาย ความคล่องตัว และความยืดหยุ่นที่จำเป็นสำหรับการรวมข้อมูลประเภทต่างๆ และแนวทางในการวิเคราะห์เพื่อรับข้อมูลเชิงลึกในระดับที่เจาะลึกยิ่งขึ้นอย่างที่ไซโลข้อมูลและคลังข้อมูลแบบดั้งเดิมไม่อาจทำได้
สร้างขึ้นตามวัตถุประสงค์เพื่อประสิทธิภาพและต้นทุน
AWS เป็นที่จัดเก็บและวิเคราะห์ข้อมูลที่เร็วที่สุดและคุ้มค่าที่สุด เครื่องมือการวิเคราะห์ของ AWS สร้างขึ้นมาตามวัตถุประสงค์เพื่อช่วยให้คุณได้รับข้อมูลเชิงลึกจากข้อมูลของคุณได้อย่างรวดเร็วโดยใช้เครื่องมือที่เหมาะกับงานที่สุด อีกทั้งยังได้รับการปรับให้เหมาะสมเพื่อให้คุณได้รับประสิทธิภาพ ขนาด และต้นทุนที่ดีที่สุดสำหรับความต้องการของคุณ
การเข้าถึงข้อมูล การรักษาความปลอดภัย และการกำกับดูแลที่เป็นหนึ่งเดียว
AWS มีชุดเครื่องมือที่กว้างขวางครอบคลุมมากกว่าแค่ฟังก์ชันการรักษาความปลอดภัยมาตรฐาน เช่น การเข้ารหัสและการควบคุมการเข้าถึง เพื่อการตรวจสอบในเชิงรุกและการจัดการนโยบายการรักษาความปลอดภัยโดยรวมเป็นหนึ่งเดียว ลูกค้าสามารถกำหนดและจัดการนโยบายการรักษาความปลอดภัย การกำกับดูแล และการตรวจสอบจากส่วนกลาง เพื่อให้เป็นไปตามระเบียบข้อบังคับเฉพาะสำหรับอุตสาหกรรมและภูมิภาคของตนได้
การผสานการทำงาน ML
AWS มีการผสานการทำงานกับ ML ซึ่งเป็นส่วนหนึ่งของบริการวิเคราะห์ที่สร้างขึ้นตามวัตถุประสงค์ คุณสามารถสร้าง ฝึก และปรับใช้รูปแบบ ML ได้อย่างรวดเร็วด้วย Amazon SageMaker ซึ่งเป็นบริการที่มีการจัดการเต็มรูปแบบและมาพร้อมกับเครื่องมือที่จำเป็นต้องใช้ในทุกขั้นตอนของวงจรการพัฒนา ML ในหนึ่งสภาพแวดล้อมแบบผสานการทำงาน

มากกว่า 10,000

Data Lake บน AWS

เร็วกว่า 3 เท่า

ด้วย Amazon EMR เมื่อเทียบกับ Apache Spark ทั่วไป

ถูกกว่า 50%

เมื่อเทียบกับคลังเก็บข้อมูลบนระบบคลาวด์อื่นๆ

ประหยัด 70%

ในส่วนต้นทุนพื้นที่จัดเก็บข้อมูลใน Data Lake

พื้นที่จัดเก็บข้อมูล 3 PB

ในคลัสเตอร์เดียวด้วย Amazon OpenSearch Service (รุ่นใหม่ที่มารับช่วงต่อจาก Amazon Elasticsearch Service)

บริการ AWS Analytics

คลังข้อมูล การวิเคราะห์เชิงโต้ตอบ การประมวลผลข้อมูลขนาดใหญ่ การวิเคราะห์เชิงดำเนินการ แดชบอร์ด และการแสดงข้อมูลด้วยภาพ

การย้ายข้อมูลแบบเรียลไทม์

Data Lake: การจัดเก็บในรูปแบบอ็อบเจกต์ การสำรองข้อมูลและการเก็บถาวร แค็ตตาล็อกข้อมูล และข้อมูลของบริษัทภายนอก

บริการแพลตฟอร์ม เฟรมเวิร์ก และอินเทอร์เฟซ

บริการ AWS Analytics

หมวดหมู่ กรณีใช้งาน บริการของ AWS
การวิเคราะห์ การวิเคราะห์เชิงโต้ตอบ Amazon Athena
การประมวลผล Big Data Amazon EMR
คลังข้อมูล Amazon RedShift
การวิเคราะห์แบบเรียลไทม์ Amazon Kinesis Data Analytics
การวิเคราะห์การดำเนินการ Amazon OpenSearch Service (รุ่นใหม่ที่มารับช่วงต่อจาก Amazon Elasticsearch Service)
แดชบอร์ดและการแสดงข้อมูลด้วยภาพ Amazon QuickSight
การเตรียมข้อมูลภาพ Amazon Glue DataBrew
การย้ายข้อมูล การย้ายข้อมูลแบบเรียลไทม์ Amazon Managed Streaming for Apache Kafka (Amazon MSK) | Amazon Kinesis Data Streams | Amazon Kinesis Data Firehose | Amazon Kinesis Video Streams | AWS Glue
Data Lake การจัดเก็บในรูปแบบอ็อบเจกต์ Amazon S3 | AWS Lake Formation
การสำรองข้อมูลและการเก็บถาวร Amazon S3 Glacier | AWS Backup
แคตตาล็อกข้อมูล
AWS Glue | AWS Lake Formation
ข้อมูลของบริษัทภายนอก AWS Data Exchange
การวิเคราะห์เชิงคาดการณ์และแมชชีนเลิร์นนิ่ง เฟรมเวิร์กและอินเทอร์เฟซ AWS Deep Learning AMI
บริการแพลตฟอร์ม Amazon SageMaker

กรณีใช้งาน

  • การวิเคราะห์และคลังข้อมูล
  • การย้ายข้อมูล
  • Data Lake
  • การวิเคราะห์เชิงคาดการณ์และแมชชีนเลิร์นนิ่ง

ลูกค้า

  • data_sol_page_customer_logo_moderna
  • data_sol_page_customer_logo_invista
  • data_sol_page_customer_logo_intuit
  • data_sol_page_customer_logo_pinterest
  • Moderna
  • กรณีศึกษาของ Moderna
    BMW Group

    Moderna รันปริมาณงาน SAP S/4HANA ทั้งหมดบน AWS รวมถึงการจัดการด้านการผลิต การบัญชี และสินค้าคงคลัง ซึ่งช่วยให้บริษัทบรรลุประสิทธิภาพและการมองเห็นที่ดีขึ้นในการดำเนินงานทั้งหมด Moderna ใช้ Amazon Redshift เป็นที่เก็บข้อมูลส่วนกลางสำหรับข้อมูลทั้งหมดที่รวบรวมและจัดเก็บข้อมูลสำรองใน S3

    อ่านกรณีศึกษา 
  • Invista
  • กรณีศึกษาของ Invista
    Nielsen

    INVISTA ย้ายจากข้อมูลที่เป็นไซโลไปยัง Data Lake บน AWS ซึ่งเป็นการเสริมสร้างสถาปัตยกรรมข้อมูลที่ทันสมัยด้วยบริการวิเคราะห์ของ AWS เพื่อปลดล็อกศักยภาพของโรงงานดิจิทัล ใช้ข้อมูลเพื่อขจัดกระบวนการที่ต้องทำด้วยตนเอง และเปลี่ยนกระแสงานการผลิต บริษัทประหยัดเงินได้มากกว่า 2 ล้านดอลลาร์ต่อปี และสร้างมูลค่ากว่า 300 ล้านดอลลาร์จากข้อมูลทั่วทั้งบริษัท

    อ่านกรณีศึกษา 
  • Intuit
  • วิดีโอลูกค้า Intuit
    data_sol_page_customer_logo_intuit

    Intuit ย้ายไปใช้โซลูชันบน Amazon Redshift โดยขยายปริมาณข้อมูลมากกว่า 7 เท่าโดยไม่ต้องทำอะไร อีกทั้งยังให้ประสิทธิภาพเพิ่มขึ้น 20 เท่าด้วย ซึ่งทำให้เวลาในการเข้าถึงข้อมูลเชิงลึกลดลง 90 เปอร์เซ็นต์ และลดต้นทุนลง 66 เปอร์เซ็นต์

    ดูวิดีโอ 
  • Pinterest
  • กรณีศึกษาของ Pinterest
    data_sol_page_customer_logo_pinterest

    Pinterest ปรับขนาดการค้นหาบันทึกและการวิเคราะห์รายวันเป็น 1.7 TB และลดต้นทุนลงได้ 30% โดยเปลี่ยนไปใช้การวิเคราะห์ที่มีการจัดการที่ใช้ Amazon Elasticsearch Service ซึ่งช่วยให้บริษัทสามารถปรับขนาดการวิเคราะห์บันทึกและลดภาระการปฏิบัติงานได้ อีกทั้งยังช่วยเพิ่มความปลอดภัยและประหยัดค่าใช้จ่ายอีกด้วย

    อ่านกรณีศึกษา 
JD-Power_Logo_@1x

"เราสร้าง Data Lake ขนาด 120 TB ไว้ใน Amazon S3 โดยมีรูปแบบที่แตกต่างกันกว่า 1,500 รูปแบบและใช้บริการ AWS Analytics เช่น Glue, Redshift และ Athena อย่างครอบคลุม เราไม่สามารถรับข้อมูลเชิงลึกเหล่านี้ได้จากฐานข้อมูลและคลังข้อมูลที่แยกต่างหากจำนวนมาก เราจึงต้องใช้ Data Lake ระดับ S3"

- Bernardo Rodriguez
ประธานเจ้าหน้าที่ฝ่ายดิจิทัลของ J.D. Power

เริ่มต้นใช้งาน

โปรแกรม AWS Data Driven Everything

AWS Data-Driven Everything
ในโปรแกรม AWS Data-Driven EVERYTHING (D2E) ทาง AWS จะร่วมมือกับลูกค้าของเราเพื่อขับเคลื่อนให้เร็วขึ้นด้วยความถูกต้องแม่นยำที่มากขึ้นและความทะเยอทะยานที่กว้างไกลกว่าเดิมเพื่อให้วัฏจักรข้อมูลของคุณก้าวกระโดดไปได้เร็ว

เรียนรู้เพิ่มเติม »

AWS Data Lab

AWS Data Lab
AWS Data Lab นำเสนอการมีส่วนร่วมด้านวิศวกรรมร่วมกันอย่างรวดเร็วระหว่างลูกค้ากับบุคลากรด้านเทคนิคของ AWS เพื่อสร้างผลลัพธ์ที่จับต้องได้ซึ่งเร่งให้เกิดการริเริ่มในการปรับข้อมูลและการวิเคราะห์ให้ทันสมัย

เรียนรู้เพิ่มเติม »

สถาปัตยกรรมอ้างอิงข้อมูลขนาดใหญ่และการวิเคราะห์ของ AWS

สถาปัตยกรรมอ้างอิงข้อมูลขนาดใหญ่และการวิเคราะห์ของ AWS
เรียนรู้แนวทางปฏิบัติที่ดีที่สุดสำหรับสถาปัตยกรรมสำหรับการวิเคราะห์ข้อมูลบนระบบคลาวด์ คลังข้อมูล และการจัดการข้อมูลบน AWS

เรียนรู้เพิ่มเติม »