การวิเคราะห์บน AWS

วิธีที่รวดเร็วที่สุดในการทำให้ผู้ใช้ของคุณทุกคนได้รับคำตอบจากข้อมูลทั้งหมดของคุณ
AWS มีบริการวิเคราะห์ให้เลือกมากมายที่เหมาะกับความต้องการด้านการวิเคราะห์ข้อมูลทั้งหมดของคุณ และช่วยให้องค์กรทุกขนาดจากทุกภาคส่วนสรรค์สร้างธุรกิจของตนในรูปแบบใหม่ได้ด้วยข้อมูล ตั้งแต่การย้ายข้อมูล, พื้นที่จัดเก็บข้อมูล, Data Lake, การวิเคราะห์ข้อมูลขนาดใหญ่ และแมชชีนเลิร์นนิ่ง (ML) และอื่นๆ อีกมากมาย โดย AWS มีบริการที่สร้างขึ้นตามวัตถุประสงค์ที่คุ้มราคาที่สุด ปรับขนาดได้ และมีต้นทุนต่ำที่สุด
จัดเก็บข้อมูลได้ในทุกขนาด
บริการวิเคราะห์ของ AWS สร้างขึ้นมาเพื่อจัดการกับข้อมูลปริมาณมากได้ทุกขนาด และช่วยให้งานที่ต้องทำเองและใช้เวลามากดำเนินไปโดยอัตโนมัติได้ ที่จัดเก็บข้อมูลดิบที่ให้บริการโดย AWS ได้รับการสนับสนุนโดยความพร้อมให้บริการที่ไม่มีใครเทียบได้จาก Amazon Simple Storage Service (S3) ซึ่งสามารถจัดการขนาด ความคล่องตัว และความยืดหยุ่นตามที่จำเป็นเพื่อรวมข้อมูลที่แตกต่างและวิธีการวิเคราะห์เข้าด้วยกัน ใช้บริการการวิเคราะห์ของ AWS เพื่อรับข้อมูลเชิงลึกยิ่งกว่าไซโลข้อมูลและคลังเก็บข้อมูลทั่วไป
สร้างขึ้นตามวัตถุประสงค์เพื่อประสิทธิภาพและต้นทุน
AWS เป็นที่จัดเก็บและวิเคราะห์ข้อมูลที่เร็วที่สุดและคุ้มค่าที่สุด เครื่องมือการวิเคราะห์ของ AWS สร้างขึ้นมาตามวัตถุประสงค์เพื่อช่วยให้คุณแยกข้อมูลเชิงลึกจากข้อมูลของคุณได้อย่างรวดเร็วโดยใช้เครื่องมือที่เหมาะกับงานที่สุด อีกทั้งยังได้รับการปรับให้เหมาะสมเพื่อให้คุณได้รับประสิทธิภาพ ขนาด และต้นทุนที่ดีที่สุดสำหรับความต้องการของคุณ
การเข้าถึงข้อมูล การรักษาความปลอดภัย และการกำกับดูแลที่เป็นหนึ่งเดียว
AWS มีชุดเครื่องมือที่กว้างขวางครอบคลุมมากกว่าแค่ฟังก์ชันการรักษาความปลอดภัยมาตรฐาน เช่น การเข้ารหัสและการควบคุมการเข้าถึง เพื่อนำเสนอการจัดการนโยบายการรักษาความปลอดภัยโดยรวมเป็นหนึ่งเดียวและการตรวจสอบในเชิงรุก โดยสามารถกำหนดและจัดการนโยบายการรักษาความปลอดภัย การกำกับดูแล และการตรวจสอบได้จากส่วนกลาง เพื่อให้เป็นไปตามระเบียบข้อบังคับเฉพาะสำหรับอุตสาหกรรมและภูมิภาคของตนได้
การผสานรวมกับแมชชีนเลิร์นนิ่ง
AWS นำเสนอการผสานการทำงานกับ ML ซึ่งเป็นส่วนหนึ่งของบริการวิเคราะห์ที่สร้างขึ้นตามวัตถุประสงค์ คุณสามารถสร้าง ฝึก และปรับใช้รูปแบบ ML ได้อย่างรวดเร็วด้วย Amazon SageMaker ซึ่งเป็นบริการที่มีการจัดการเต็มรูปแบบและมาพร้อมกับเครื่องมือสำหรับทุกขั้นตอนของวงจรการพัฒนา ML ในหนึ่งสภาพแวดล้อมแบบผสานการทำงาน
AWS Analytics - กลยุทธ์ข้อมูลอันทันสมัย (2:15)

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
  • การวิเคราะห์เชิงคาดการณ์และ ML

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 Amazon S3

    อ่านกรณีศึกษา 
  • Invista
  • กรณีศึกษาของ Invista
    Nielsen

    INVISTA ย้ายจากข้อมูลที่เป็นไซโลไปยัง Data Lake บน AWS บริษัทได้สร้างสถาปัตยกรรมข้อมูลที่ทันสมัยด้วยบริการวิเคราะห์ของ AWS เพื่อเปลี่ยนแปลงงานการผลิตของตน ใช้ข้อมูลเพื่อนำขั้นตอนการดำเนินงานด้วยตนเองออกๆผ และปลดล็อกศักยภาพของโรงงานดิจิทัล INVISTA ประหยัดเงินได้มากกว่า 2 ล้านดอลลาร์ต่อปี และสร้างมูลค่ากว่า 300 ล้านดอลลาร์จากข้อมูลทั่วทั้งบริษัท

    อ่านกรณีศึกษา 
  • Intuit
  • วิดีโอลูกค้า Intuit
    data_sol_page_customer_logo_intuit

    Intuit ย้ายข้อมูลไปยังโซลูชันที่ทำงานบน Amazon Redshift ซึ่งขยายปริมาณข้อมูลมากกว่า 7 เท่าโดยไม่ต้องทำอะไร และยังให้ประสิทธิภาพเพิ่มขึ้น 20 เท่าเมื่อเทียบกับโซลูชันก่อนหน้าของบริษัท ซึ่งส่งผลให้ลดเวลาในการหาข้อมูลเชิงลึกลงได้ถึง 90 เปอร์เซ็นต์และลดค่าใช้จ่ายลงได้ถึง 66 เปอร์เซ็นต์

    ดูวิดีโอ 
  • Pinterest
  • กรณีศึกษาของ Pinterest
    data_sol_page_customer_logo_pinterest

    Pinterest ปรับขนาดการค้นหาบันทึกและการวิเคราะห์รายวันเป็น 1.7 TB และลดต้นทุนลงได้ 30 เปอร์เซ็นต์ โดยเปลี่ยนไปใช้การวิเคราะห์ที่มีการจัดการที่ใช้ Amazon OpenSearch Service (รุ่นใหม่ที่มารับช่วงต่อจาก Amazon Elasticsearch Service) ซึ่งบริษัทสามารถปรับขนาดการวิเคราะห์บันทึกเพื่อลดภาระการปฏิบัติงานได้ อีกทั้งยังช่วยเพิ่มความปลอดภัยและลดค่าใช้จ่ายอีกด้วย

    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 »