AWS 上的分析

從所有資料獲得解答並提供給所有使用者的最快方式
AWS 提供最廣泛的分析服務選擇,可滿足您的所有資料分析需求,且可讓各種規模和產業的組織利用資料重塑業務。從資料移動、資料儲存、資料湖、大數據分析、日誌分析、串流分析和機器學習 (ML) 到其他任何相關的內容,AWS 提供具有最佳價格效能、可擴展性和最低成本的專用服務。
可擴展的資料湖
採用 AWS 技術的資料湖受 Amazon S3 無與倫比的可用性支援,可以處理結合不同資料和分析方法所需的規模、敏捷性和靈活性。在 AWS 上建置和儲存資料湖,以取得在傳統資料孤島和資料倉儲中所無法取得的更深入洞察。
專為效能和成本而打造
AWS 分析服務專為協助您使用最適合工作的工具快速擷取資料洞察而打造,並經過最佳化,可提供滿足您需求的最佳效能、規模和成本。
AWS 分析 – 現代化資料策略 (2:15)
無伺服器且易於使用
AWS 擁有雲端中最多的資料分析無伺服器選項,適用於資料倉儲、大數據分析、即時資料、資料整合等。我們管理底層基礎設施,可讓您專注於您的應用程式。
統一的資料存取、安全和管控
AWS 可讓您定義和管理安全、管控和稽核政策,以滿足產業和地區特定的法規。藉助 AWS,您可以隨時隨地存取您的資料,並且無論您將資料存放在何處,我們都能確保您的資料安全。
機器學習 (ML) 整合
AWS 提供內建的 ML 整合,作為我們專用分析服務的一部分。您可以使用熟悉的 SQL 命令建置、訓練和部署 ML 模型,而無需任何機器學習經驗。

超過 200,000 個

資料湖在 AWS 上執行

3 倍

使用 Amazon EMR 比標準 Apache Spark 快

3 倍

比其他雲端資料倉儲更出色的價格效能

70%

節省資料湖中資料的儲存成本

3 PB

使用 Amazon OpenSearch Service 在單個叢集中儲存的資料量

AWS 分析服務

類別
使用案例
AWS 服務
互動式分析

Amazon Athena

使用 SQL 查詢 Amazon S3 中的資料。

大數據處理

Amazon EMR

執行開放原始碼大數據架構。

資料倉儲

Amazon Redshift

快速、簡單、經濟實惠的資料倉儲。

互動式分析

Amazon Kinesis

分析即時影片和資料串流。

營運分析

Amazon OpenSearch Service

搜尋、視覺化和分析高達數 PB 的文字和非結構化資料。

儀表板和視覺化

Amazon QuickSight

快速的商業分析服務。

視覺化資料準備

AWS Glue DataBrew

提高清理和標準化資料速度達 80%。

即時資料移動

AWS Glue

準備和載入資料。

Amazon Managed Streaming for Apache Kafka (MSK)

全受管、高可用性和安全的 Apache Kafka 服務。

Amazon Kinesis Video Streams

擷取、處理和存放影片串流以進行分析和 ML。

Amazon Kinesis Data Firehose

準備即時資料串流並載入資料存放區和分析工具。

Amazon Kinesis Data Streams

大規模收集串流資料,以進行即時分析。

AWS Database Migration Service

將資料從 SQL 和 NoSQL 系統複製到資料儲存和分析系統。

物件儲存

Amazon S3

專為從任何位置存放和擷取任何數量資料所建立的物件儲存。

AWS Lake Formation

只要幾天的時間就能建立安全的資料湖

備份和存檔

Amazon S3 Glacier

雲端中的低成本存檔儲存。

AWS Backup

跨 AWS 服務的集中備份。

資料型錄

AWS Glue

準備和載入資料。

AWS Lake Formation

只要幾天的時間就能建立安全的資料湖

第三方資料

AWS Data Exchange

尋找及訂閱雲端中的第三方資料。

框架和界面

AWS 深度學習 AMI

Amazon Elastic Compute Cloud (EC2) 深度學習。

平台服務

Amazon SageMaker

大規模建立、訓練和部署機器學習模型。

AWS 分析服務

使用案例

  • 分析和資料倉儲
  • 資料移動
  • 資料湖
  • 預測分析和 ML

客戶

  • 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
  • Moderna 使用案例
    BMW Group

    Moderna 在 AWS 上執行其所有 SAP S/4HANA 工作負載,包括製造、會計和庫存管理,這使公司能夠在其營運中達致更高的效率和可見性。Moderna 使用 Amazon Redshift 作為其擷取的所有資料的中央存儲庫並在 S3 中存放備份。

    閱讀使用案例 
  • Invista
  • Invista 使用案例
    Nielsen

    INVISTA 從孤立資料遷移到 AWS 上的資料湖——使用 AWS 分析服務建置現代資料架構,以釋放數位工廠的潛力,使用資料消除手動程序,並轉變其製造工作流程。該公司每年節省了超過 200 萬美元,並從全公司資料中創造了 3 億美元的價值。

    閱讀使用案例 
  • Intuit
  • Intuit 客戶影片
    data_sol_page_customer_logo_intuit

    Intuit 遷移至基於 Amazon Redshift 的解決方案。它以零努力將資料量擴展到 7 倍以上,並提供 20 倍的效能,從而將獲得洞察的時間縮短了 90%,並將成本降低了 66%。

    觀看影片 
  • Pinterest
  • Pinterest 使用案例
    data_sol_page_customer_logo_pinterest

    Pinterest 透過使用 Amazon Elasticsearch Service 轉向受管分析,將每日日誌搜尋和分析擴展到 1.7TB,並將成本降低了 30%。這讓該公司能夠擴展其日誌分析能力,降低營運負擔,提升安全性和節省成本。

    閱讀使用案例 
JD-Power_Logo_@1x

「我們在 Amazon S3 建立 120 TB 的資料湖,其中有 1500 種不同的結構,並廣泛使用 Glue、Redshift 和 Athena 等 AWS 分析服務。我們無法從眾多獨立的資料庫和倉儲取得這些洞見 – 我們需要一個 S3 規模的資料湖。」

– Bernardo Rodriguez
J.D. Power數位營運長

開始使用

AWS Data Driven Everything 計劃

AWS Data-Driven Everything
在 AWS Data-Driven EVERYTHING (D2E) 計劃中,AWS 將與我們的客戶合作,以更快、更精確和更遠大的範圍快速啟動您自己的資料飛輪。

進一步了解 »

AWS 資料實驗室

AWS 資料實驗室
AWS 資料實驗室在客戶和 AWS 技術資源之間提供加速、緊密的工程互動,以建立實際可交付的成果,以加快資料和分析現代化計劃的速度。

進一步了解 »

AWS 分析和大數據參考架構

AWS 分析和大數據參考架構
了解 AWS 上雲端資料分析、資料倉儲和資料管理的架構最佳實務。

進一步了解 »