AWS 数据湖、分析和 ML 服务的商业价值

据IDC预测，到2022年，全球GDP的46%以上将实现数字化，各行各业的数字化改进服务、流程和合作伙伴关系将推动经济增长。

成功的数字化转型取决于将数据转化为可操作的洞察，而对数据驱动洞察的日益依赖有助于开启数据时代的新纪元。每个组织的数据都在迅速成为一项战略资产。企业要求从其数据中获得更多价值，而数据更加多样化且呈指数级增长。公司内部许多用户使用的分析和人工智能/机器学习 (AI/ML) 功能将有助于这些数字化转型 (DX) 活动。

企业传统上采用孤立的数据仓库（例如，一个用于 ERP 系统，另一个用于传感器和社交媒体数据）作为来自一个或多个不同来源的集成数据的存储库，以及用于为各个组提供报告和数据分析的系统。然而，由于传统的数据仓库 (DW) 系统无法扩展，企业越来越多地转向数据湖设计，这种设计可以扩展或增强经典 DW，以任何格式存储任何数据，持久且可访问，并且可以增长到 EB 级。此外，组织希望数据湖基础设施安全、合规、可审计，并且可以运行任何形式的分析和机器学习应用程序。

AWS 提供开放、安全、可扩展且经济高效的基础设施，允许轻松构建数据湖和分析以满足不断变化的客户需求。企业可以利用适当的技术来完成任务，而无需迁移或修改各种分析方法的数据。AWS 提供了一套完整的功能，这些功能不仅包括加密和访问控制等典型的安全功能，还包括主动监控和统一安全策略管理。

IDC 采访了 11 家采用 AWS 数据湖、分析和机器学习服务的公司，以确认 AWS 解决方案的优势。根据收到并应用于 IDC 商业价值模型的调查数据，研究参与者从 AWS 中获得了巨大的价值。根据 IDC 的数据，研究参与者平均每年每家公司将获得 615 万美元的收益（每个业务应用程序 10.04 万美元），从而实现 415% 的五年投资回报率 (ROI)：

• 为企业提供灵活、可扩展、经济高效、高性能的数据湖、分析和机器学习服务。
• 减少管理和支持数据湖、分析和机器学习活动所花费的时间
• 通过改善数据和分析工具的访问来提高分析团队的效率
• 允许企业执行更多分析查询，同时减少完成每次查询所需的时间

AWS 数据湖、分析和机器学习服务概述

AWS 提供一系列集成服务，可帮助您快速高效地建立和管理用于分析的数据湖。由 AWS 提供支持的数据湖可以管理混合各种数据和分析方法所需的容量、敏捷性和灵活性，以产生更深入的见解。AWS 为用户提供全面的分析和机器学习服务，使用户能够快速访问所有必要数据，同时保持安全性和控制力。

为了获得正确的见解和答案，现代分析涉及各种分析方法，包括数据仓库、大数据处理、ETL、BI、流分析和运营分析。开发人员使用多种语言构建分析程序，包括 R、Scala 和 Python，具体取决于哪种语言最适合他们各自的用例。Jupyter Notebook 是一款免费的开源交互式在线应用程序，它使开发人员能够创建和共享包含实时代码、方程式、可视化和叙述性散文的文档，近年来越来越受欢迎。这种快速采用得到了热情的用户开发者社区和改进的架构的支持，该架构使笔记本能够使用数十种编程语言。

数据清理和转换、数值模拟、统计建模、数据可视化、机器学习以及许多其他应用都是可能的。AWS 提供了一套强大的分析服务，这些服务针对开放数据湖运行，使组织能够使用正确的工具来完成工作，而无需为每种分析方法迁移或修改数据。AWS 提供了一套完整的功能，这些功能不仅包括加密和访问控制等典型的安全功能，还包括主动监控和统一安全策略管理。

AWS 提供多种将数据传输到云的替代方案，包括批量/批量本地数据迁移和实时数据移动。一旦数据准备好传输到云，Amazon S3 和 Amazon Glacier 就可以轻松以任何格式安全、大规模地存储数据。Amazon S3 是一种安全、可扩展且持久的对象存储服务。Amazon Glacier 是一种 Web 服务，提供在线文件存储以进行数据保存和备份。AWS Glue 自动提供单一目录，客户可以搜索和查询该目录，以帮助他们找到调查中要使用的适当数据。

AWS 提供各种在数据湖上运行的低成本分析服务。每种分析服务都是专门针对各种分析用例而设计的，包括交互式分析、使用 Apache Spark 和 Hadoop 进行大数据处理、数据仓库、实时分析、运营分析、仪表板和可视化。这些服务旨在协同运行，以提供统一的分析体验。

下载 IDC 的白皮书，以了解有关 AWS 数据分析机器学习白皮书 pdf 的更多信息（仅在白皮书在线上）。