数据解决方案 2019-07-31T11:33:50+00:00

企业进行数据分析时所面临的挑战

决策者了解数据分析对准确和快速决策过程的重要性。但是,传统的地端资料仓储和商业智能工具可能无法支援。现在云端科技正在藉由资料湖和自助服务分析的概念,透过敏捷性、可扩展性、成本效益和机器学习的功能改变传统分析方式。因此,企业可以及时在决策过程中培养数据驱动的文化。

  传统分析 云端分析
暴增数据成长的可扩展性 有限僵化 随需所用的可扩展性
数据储存 典型的地端硬体资料仓储应用,大部分只适用结构化资料 适用于结构化及非结构化的资料湖
成本 实体设备维护成本高
  • 按使用量计价
  • AWS Redshift 的成本为传统资料仓储的十分之一
方法 仅 ETL 适用于 ETL 和 ELT
效能 由于运算能力的限制,和云端分析相比增加了 50%  的ETL 时间 在需要时扩展云端运算的能力,ETL 和 ELT 时间显著降低
人工智慧/ 机器学习功能 有限 预先构建的机器学习模型和快速部署的人工智慧和机器学习功能

完整的资料架构组成要素

Automated and reliable data ingestion

自动化且正确的资料提取

Preservation of original source data

原始资料的完整保存

Lifecycle management and cold storage

资料声明周期与冷资料 (Cold Storage) 管理

Metadata capture

诠释 (Metadata) 获取

Managing governance, security, privacy

资料治理、安全性、隐私设定管理

Self-service discovery, search, access

自助式探索、搜寻、使用

Managing data quality

资料品质管理

Preparing for analytics

资料分析规划

Orchestration and job scheduling

协作机制 (Orchestration) 与
作业调度

AWS 上的应用架构

Reference Architecture on AWS

eCloudvalley 数据团队的服务项目

Setting up Data Lake and Data warehouse

资料湖和资料仓储架构和设置

Data modeling and Discovery

数据探索及数据建模

Data visualization using Tableau

透过 Tableau 视觉化数据

Self-service Analytics portal

自助式分析入口网站

Adopting AWS prebuilt Machine Learning algorithm

机器学习

eCloudvalley’s 数据团队

deployments on AWS

在 AWS 上部署 30+ 数据解决方案

Data and Analytics Competency

AWS Data & Analytics 能力认证 & 20+ AWS 大数据认证

Customer

数据架构师和机器学习工程师团队,负责端到端数据分析咨询和建置

成功案例

打造您的数据解决方案

CN - Campaign - Data Solutions