「石油不再是世界上最珍貴的資源,而是數據」,AWS 資深合作夥伴架構師張瑞德在活動開場就引用經濟學人的報導,讓聽眾了解到數據競爭力,是企業未來成功的關鍵。博弘雲端在上周舉行的數據高峰會,邀請AWS與Intel的專業講師分享數據分析所需要運用到的工作負載、雲端運算對數據分析帶來的優勢,以及怎麼運用雲端資源讓企業在數據分析能成功獲得洞察資料並做出判斷。透過這篇精彩議程回顧文,博弘雲端帶您一步步建立企業必備的數據競爭力!
💡 你需要知道的數據分析知識: – 「執行個體選擇攻防戰 」Intel 3rd Xeon®處理器效能公開 – 「未來最有價值的是數據」 AWS解密數據分析的三大策略 – 「用數據分析助客戶成功」 博弘雲端數據實戰看市場動脈 |
Intel 第三代 Xeon®最新技術 加速數據分析工作負載
「工欲善其事,必先利其器」,Intel 技術專案經理簡志仁在本場活動一開始就介紹數據分析必須要選擇的執行個體與處理器,優化數據分析的工作負載。從執行個體的角度來看,簡志仁分享第三代Intel Xeon® 可擴充的處理器,應用在Amazon EC2 一般用途 (General Purpose)的 M6i 執行個體中,相較於Amazon M5 系列的執行個體,使用第三代Intel Xeon® 可擴充的處理器的M6i 執行個體,可以提供15%更優化的性價比。除此之外,簡志仁更說明,處理數據的工作中,常會用到資料分析、加密等工作負載,使用第三代 Xeon® 可擴充的處理器,提升硬體內的中央處理器與記憶體,讓企業在數據分析上得到更好的效益。
Intel的簡志仁也提到第三代 Xeon® 可擴充的處理器的兩個重要指令集,首先是加密指令 (Crypto Acceleration),能加速雲端上資料加密傳輸,提升運算效能;另外則是AVX-512向量式指令集,可以同時運算多筆大量資料,並應用在3D模型或金融資料分析的情境。也因此相較於前一代的處理器,這次應用在Amazon EC2上的M6i處理器,可以替PostgreSQL資料庫帶來最高43%優化成效;在運算方面則是優化42%。從上述的效能來看,企業在使用雲端進行數據分析相關工作時,採用正確且合適的處理器能夠減輕工作負擔之餘,更可以優化成本。
資料現代化三大策略 開啟企業雲端數據分析之路
「85%的企業都想要資料驅動,但只有37%的企業能夠成功」。在這場分享中,AWS 資深合作夥伴架構師張瑞德從調查中看目前企業「使用數據」的現況,進而分享企業必備的資料現代化的三個策略。企業若想要掌握用資料驅動的競爭力,可以先從「基礎設施現代化」開始做起。將資料整合搬遷到可高度擴展與高可用的AWS雲端平台上,來實現基礎設施現代化的概念。透過第一個策略,企業可以擺脫舊型的資料庫,並享有公有雲完善的資料分析服務。
達到資料平台現代化的成效之後,企業可以開始「打破資訊孤島」。透過多樣化的雲服務,如AWS LakeFormation、AWS Redshift,Amazon Kinesis等,讓資料可以跨資料庫、資料湖以及不同的分析平台,進行整合分析。張瑞德指出,企業如果要達到這樣的目標,就必須打破資料孤島的困境,釋放資料的價值。
最後是「既有資料分析流程再創新」,企業可以在資料現代化的每個階段與雲端平台整合創新,藉由AWS SageMaker 機器學習服務,與模型訓練的應用整合,使用者就能夠從既有的資料分析流程找到洞察進而再優化。舉例來說,全球交易量最大的股票特許機構那斯達克 (Nasdaq) 就整合運用AWS資料分析相關服務,協助處理上百億次的股票撮合,以及提供即時的市場分析數據。
數據分析實戰 博弘雲端用數據助客戶洞悉市場趨勢
活動的壓軸,由博弘雲端架構師李家葳分享如何運用雲端的優勢,以及博弘的一站式服務,幫助企業解決數據孤島的問題。第一個案例是「台灣經貿網」,過往在地端的環境中,台灣經貿網每日所產生的巨量文字與情報資料不易於使用者檢索,且數據資料間缺乏共享性,因而產生數據孤島的問題。因此,博弘雲端從台灣經貿網的資料來源開始重新規劃,將Google Analytics 與 Oracle 資料庫中的資料經由Appflow服務搬遷儲存至Amazon S3之後,藉由AWS Redshift 資料倉儲服務,幫助台灣經貿網做複雜與進階的市場資料查詢功能,最後再串接Tableau,達到資料視覺化的效果。如此一來,博弘雲端不僅解決台灣經貿網數據孤島的問題之外,更整合不同資料來源與分析的維度,節省3成的分析時間。
另外有知名的百貨購物中心,因為缺乏雲端行銷預測模型,在個人化推薦與行銷上就削弱的品牌的競爭力。因此博弘雲端在資料分析上運用Amazon EMR 大數據平台幫助這間百貨購物中心建立「客戶終生價值 (Life Time Value, LTV) 」與「客戶消費模型 (Recency, Frequency, Monetary, RFM)」標籤,透過LTV模型找出有價值的客戶,並從這幾個客戶的消費習慣裡將顧客分群,再利用Amazon Personalize 的服務做分群行銷,以達到最精準的個人化推薦。如此一來,百貨行銷團隊便能夠運用數據更清楚了解客戶的輪廓,進而提升銷售業績。與此同時,博弘雲端協助百貨購物中心建立的數據分析模型,節省企業9成的資料清理時間,有效將客戶數據即時轉換,提升滿意度。
博弘雲端致力於協助企業解決數據孤島的問題,一站式的數據分析服務,從資料清理到資料活用,依照企業使用數據的目的,替您打造「數據賦能」的組織。現在就聯繫我們做免費諮詢!
📍 你也感興趣的 數據分析策略 相關文章:
📍 看更多博弘雲端 客戶數據分析 成功案例: