Az Amazon Web Services (AWS) az egyik legszéleskörűbb és legelterjedtebb felhőszolgáltató. Több mint 200 szolgáltatást kínál, amelyek között jó néhány egyedülálló megoldás található. Az egyik legkiemelkedőbb előnye a versenytársakkal szemben az adatmenedzsment terén betöltött vezető szerepe.
Adatbázis megoldások teljesítménye
Az adatok tárolását nem kizáróan a globális objektum tárolóján, nevezetesen a Simple Storage Service-en van módunkban megoldani. Célirányos adatbázis-techológiákat alkalmazhatunk, amelyek igénybevétele során mentesülünk azok infrastruktúrájának menedzseléséről. Ez igaz strukturált és strukturálatlan adatok tárolására is. Az infrastruktúra-menedzselés terhétől mentesülve több, illetve nagyobb lehetőségünk van az adatbázisaink teljesítményének nyomon követésére, optimalizálására.
A strukturált, relációs adatok tárolására megtalálhatók a szolgáltatásportfólióban a hagyományos Postgres-, MySQL- és Oracle-adatbázisok. Ebből mégis kiemelkedő AWS-adatbázisok zászlóshajója, az Amazon Aurora, amely ötször gyorsabb, mint a MySQL és kétszer gyorsabb, mint a PostgreSQL-adatbázisok. Ennek különlegessége az AWS saját, speciális architektúrájában rejlik. A késleltetését nézve sem lehet okunk a panaszra, mert az kevesebb mint 10 ms a replikációk és az adatbázis tranzakciók magas száma esetén is. A TPROC-C benchmarkot véve alapul is igazolható, hogy kiemelkedő adatbázis-teljesítményről van szó a 200–300 ezer TPS (transaction per second) elérhetőséggel.
Az AWS NoSQL adatbázisai közül a DynamoDB a legismertebb az egyes benchmarkok alapján. Ez megfelelő konfiguráció mellett 20 millió írási és olvasási tevékenységet is képes elvégezni egyetlen táblán.
Az adattárház-technológiáról sem feledkezhetünk meg. A vállalati analitika világát kiemelkedően segítő petabyte scale data warehouse szolgáltatás az Amazon Redshift. Ez oly módon teszi lehetővé az egyidejű lekérdezések skálázását, hogy akár ezer egyszeri lekérdezés esetén sem csökken a válaszideje.
Az említett teljesítmények már önmagukban formálják az adatos világot, de ezen a ponton nem szabad megállni.
Adatanalitika és machine learning
Az előző bekezdésben bemutatott kiemelkedő teljesítményt mutató szolgáltatások adják S3-mal karöltve az AWS-platformon megvalósítható adatanalitika pilléreit. Belőlük is származhatnak azon adatok, amelyekből elemzéseket, adatvizualizációkat és machine learning-modelleket taníthatunk be vagy taníthatunk tovább. A versenytársak is nyújtanak az AWS-éhez hasonló eszköztárat, azonban nem ugyanolyan mértékben.
Ha skálázni szeretnénk az adatfeldolgozási folyamatainkat vagy integrálnánk az adatainkat más rendszerekbe, akkor nem lőhetünk mellé az AWS-szolgáltatásokkal. Skálázhatóságban és komplex analitikai folyamatok futtatásában a Redshift a bajnok, az adatfeldolgozásban pedig a Glue szolgáltatás emelendő ki a serverless mivoltának, valamint az automatikus adatstruktúra-felismerő képességéinek köszönhetően.
A feldolgozott, illetve elemzett adatokat használva gépi tanulómodellek készíthetők a Sagemaker platformon, a gépi tanítást átfogóan lehetővé tevő, a világon legszélesebb körben használt szolgáltatásával. Ennek szignifikánsabb a piaci részesedése, mint versenytársainak, és egyes funkcióival 70 százalékkal is csökkenthető a piacra kerülési idő. Könnyedén integrálható az AWS-en belül megtalálható adatbázisokhoz vagy adattárházhoz, mint például az Aurorához vagy Redshifthez. A gépi tanításhoz betöltött adatok életciklusa egy helyen nyomon követhető az ML-modellek teljes fejlesztési folyamatán.
Az AWS, illetve a Sagemaker nem egyedi a piacon az előre betanított modellek és a bring your own modell (BYOM) megközelítésekkel kapcsolatban, de érdemes megemlíteni azokat. A BYOM-nek hála, nem kötelező a nulláról kezdeni a munkát. Tovább pontosíthatók, illetve vállalatspecifikusabb adat- és információhalmazzal ellátva okosíthatók tovább a modellek a platformon.
A kész ML/MI szolgáltatások közül a képfelismerő, hanggeneráló és chatbot fejlesztését lehetővé tevő komponensek a kiemelendők. A felsoroltak a „model as a service” portfólió részei. Ezek közül néhány: Amazon Rekognition (képfelismerés), Amazon Polly (írott szövegből hangképzés), Amazon Lex (chatbotfejlesztés).
Tavaly indult útjára az Amazon Bedrock, amivel generatív MI-megoldásokat dolgozhatunk ki. Több piacvezető generatív MI-modell érhető el a Bedrockon belül, például az Anthropic’s Claude, az AI21 Labs’ Jurassic-2 és a Stability AI Stable Diffusion). Ez az egyik, ami miatt vonzóvá és kiemelkedővé teszi szakmai körökben, de többek között mellette szól a modelltestreszabás kódolás nélkül, mivel ezzel alacsonyabb a belépési küszöb, a monitoring és a modellek menedzsmentje A/B tesztelésekhez, valamint az API-alapú integráció a könnyebb alkalmazásba ágyazáshoz.
A lehetőségek tárháza végtelen, de nem hagyhatjuk ki a QuickSight adatvizualizációs eszközt. Ezzel a tárolt adatokat informatívvá, értelmezhetővé tehetjük, és a Quicksight hátteréből sem maradnak ki az ML/MI támogatta funkciók. A rendszer képes automatikusan azonosítani trendeket, anomáliákat és más fontos adatpontokat anélkül, hogy a felhasználónak mélyreható elemzést kellene végeznie. A QuickSight integrálja az Amazon SageMaker gépi tanulási platformot, így a felhasználók könnyedén építhetnek prediktív modelleket, amelyek előrejelzéseket és ajánlásokat nyújtanak a jövőbeni üzleti döntésekhez.
Az AWS a világban keletkezett adatok feldolgozásának, hasznosításának eszköztárait igyekszik demokratizálni és széles körben rendelkezésre bocsátani egy helyen.
Hogyan jön a képbe a TC2?
Az Amazon Web Services stratégiai partnereként olyan megoldásokat kínál, amelyek segítik partnereit az innováció útján. A teljesség igénye nélkül bemutatott és alkalmazható szolgáltatások vállalati környezetbe való integrálásában is kompetencia-központként lehet rá támaszkodni. Üzleti intelligencia- és machine learning-platform, GenAI-integráció csak néhány azok közül, amiknek zöld- és barnamezős beruházásait képes támogatni.
Nem csupán implementálni és üzemeltetni képesek partnereik technológiai megoldásait, hanem konzultációk keretében „túravezető” jelleggel segítenek eligazodni a számos megoldási lehetőség sűrűjében, figyelembe véve a partner analitikai érettségét, üzleti céljait és azok prioritását. Közösen összeállított útiterv alapján szervezeti struktúrát, az elkészítendő adatalapú termékek haszonélvezőit igyekszik feltérképezni, és a vállalati folyamatok mentén mindenki számára komfortos, élhető adatfelhasználási módot kialakítani.
Üzleti érték teremtése az AWS adatkezelési és -elemzési szolgáltatásaival
A vállalat birtokában álló adat annak vagyonának részét képezi mint adatvagyon. Az adatvagyon befektetéséből származó hozamból pedig a következők realizálhatók:
- gyorsabb és jobb döntéshozatal,
- költséghatékonyság,
- nagyobb agilitás és innováció,
- ügyfélélmény javítása, fokozása,
- versenyelőny és piaci differenciálás.
Az AWS és a TC2 támogatásával mindez elérhetővé válik egyedi igények alapján is. Az üzleti érték időtálló növekedésének lehetősége így szavatolható lokális, regionális, globális piactereken. Az ezekkel kapcsolatos adatalapú termékek igénye esetén lépjen kapcsolatba mihamarabbi a TC2-vel a közös sikerek elérése érdekében.
(Kép: flickr.com/Jane Boyko)
