大型企業每日處理海量數據，若數據分散在各處而無法統一管理，便會導致效率低下，難以擴張規模。企業要實現先進和具規模的營運方式，需要整合數據，才能清楚看見業務版圖的全貌。就像 BMW 集團，他們目前利用 AWS 管理超過 19 PB 數據，涵蓋 6,400 個數據資產和 2,000 個數據用例。他們成功實踐數據治理的經驗，值得不論大小的企業借鏡。以下是他們雲端數據中心最近的成果：
建立雲端數碼中心 一站式整合數據於 AWS 生態之中
BMW 集團深明知識孤島會造成工作效率低下，阻礙數碼轉型。所以他們決心與 AWS 合作，共同開發雲端數碼中心 (Cloud Data Hub，CDH)，實現知識共享的願景。當原始數據進入 CDH 後，便由孤立的數據點演變為驅動企業創新的知識資產。下圖展示數據在 CDH 所經歷的轉化：
使用者首先在 CDH 中發現資料 (Discovery)，他們在資料入口網站中直接執行Amazon Athena 的 SQL 查詢。在確認資料符合其工作需要後，他們可以申請存取完整的資料資產。資料存取由 AWS Lake Formation 在列和行層級進行控制。接著，使用者可以準備數據 (Preparation)，利用 AWS Glue Studio 中提供的擷取、轉換和載入（ETL）功能。最後，利用 Amazon Quick Sight 進行數據分析 (Analysis)。其互動式儀表板令組織各級人員都能獲得洞察，使決策者能夠克服技術障礙，並探索資料關係。
當 CDH 協助企業把數據轉化為知識，便能為企業有規模地創造價值。以 BMW 集團為例，在自動駕駛部門，工程師分析著來自 BMW 集團聯網車隊的大量真實駕駛數據。這些曾經難以管理的龐大數據集，經 CDH 整理後能夠清楚呈現出駕駛員行為和環境條件中的細微模式，協助 BMW 集團不斷改進其自動駕駛系統。
Quick Sight 兼顧知識共享與數據治理 促進企業發掘價值
BMW 集團期望員工都能存取到 Quick Sight 儀表板，同時嚴格執行 CDH 為其其他資料產品實施的治理流程。這有助於確保洞察不但在 Quick Sight 內部生成，而且還能根據 BMW 的數據治理框架安全地在組織內共享。
如下圖所示，CDH 用戶可以從一個集中化的位置搜尋任何其他 CDH 用戶創建的儀表板，從而打破知識孤島。無論使用者想了解特定主題的數據分析，還是探索新的數據集進行分析，他們都可以快速找到相關的儀表板。
結論
BMW 集團持續推動知識民主化的進程，將人工智能融入雲端資料中心生態系統。他們致力消除知識孤島，加速整個組織的資料驅動決策，值得不同企業參考。然而，不同企業的規模、數碼轉型進程，以至對數據存取的需求都不盡相同。AWS 的雲端遷移專家會為每個業務提供個人化的建議，為企業設計適切的雲端遷移計劃。
分享到 :
最新影片
