集成整個(gè)組織的數(shù)據(jù)可以讓您更好地了解客戶、簡(jiǎn)化運(yùn)營(yíng)并幫助團(tuán)隊(duì)做出更好、更快的決策。但整合數(shù)據(jù)并不容易。

通常，組織使用各種工具和系統(tǒng)（例如數(shù)據(jù)攝取服務(wù)）從不同來(lái)源收集數(shù)據(jù)。數(shù)據(jù)通常存儲(chǔ)在孤島中，這意味著必須將其移至數(shù)據(jù)湖或數(shù)據(jù)倉(cāng)庫(kù)中，然后才能運(yùn)行分析、人工智能 (AI) 或機(jī)器學(xué)習(xí) (ML) 工作負(fù)載。在數(shù)據(jù)準(zhǔn)備好進(jìn)行分析之前，需要對(duì)其進(jìn)行組合、清理和規(guī)范化，這一過(guò)程也稱為提取、轉(zhuǎn)換、加載 (ETL)，這可能非常費(fèi)力且容易出錯(cuò)。

在 AWS，我們的目標(biāo)是讓組織更輕松地連接到所有數(shù)據(jù)，并以客戶所需的速度和敏捷性實(shí)現(xiàn)這一點(diǎn)。我們基于以下目標(biāo)開發(fā)了實(shí)現(xiàn)零 ETL 未來(lái)的開創(chuàng)性方法：打破數(shù)據(jù)孤島，使數(shù)據(jù)集成更容易，并加快數(shù)據(jù)驅(qū)動(dòng)創(chuàng)新的步伐。

ETL的問(wèn)題

合并來(lái)自不同來(lái)源的數(shù)據(jù)就像將一堆礫石從一個(gè)地方移動(dòng)到另一個(gè)地方一樣，這是一項(xiàng)困難、耗時(shí)且常常令人不滿意的工作。首先，ETL 經(jīng)常要求數(shù)據(jù)工程師編寫自定義代碼。然后，DevOps 工程師或 IT 管理員必須部署和管理基礎(chǔ)設(shè)施，以確保數(shù)據(jù)管道的擴(kuò)展。當(dāng)數(shù)據(jù)源發(fā)生變化時(shí)，數(shù)據(jù)工程師必須手動(dòng)更改代碼并重新部署。

此外，當(dāng)數(shù)據(jù)工程師遇到數(shù)據(jù)復(fù)制滯后、架構(gòu)更新中斷以及源和目標(biāo)之間的數(shù)據(jù)不一致等問(wèn)題時(shí)，他們必須花費(fèi)時(shí)間和資源來(lái)調(diào)試和修復(fù)數(shù)據(jù)管道。在準(zhǔn)備數(shù)據(jù)時(shí)（這個(gè)過(guò)程可能需要幾天時(shí)間），數(shù)據(jù)分析師無(wú)法運(yùn)行交互式分析或構(gòu)建儀表板，數(shù)據(jù)科學(xué)家無(wú)法構(gòu)建機(jī)器學(xué)習(xí)模型或運(yùn)行預(yù)測(cè)，較終用戶（例如供應(yīng)鏈經(jīng)理）也無(wú)法做出數(shù)據(jù)驅(qū)動(dòng)的決策。

這個(gè)漫長(zhǎng)的過(guò)程扼殺了任何實(shí)時(shí)用例的機(jī)會(huì)，例如根據(jù)交通狀況將司機(jī)分配到路線、放置在線廣告或向乘客提供列車狀態(tài)更新。在這些情況下，可能會(huì)失去改善客戶體驗(yàn)或解決新業(yè)務(wù)前景的機(jī)會(huì)。

更快地實(shí)現(xiàn)價(jià)值

零 ETL 支持通過(guò)聯(lián)合查詢就地查詢數(shù)據(jù)，并以零工作量自動(dòng)將數(shù)據(jù)從源移動(dòng)到目標(biāo)。這意味著您可以近乎實(shí)時(shí)地對(duì)事務(wù)數(shù)據(jù)進(jìn)行分析、連接到軟件應(yīng)用程序中的數(shù)據(jù)以及從數(shù)據(jù)存儲(chǔ)中生成 ML 預(yù)測(cè)以更快地獲得業(yè)務(wù)洞察，而不必將數(shù)據(jù)移動(dòng)到 ML 工具。您還可以跨數(shù)據(jù)庫(kù)、數(shù)據(jù)倉(cāng)庫(kù)和數(shù)據(jù)湖查詢多個(gè)數(shù)據(jù)源，而移動(dòng)數(shù)據(jù)。為了完成這些任務(wù)，我們?cè)诜?wù)之間構(gòu)建了各種零 ETL 集成，以解決許多不同的用例。

例如，假設(shè)一家在十幾個(gè)國(guó)家/地區(qū)設(shè)有工廠的制造公司使用數(shù)據(jù)庫(kù)集群來(lái)存儲(chǔ)每個(gè)國(guó)家/地區(qū)的訂單和庫(kù)存數(shù)據(jù)。為了實(shí)時(shí)查看所有訂單和庫(kù)存，該公司必須在每個(gè)集群與中央數(shù)據(jù)倉(cāng)庫(kù)之間構(gòu)建單獨(dú)的數(shù)據(jù)管道，以便跨組合數(shù)據(jù)集進(jìn)行查詢。為此，數(shù)據(jù)集成團(tuán)隊(duì)必須編寫代碼來(lái)連接到 12 個(gè)不同的集群并管理和測(cè)試 12 個(gè)生產(chǎn)管道。團(tuán)隊(duì)部署代碼后，必須不斷監(jiān)控和擴(kuò)展管道以優(yōu)化性能，當(dāng)發(fā)生任何變化時(shí)，他們必須在 12 個(gè)不同的地方進(jìn)行更新。通過(guò)使用Amazon Aurora 零 ETL 與 Amazon Redshift 集成，數(shù)據(jù)集成團(tuán)隊(duì)可以消除構(gòu)建和管理自定義數(shù)據(jù)管道的工作。 

另一個(gè)例子是銷售和運(yùn)營(yíng)經(jīng)理正在尋找公司銷售團(tuán)隊(duì)?wèi)?yīng)重點(diǎn)關(guān)注的領(lǐng)域。使用完全托管的無(wú)代碼集成服務(wù) Amazon AppFlow，數(shù)據(jù)分析師可以將銷售機(jī)會(huì)記錄從 Salesforce 提取到 Amazon Redshift 中，并將其與來(lái)自不同來(lái)源（例如計(jì)費(fèi)系統(tǒng)、ERP 和營(yíng)銷數(shù)據(jù)庫(kù)）的數(shù)據(jù)相結(jié)合。通過(guò)分析所有這些系統(tǒng)中的數(shù)據(jù)進(jìn)行銷售分析，銷售經(jīng)理能夠無(wú)縫更新銷售儀表板，并為團(tuán)隊(duì)提供正確的銷售機(jī)會(huì)。

案例研究：麥哲倫 Rx 管理

在一個(gè)現(xiàn)實(shí)世界的用例中，  Magellan Rx Management  （現(xiàn)在是 Prime Therapeutics 的一部分）。使用數(shù)據(jù)和分析來(lái)提供改善患者護(hù)理、優(yōu)化成本和改善結(jié)果的臨床解決方案。該公司通過(guò)其 MRx Predict 解決方案開發(fā)和提供這些分析，該解決方案使用各種數(shù)據(jù)（包括藥房和醫(yī)療索賠以及人口普查數(shù)據(jù)）來(lái)優(yōu)化預(yù)測(cè)模型的開發(fā)和部署，并較大限度地提高預(yù)測(cè)準(zhǔn)確性。

在 Magellan Rx Management 開始使用 Redshift ML 之前，其數(shù)據(jù)科學(xué)家通過(guò)使用各種工具執(zhí)行一系列步驟得出了預(yù)測(cè)。他們必須在 SageMaker 中確定適當(dāng)?shù)?ML 算法或使用 Amazon SageMaker Autopilot，從數(shù)據(jù)倉(cāng)庫(kù)導(dǎo)出數(shù)據(jù)，并準(zhǔn)備訓(xùn)練數(shù)據(jù)以使用這些模型。部署模型后，科學(xué)家們使用新數(shù)據(jù)進(jìn)行了各種迭代以進(jìn)行預(yù)測(cè)（也稱為推理）。這涉及通過(guò)一系列手動(dòng)步驟在 Amazon Redshift 和 SageMaker 之間來(lái)回移動(dòng)數(shù)據(jù)。

借助 Redshift ML，該公司的分析師可以通過(guò)輕松創(chuàng)建和使用 ML 模型來(lái)對(duì)新藥進(jìn)行市場(chǎng)分類。通過(guò)利用 Redshift ML 支持此流程所獲得的效率提高了生產(chǎn)力、優(yōu)化了資源并產(chǎn)生了高度的預(yù)測(cè)準(zhǔn)確性。

一體化服務(wù)讓我們更接近零ETL

我們的使命是讓客戶輕松地從他們的數(shù)據(jù)中獲得較大價(jià)值，而集成服務(wù)是此過(guò)程的關(guān)鍵。這就是我們今天致力于構(gòu)建零 ETL 未來(lái)的原因。通過(guò)數(shù)據(jù)工程師可以自由地專注于從數(shù)據(jù)中創(chuàng)造價(jià)值，組織可以加速數(shù)據(jù)的使用，以簡(jiǎn)化運(yùn)營(yíng)并推動(dòng)業(yè)務(wù)增長(zhǎng)。