十大数据驱动型成功案例

十大数据驱动型成功案例数字和软件客户如何通过基于亚马逊云科技的端到端数据策略取得成功亚马逊云科技数据解决方案 目录简介：端到端数据策略包含哪些要素？ ......................................... 3 全面的客户案例 ..................................................................... 4 Omada Health ......................................................................... 5 HUMAN Security ....................................................................... 6 Jobcase ................................................................................. 7集成客户案例 ........................................................................ 8 The Mill Adventure ..................................................................... 9 Braze ................................................................................. 10 6sense ................................................................................ 11 Tapjoy ................................................................................ 12受监管客户案例 ................................................................... 13 Veracode ............................................................................. 14 OpenPay ............................................................................. 15 Greenlight Guru ...................................................................... 16 总结 ..................................................................................172 基于亚马逊云科技的端到端数据策略 • 全面：配备正确的工具，为任何用户、数据类型和应用场景提供最佳性价比• 集成：能够集成在不同工具和系统中存储和分析的数据，以更好地了解您的业务并预测将发生的情况• 受监管：管理您的所有数据，以便在用户需要时随时随地安全地访问数据，以加速创新 简介 端到端数据策略 包含哪些要素？对于数字原生企业和软件组织来说，数据是一项非常宝贵的资产。借助相关见解，您可以快速迭代，以及时了解客户需求、竞争影响和趋势。数据可以提供重要见解，使组织能够更精简、更有效、更具弹性，从而最终改善整体客户体验。如今，数据增长速度空前，组织越来越需要实施相应策略，才能将数据作为业务资产加以利用。尽管组织普遍迫切地感受到了需要“转型成为数据驱动型组织”或“转变为更加以数据为导向”，但大多数组织在落实相关数据策略时，却面临重重困难，不然就是进展缓慢。借助端到端数据策略，您可以管理不断增长的数据量，揭示各种数据类型的 洞察，并使数据随时可供合适的团队和系统使用。通过基于亚马逊云科技构建数据策略，组织能够从最可靠、可扩展且安全的 云服务，以及一整套最全面的数据服务中获益。通过本电子书，您可以深入了解客户如何通过释放数据价值推动组织转型。 我们将探讨领先的数字原生企业和软件组织如何使用亚马逊云科技释放其数据的力量，从而获得见解并做出以数据为导向的决策。全面集成受监管3 全面 配备合适的工具，为任何用户和数据类型提供 最佳性/价比，支持以数据为导向的决策组织需要构建面向未来的数据策略，能够满足其现在和未来的需求。要高效利用数据，需要的不仅仅是一个数据湖、数据仓库或者商业智能（BI）工 具 。它需要端到端的数据策略，具有一套全面的工具，可以应对数据的规模和多样性，并能满足您所需要的各种用途。实际上，在亚马逊云科技的前一千家客户中，有 94% 的客户使用了 10 种以上的数据库和分析服务。与云提供商合作创新，不断为您提供所需的全部数据工具和更多资源，并为您的应用场景提供合适的性价比，这有助于确保您拥有一个能够与您一起成长的数据策略。亚马逊云科技拥有一系列最广泛、最深入的数据功能，几乎可以支持任何数据工作负载或应用场景。从应用程序的数据库到数据湖的存储，到分析，再到机器学习（ML）和最终用户工具，亚马逊云科技在每个领域都提供了合适的功能，因此您不必在性能、成本或结果方面做出妥协。 亚马逊云科技正在不断加快其创新步伐，因此始终能够满足您的数据需求。4 通过机器学习增强预防性虚拟护理使用的亚马逊云科技服务Amazon Lambda Amazon RedshiftAmazon Route 53“我们在全球范围内与亚马逊云科技开展了富有成效的合作。随着新技术、服务、标准和最佳实践的发展，我们成功地与亚马逊云科技合作，对我们的团队进行培训并取得新的进展， 这将有利于项目成员获得更准确的健康结果。” Myles Guanzon， Omada Health 工程部副总裁Omada Health 简介Omada Health 是一家云原生数字医疗保健提供商，提供虚拟优先的综合护理计划，帮助人们做出变革性、持久的健康改变。面临的挑战通过及时提醒提供个性化的患者护理需要访问可扩展、合规且经济高效的平台。Omada Health 还需要服务来消化大量数据，并快速处理这些数据，以便为临床医生提供可操作的、基于指标的提醒。 亚马逊云科技解决方案Omada 实施了 Omada Insights Lab，这是一个内部数据分析引擎，利用 Amazon Redshift 安全地使用 ML 模型分析健康数据，从而为 优化和个性化护理提供建议。Amazon Lambda 是一种事件驱动型无服务器计算服务，无需预置或管理服务器即可运行代码，Omada 通过将计算架构迁移到此服务，显著提高了吞吐量。成果由于采用了技术增强功能，Omada 在不牺牲质量的情况下有效地扩展了规模。通过将计算架构迁移到 Lambda，Omada Health 已将 总体计算成本降低了 30%，同时提高了吞吐量。参阅案例研究 ›5 使用的亚马逊云科技服务Amazon EC2 M5 实例Amazon GlueAmazon SageMaker“通过使用 Amazon SageMaker，我们大大减少了训练 ML 模型所需的时间。”Austin Leirvik， HUMAN Security 员工数据科学家自动化机器学习训练，同时缩短上市时间HUMAN Security 简介HUMAN Security 为组织和互联网平台提供网络安全服务，保护他们免遭复杂的机器人攻击、欺诈和账户滥用。这家公司帮助 1000 多个品牌验证了商业和公共部门安全领域每周超过 20 万亿次互动的人文情况。面临的挑战HUMAN Security 正在寻找一种更快、更灵活的方式来处理其数据。此前，这家公司一直是人工训练和发布 ML 模型。HUMAN Security 希望加快 ML 模型的迭代，以缩短上市时间，并提高其 MediaGuard 解决方案的性能，该解决方案可以保护媒体组织和广告商免受欺诈。 亚马逊云科技解决方案亚马逊云科技帮助 HUMAN 进行了扩展，并实现了 ML 训练自动化。通过 Amazon SageMaker，团队可以快速高效地为任何应用场景构建和训练模型。HUMAN 还利用了亚马逊云科技合作伙伴网络（APN） 沉浸日，使亚马逊云科技合作伙伴能够提高自己员工的技能。成果在 Amazon Elastic Compute Cloud（Amazon EC2）M5 实例上运行工作负载帮助将数据集成成本降低了 15%，并使组织能够更快地扩展。使用 SageMaker 大大减少了生产具有完全可追溯性的 ML 模型所需的时间。与以前的流程相比，HUMAN Security 的部署数量增加了两倍。参阅案例研究 ›6 使用的亚马逊云科技服务Amazon RedshiftAmazon Redshift ML“能够快速运行预测，并且在 Amazon Redshift ML 上部署模型所需的工作量很少，这让我们能够专注于增加 产品其他方面的价值。”Ajay Joshi， Jobcase 杰出工程师扩展 ML 工作流程以支持每日数十亿次预测Jobcase 简介Jobcase 是一个面向工作人员和求职者的在线社区，每月有超过 2000 万单独访客。它的网站提供了招聘委员会和教育资源，介绍如何获得就业和在工作场所取得卓越成就。一个单独的门户网站使雇主有机会访问包含超过一亿名求职者的数据库。面临的挑战Jobcase 原有的 ML 工作流程将数据从 Amazon Redshift 迁移到一个单独的环境来运行其 ML 软件，然后再将数据返回到数据库，这一流程效率低下、容易出错且成本高昂。 亚马逊云科技解决方案Jobcase 迁移到 Amazon Redshift ML ，这样它就可以在数据仓库内执行其 ML 功能，而不需要移动数据。这使其分析师能够在 Amazon Redshift 中通过熟悉的 SQL 命令创建、训练和应用 ML 模型。现在，Jobcase 可以在数据仓库中执行其所有 ML 功能，从而能够在几分钟内运行数十亿次预测。成果在 Amazon Redshift ML 上部署新模型仅四周后，Jobcase 就注意到其特定电子邮件和推送通知渠道的参与度指标提高了 5%。这意味着改善了会员体验，提高了会员留存率，以及相应地增加了收入。参阅案例研究 ›77 集成 打破孤岛，使数据能够有效地发挥作用价值链的各个环节都存在利用数据实现组织转型的机会。但要进行这样的转型，您需要全面了解客户和组织。由于数据分布在多个部门、服务、本地数据库和第三方应用程序中，因此您需要能够跨多个孤岛轻松集成数据，以获得最佳见解。组织有各种方法来统一数据（数据网格、智能湖仓、数据结构等），但通常会将数据湖作为一项基础元素。借助数据湖，您可以从数据孤岛收集、存储、整理和处理有价值的数据，并以受管控的方式将其提供给分析、可视化和 ML 工具。8 让 iGaming 实现快速数据驱动决策使用的亚马逊云科技服务Amazon API Gateway Amazon AthenaAmazon DynamoDBAmazon Kinesis Data Streams（Amazon KDS）Amazon Lambda Amazon QuickSight Amazon S3Mill Adventure 简介Mill Adventure 是 iGaming 行业的推动者