5 بزرگترین اطلاعیه از AWS re:Invent

حاکمیت و اشتراک گذاری داده های جدید، هوش تجاری، مدیریت زنجیره تامین، امنیت، AI/ML، ابزارها و قابلیت های شبیه سازی فضایی – این هفته در AWS re:Invent بسیار پر مشغله بود و AWS بسیاری از خدمات جدید را ارائه کرد.

در اینجا برخی از مهم ترین اطلاعیه های کنفرانس سالانه AWS آمده است.

شبیه سازی دنیای واقعی

آزمایش‌های سه‌بعدی پویا به سازمان‌ها در سراسر صنایع – حمل‌ونقل، رباتیک، ایمنی عمومی – کمک می‌کند تا نتایج احتمالی دنیای واقعی را درک کنند و برای آنها آموزش ببینند.

به عنوان مثال، تعیین گردش کار جدید برای یک طبقه کارخانه، اجرای سناریوهای مختلف واکنش به بلایای طبیعی، یا فاکتورگیری ترکیبات مختلف بسته شدن جاده ها.

اما شبیه‌سازی‌های فضایی پیچیده به منابع محاسباتی قابل‌توجهی نیاز دارند، و ادغام و مقیاس‌بندی شبیه‌سازی‌ها با میلیون‌ها شیء در حال تعامل در سراسر نمونه‌های محاسباتی، می‌تواند فرآیندی دشوار و پرهزینه باشد.

برای کمک به مشتریان در ساخت، راه اندازی و اجرای شبیه سازی های فضایی در مقیاس بزرگ، AWS AWS SimSpace Weaver را عرضه کرده است. سرویس محاسباتی کاملاً مدیریت‌شده به کاربران اجازه می‌دهد شبیه‌سازی‌های فضایی را برای مدل‌سازی سیستم‌هایی با نقاط داده زیادی – مانند الگوهای ترافیک در سراسر شهر، جریان‌های جمعیت در محل برگزاری، یا چیدمان‌های یک طبقه کارخانه، مستقر کنند. به گفته AWS، پس از آن می توان از آنها برای انجام آموزش های همه جانبه و جمع آوری بینش های مهم استفاده کرد.

کاربران می‌توانند شبیه‌سازی‌هایی را با بیش از یک میلیون موجودیت (افراد، ماشین‌ها، چراغ‌های راهنمایی، جاده‌ها) که در زمان واقعی در تعامل هستند، اجرا کنند. به گفته AWS، شبیه‌سازی، مانند یک شهر واقعی، به خودی خود یک «دنیای» گسترده است.

هنگامی که مشتری آماده استقرار است، SimSpace Weaver به طور خودکار محیط را تنظیم می کند، حداکثر 10 نمونه EC2 آمازون را به یک خوشه شبکه متصل می کند و شبیه سازی را در بین نمونه ها توزیع می کند. به گفته AWS، این سرویس سپس پیکربندی‌های شبکه و حافظه را مدیریت می‌کند و داده‌ها را در بین نمونه‌ها تکرار و همگام‌سازی می‌کند تا یک شبیه‌سازی واحد و یکپارچه ایجاد کند که در آن چندین کاربر بتوانند در زمان واقعی با هم تعامل داشته باشند و شبیه‌سازی را دستکاری کنند.

مشتریان عبارتند از Duality Robotics، Epic Games و Lockheed Martin. دومی با AWS کار کرد تا یک نسخه ی نمایشی بازیابی زلزله سانفرانسیسکو را برای نشان دادن راه هایی که امدادگران اولیه ممکن است یک ماموریت امدادی را سازماندهی کنند، ایجاد کند.

وسلی تانیس، مهندس نمونه‌سازی مجازی لاکهید مارتین گفت: «ما باید بتوانیم در مقیاس دنیای واقعی شبیه‌سازی کنیم تا اعتماد کنیم که بینش‌هایی که از شبیه‌سازی به دست می‌آوریم قابل انتقال به واقعیت هستند.

او گفت که با کار با AWS، آنها توانستند بیش از یک میلیون شی را «در مقیاس قاره‌ای» شبیه‌سازی کنند، «به ما بینشی از دنیای واقعی برای افزایش آمادگی موقعیتی و برنامه‌ریزی خود در طیف وسیعی از سناریوها، از جمله بلایای طبیعی می‌دهد».

مدیریت بهتر داده ها

سازمان‌های امروزی پتابایت – حتی اگزابایت – از داده‌های پراکنده در چندین بخش، خدمات، پایگاه‌های داده داخلی و منابع شخص ثالث را جمع‌آوری می‌کنند.

اما قبل از اینکه بتوانند ارزش کامل این داده ها را باز کنند، مدیران و مباشران داده باید آن را در دسترس قرار دهند. در عین حال، آنها باید کنترل و حاکمیت را حفظ کنند تا اطمینان حاصل شود که داده ها فقط توسط شخص مناسب و در زمینه مناسب قابل دسترسی است.

سرویس جدید Amazon DataZone برای کمک به سازمان‌ها در فهرست‌نویسی، کشف، اشتراک‌گذاری و مدیریت داده‌ها در سراسر AWS، داخلی و منابع شخص ثالث راه‌اندازی شد.

سوامی سیواسوبرامانیان، معاون پایگاه داده، تجزیه و تحلیل و ML در AWS گفت: «حکمرانی خوب پایه‌ای است که داده‌ها را برای کل سازمان در دسترس قرار می‌دهد. “اما ما اغلب از مشتریان می شنویم که ایجاد تعادل مناسب بین قابل کشف کردن داده ها و حفظ کنترل دشوار است.”

با استفاده از پورتال وب سرویس مدیریت داده جدید، سازمان ها می توانند کاتالوگ داده های کسب و کار خود را با تعریف طبقه بندی داده ها، پیکربندی سیاست های حاکمیتی و اتصال به طیف وسیعی از خدمات AWS (مانند Amazon S3 یا Amazon Redshift)، راه حل های شریک (مانند) راه اندازی کنند. سیواسوبرامانیان گفت: Salesforce و ServiceNow)، و سیستم‌های داخلی.

ML برای جمع آوری و پیشنهاد ابرداده برای هر مجموعه داده استفاده می شود. پس از راه‌اندازی کاتالوگ‌ها، کاربران می‌توانند دارایی‌ها را از طریق پورتال وب Amazon DataZone جستجو و کشف کنند، ابرداده‌ها را برای زمینه بررسی کنند و درخواست دسترسی به مجموعه داده‌ها را داشته باشند. ابزار جدید با سرویس های تحلیلی AWS – Amazon Redshift، Amazon Athena، Amazon QuickSight – یکپارچه شده است تا مصرف کنندگان بتوانند در زمینه پروژه داده خود به آنها دسترسی داشته باشند.

همانطور که Sivasubramanian بیان کرد، این سرویس جدید “داده ها را در سراسر سازمان آزاد می کند، بنابراین هر کارمند می تواند به ایجاد بینش های جدید برای به حداکثر رساندن ارزش آن کمک کند.”

به اشتراک گذاری امن داده ها

به طور مشابه، برای به دست آوردن بینش های مهم، سازمان ها اغلب می خواهند داده های خود را با داده های شرکای خود تکمیل کنند. در عین حال، آنها باید از اطلاعات حساس مصرف کننده محافظت کنند و اشتراک گذاری داده های خام را کاهش یا حذف کنند.

این اغلب به معنای اشتراک گذاری داده های سطح کاربر و سپس اعتماد به این است که شرکا به طور کامل به توافقات قراردادی پایبند هستند.

اتاق‌های تمیز داده می‌توانند به رفع این چالش کمک کنند، زیرا به چندین طرف اجازه می‌دهند داده‌های خود را در یک محیط محافظت‌شده که در آن شرکت‌کنندگان قادر به دیدن داده‌های خام یکدیگر نیستند، ترکیب و تجزیه و تحلیل کنند. اما ساخت اتاق های تمیز ممکن است دشوار باشد و به کنترل های پیچیده حریم خصوصی و ابزارهای تخصصی انتقال داده ها نیاز دارد.

هدف AWS Clean Rooms تسهیل این فرآیند است. سازمان‌ها اکنون می‌توانند به سرعت اتاق‌های تمیز داده امن ایجاد کنند و با هر شرکت دیگری در AWS Cloud همکاری کنند.

طبق AWS، مشتریان شرکای مورد نظر خود را برای همکاری انتخاب می‌کنند، مجموعه داده‌های خود را انتخاب می‌کنند و محدودیت‌هایی را برای شرکت‌کنندگان پیکربندی می‌کنند. آنها به کنترل‌های دسترسی به داده‌های قابل تنظیم – از جمله کنترل‌های پرس و جو، محدودیت‌های خروجی پرس و جو، و ثبت درخواست دسترسی دارند – در حالی که ابزارهای محاسباتی رمزنگاری پیشرفته داده‌ها را رمزگذاری می‌کنند.

دیلیپ کومار، معاون برنامه‌های کاربردی AWS، گفت: «مشتریان می‌توانند در طیف وسیعی از وظایف، مانند تولید مؤثرتر بینش‌های کمپین تبلیغاتی و تجزیه و تحلیل داده‌های سرمایه‌گذاری، و در عین حال بهبود امنیت داده‌ها، همکاری کنند.

اقدام پیشگیرانه بر روی داده های امنیتی

سازمان ها می خواهند به سرعت خطرات امنیتی را شناسایی کرده و به آنها پاسخ دهند. این به آنها اجازه می دهد تا اقدامات سریعی را برای ایمن سازی داده ها و شبکه ها انجام دهند.

با این حال، داده هایی که آنها برای تجزیه و تحلیل نیاز دارند، اغلب در چندین منبع پخش شده و در قالب های مختلف ذخیره می شوند.

برای تسهیل این فرآیند، مشتریان AWS اکنون می توانند از دریاچه امنیتی آمازون استفاده کنند. این سرویس به طور خودکار داده های امنیتی را از ابر و منابع داخلی در یک دریاچه داده ساخته شده در حساب AWS مشتری متمرکز می کند.

به گفته AWS، تحلیلگران و مهندسان امنیتی می‌توانند حجم زیادی از داده‌های گزارش و رویداد نامتجانس را جمع‌آوری، مدیریت و بهینه‌سازی کنند تا شناسایی، بررسی و واکنش سریع‌تر تهدیدات را امکان‌پذیر کنند.

جان رمزی، معاون خدمات امنیتی در AWS گفت: «مشتریان به ما می‌گویند که می‌خواهند سریع‌تر روی این داده‌ها برای بهبود وضعیت امنیتی خود اقدام کنند، اما فرآیند جمع‌آوری، عادی‌سازی، ذخیره و مدیریت این داده‌ها پیچیده و زمان‌بر است. .

پرداختن به پیچیدگی زنجیره تامین

در سال‌های اخیر، زنجیره‌های تامین نوسانات عرضه و تقاضای بی‌سابقه‌ای را تجربه کرده‌اند – و این تنها با کمبود منابع، ژئوپلیتیک و رویدادهای طبیعی تسریع شده است.

چنین اختلالاتی بر کسب‌وکارها فشار می‌آورد تا برای عدم قطعیت زنجیره تامین بالقوه برنامه‌ریزی کنند و به سرعت به تغییرات تقاضای مشتری پاسخ دهند و در عین حال هزینه‌ها را پایین نگه دارند.

اما زمانی که کسب‌وکارها خطرات زنجیره تامین را به‌طور ناکافی پیش‌بینی می‌کنند – به عنوان مثال، کمبود قطعات، ازدحام بندر حمل و نقل، افزایش تقاضای پیش‌بینی نشده یا اختلالات آب‌وهوایی – می‌توانند با هزینه‌های موجودی اضافی یا انبارها مقابله کنند. به نوبه خود، این می تواند باعث تجربه ضعیف مشتری شود.

زنجیره تامین جدید AWS با ترکیب و تجزیه و تحلیل داده ها در چندین سیستم زنجیره تامین به ساده سازی این فرآیند کمک می کند. طبق AWS، کسب‌وکارها می‌توانند عملیات را در زمان واقعی مشاهده کنند، روندها را به سرعت شناسایی کنند و پیش‌بینی‌های دقیق‌تری از تقاضا ایجاد کنند.

Diego Pantoja-Navajas، معاون زنجیره تامین AWS گفت: “مشتریان به ما می گویند که حمل و نقل سنگین غیرمتمایز مورد نیاز در اتصال داده ها بین راه حل های مختلف زنجیره تامین، توانایی آنها را برای مشاهده سریع و پاسخ به اختلالات احتمالی زنجیره تامین مهار کرده است.”

به گفته این شرکت، سرویس جدید بر اساس نزدیک به 30 سال تجربه شبکه لجستیکی Amazon.com است. از مدل های ML از پیش آموزش دیده برای درک، استخراج و جمع آوری داده ها از ERP و سیستم های مدیریت زنجیره تامین استفاده می کند. سپس اطلاعات در زمان واقعی متنی می شود و انتخاب موجودی فعلی و کمیت را در هر مکان برجسته می کند.

بینش‌های ML کمبود یا تأخیر احتمالی موجودی را نشان می‌دهند و به کاربران در صورت بروز خطرات هشدار داده می‌شود. با توجه به AWS، پس از شناسایی یک مشکل، زنجیره تامین AWS اقدامات توصیه‌شده را ارائه می‌کند – به عنوان مثال، موجودی را بین مکان‌ها جابجا می‌کند – بر اساس درصد ریسک حل‌شده، فاصله بین امکانات و تاثیر پایداری.

کریس تیمرمنز، رهبر زنجیره تامین و عملیات جهانی در Accenture (زنجیره تامین AWS) گفت: “از آنجایی که اختلالات زنجیره تامین برای آینده قابل پیش‌بینی ادامه دارد، شرکت‌ها باید بر ایجاد تعادل بین کارایی هزینه، پایداری و ارتباط در شبکه‌های تامین خود برای حمایت از رشد تمرکز کنند.” مشتری).

تیمرمنز گفت: «اجرای یک استراتژی دیجیتال مبتنی بر ابر می‌تواند زنجیره تأمین چابک و انعطاف‌پذیری را فعال کند که به تغییرات بازار و خواسته‌های مشتریان پاسخ‌گو باشد».

همچنین این هفته در AWS re:Invent، AWS پنج قابلیت جدید پایگاه داده و تجزیه و تحلیل، پنج قابلیت جدید برای ابزار هوش تجاری Amazon QuickSight و هشت قابلیت جدید Amazon SageMaker را معرفی کرد.