Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.
Was ist AWS Entity Resolution?
AWS Entity Resolution ist ein Service, mit dem Sie zusammengehörende Datensätze, die in mehreren Anwendungen, Kanälen und Datenspeichern gespeichert sind, abgleichen, verknüpfen und verbessern können. Sie können mit Workflows zur Entitätsauflösung beginnen, die flexibel und skalierbar sind und eine Verbindung zu Ihren bestehenden Anwendungen und Datendienstanbietern herstellen können.
AWS Entity Resolution bietet fortschrittliche Abgleichstechniken wie regelbasierten Abgleich, auf maschinellem Lernen basierenden Abgleich (ML-Matching) und von Datendienstanbietern gesteuerter Abgleich. Diese Techniken können Ihnen dabei helfen, zugehörige Datensätze mit Kundeninformationen, Produktcodes oder Geschäftsdatencodes genauer zu verknüpfen und zu verbessern.
Sie können AWS Entity Resolution damit eine einheitliche Ansicht der Kundeninteraktionen erstellen, indem Sie aktuelle Ereignisse (wie Anzeigenklicks, abgebrochene Warenkörbe und Käufe) mit pseudonymisierten Signalen Ihrer Datendienstleister zu einer eindeutigen Entitäts-ID verknüpfen. Sie können auch Produkte, die unterschiedliche Codes verwenden (z. B.UPC)SKU, in Ihren Geschäften besser nachverfolgen. Sie können AWS Entity Resolution damit die Genauigkeit der Zuordnung kontrollieren, die Datensicherheit besser schützen und gleichzeitig die Datenbewegung minimieren.
Themen
Sind Sie ein Erstanwender? AWS Entity Resolution
Wenn Sie zum ersten Mal Benutzer von sind AWS Entity Resolution, empfehlen wir Ihnen, zunächst die folgenden Abschnitte zu lesen:
Funktionen von AWS Entity Resolution
AWS Entity Resolution beinhaltet die folgenden Funktionen:
-
Flexible und anpassbare Datenaufbereitung
AWS Entity Resolution liest Ihre Daten aus AWS Glue , um sie als Eingabe für die Spielverarbeitung zu verwenden. Sie können maximal 20 Dateneingaben angeben. AWS Entity Resolution verarbeitet jede Zeile der Dateneingabetabelle als Datensatz, wobei eine eindeutige Entität als Primärschlüssel dient. AWS Entity Resolution kann mit verschlüsselten Datensätzen arbeiten. Definieren Sie zunächst das Schema-Mapping AWS Entity Resolution , um zu verstehen, welche Eingabefelder Sie in Ihrem Matching-Workflow verwenden möchten. Sie können Ihr eigenes Datenschema oder Ihren eigenen Blueprint aus einer vorhandenen AWS Glue Dateneingabe übernehmen. Oder Sie können Ihr benutzerdefiniertes Schema mithilfe einer interaktiven Benutzeroberfläche oder eines JSON Editors erstellen. Normalisiert standardmäßig AWS Entity Resolution auch Dateneingaben vor dem Abgleich, um die Zuordnungsverarbeitung zu verbessern, z. B. durch das Entfernen von Sonderzeichen und zusätzlichen Leerzeichen und das Formatieren von Text in Kleinbuchstaben. Wenn Ihre Dateneingabe bereits normalisiert ist, können Sie die Normalisierung deaktivieren. Wir bieten auch eine GitHub Bibliothek
, mit der Sie den Datennormalisierungsprozess weiter an Ihre Bedürfnisse anpassen können. -
Konfigurierbare Workflows zum Abgleich von Entitäten
Ein Workflow für den Entitätsabgleich besteht aus einer Abfolge von Schritten, die Sie einrichten, um festzulegen, AWS Entity Resolution wie Ihre Dateneingabe abgeglichen werden soll und wo die konsolidierte Datenausgabe geschrieben werden soll. Sie können einen oder mehrere Abgleichs-Workflows einrichten, um verschiedene Dateneingaben zu vergleichen und unterschiedliche Abgleichstechniken wie regelbasierten Abgleich, maschinellen Lernabgleich oder von Datendienstanbietern gesteuerter Abgleich ohne Erfahrung mit Entitätsauflösung oder maschinellem Lernen zu verwenden. Sie können auch den Auftragsstatus vorhandener Abgleichs-Workflows und Metriken anzeigen, z. B. die Ressourcennummer, die Anzahl der verarbeiteten Datensätze und die Anzahl der gefundenen Treffer.
-
R eady-to-use regelbasierter Abgleich
Diese Vergleichstechnik beinhaltet eine Reihe von ready-to-use Regeln im AWS Management Console oder AWS Command Line Interface ()AWS CLI. Sie können diese Regeln verwenden, um anhand Ihrer Eingabefelder nach verwandten Datensätzen zu suchen. Sie können die Regeln auch anpassen, indem Sie Eingabefelder für jede Regel hinzufügen oder entfernen, Regeln löschen, die Regelpriorität neu anordnen und neue Regeln erstellen. Sie können die Regeln auch zurücksetzen, um sie auf ihre ursprüngliche Konfiguration zurückzusetzen. Die in Ihrem Amazon Simple Storage Service (Amazon S3) -Bucket ausgegebenen Daten enthalten Übereinstimmungsgruppen, die mithilfe der regelbasierten Abgleichstechnik AWS Entity Resolution generiert werden. Jeder Match-Gruppe ist die Regelnummer zugeordnet, die zur Generierung des Matches verwendet wurde, um Ihnen das Verständnis des Matches zu erleichtern. Die Regelnummer kann beispielsweise die Genauigkeit jeder Spielgruppe belegen, sodass Regel eins genauer ist als Regel zwei.
-
Vorkonfigurierter, auf maschinellem Lernen basierender Abgleich (ML-Matching)
Diese Abgleichstechnik umfasst ein vorkonfiguriertes ML-Modell, mit dem Sie Übereinstimmungen für all Ihre Dateneingaben, insbesondere für verbraucherbasierte Datensätze, finden können. Das Modell verwendet alle Eingabefelder, die den Datentypen Name, E-Mail-Adresse, Telefonnummer, Adresse und Geburtsdatum zugeordnet sind. Das Modell generiert Zuordnungsgruppen verwandter Datensätze mit einem Konfidenzwert für jede Gruppe, der die Qualität der Übereinstimmung im Vergleich zu anderen Übereinstimmungsgruppen erklärt. Das Modell berücksichtigt fehlende Eingabefelder und analysiert den gesamten Datensatz zusammen, sodass er eine Einheit darstellt. Die Datenausgabe in Ihrem Amazon S3 S3-Bucket enthält Übereinstimmungsgruppen, die mithilfe des ML-Matchings AWS Entity Resolution generiert werden. Hier ist jeder Spielgruppe ein Konfidenzwert von 0,0-1,0 zugeordnet, der die Genauigkeit des Spiels angibt.
-
Abgleich von Datensätzen mit Datendienstanbietern
Damit können AWS Entity Resolution Sie Ihre Datensätze mit führenden Datendienstanbietern und lizenzierten Datensätzen abgleichen, verknüpfen und verbessern, um Ihre Kunden besser zu verstehen, zu erreichen und zu betreuen. Sie können beispielsweise Attribute an Ihre Daten anhängen, um Ihre Datensätze zu verbessern, oder Sie können die Interoperabilität von Systemen und Plattformen verbessern, mit denen Sie arbeiten, um Ihre Geschäftsziele zu erreichen. Sie können diesen Matching-Workflow mit wenigen Klicks verwenden, sodass Sie keine komplexen proprietären Integrationen erstellen und verwalten müssen. Sie benötigen eine Lizenzvereinbarung mit diesen Datendienstanbietern, um diese Matching-Technik nutzen zu können.
-
-
Manuelle Massenverarbeitung und automatische inkrementelle Verarbeitung
Mithilfe der Datenverarbeitung können Sie Ihre Dateneingabe oder -eingaben in eine konsolidierte Datenausgabetabelle mit ähnlichen Datensätzen konvertieren, die über eine gemeinsame Match-ID verfügen, die mithilfe von Workflow-Konfigurationen für den Entitätsabgleich generiert wurde. Mithilfe von API und AWS Management Console oder können Sie bei Bedarf eine manuelle Massenverarbeitung auf der Grundlage Ihrer vorhandenen Datenpipeline zum Extrahieren, Transformieren und Laden (ETL) ausführen, die alle Daten für neue Treffer und Aktualisierungen vorhandener Treffer erneut verarbeitet. AWS CLI Für regelbasierte Vergleichsszenarien können Sie außerdem eine automatische inkrementelle Verarbeitung einleiten, sodass der Service diese neuen Datensätze liest und mit vorhandenen Datensätzen vergleicht, sobald neue Daten in Ihrem Amazon S3 S3-Bucket verfügbar sind. Dadurch bleiben Ihre Matches bei allen Änderungen der Amazon S3 S3-Daten auf dem neuesten Stand.
-
Suche nahezu in Echtzeit
Wenn Sie während des AWS Entity Resolution GetMatchId APIVorgangs nach beliebigen Entitätsfeldern suchen, können Sie eine vorhandene Match-ID synchron abrufen. Sie können AWS Entity Resolution mit Attributen für persönlich identifizierbare Informationen (PII) anrufen, die über verschiedene Quellen und Kanäle erfasst wurden. AWS Entity Resolution verwendet aus Datenschutzgründen einen Hashwert für diese Attribute und ruft die entsprechende Match-ID ab, um den Kunden zu verknüpfen und zuzuordnen. Sie können beispielsweise eine Webanmeldung mit einem zugehörigen Namen, einer E-Mail-Adresse und einer Postanschrift erhalten. Verwenden Sie den AWS Entity Resolution GetMatchId API Vorgang, um herauszufinden, ob dieser Kunde oder diese Entität bereits in Ihren in Ihrem S3-Bucket gespeicherten übereinstimmenden Ergebnissen vorhanden ist, zusammen mit der entsprechenden Entitäts-Match-ID, die ihm zugeordnet ist. Nachdem Sie die Entitäts-Match-ID erhalten haben, können Sie die damit verknüpften Transaktionsinformationen in Ihren Quellanwendungen finden, z. B. in Ihren Systemen für Kundenbeziehungsmanagement (CRM) oder Kundendatenplattform (CDP).
-
Datenschutz und Regionalisierung von Haus aus
AWS Entity Resolution bietet eine Standardverschlüsselungsfunktion, mit der Sie Ihre Daten schützen können, und stattet Sie mit einem Verschlüsselungsschlüssel für jede Dateneingabe in den Dienst aus. Bietet Ihnen beispielsweise die AWS Entity Resolution Flexibilität, serverseitig verschlüsselte und gehashte Daten zur Ausführung regelbasierter Abgleichs-Workflows zu verwenden. AWS Entity Resolution unterstützt Regionalisierung, was bedeutet, dass Ihre Abgleichs-Workflows zur Verarbeitung Ihrer Daten an derselben Stelle ausgeführt werden, von der AWS-Region aus Sie den Service verwenden. Sie können die Datenausgabe in Amazon S3 auch verschlüsseln und hashen, bevor Sie Ihre aufgelösten Daten in anderen Anwendungen verwenden.
-
Transcodierung für mehrere Parteien
AWS Entity Resolution hilft Ihnen bei der Definition Ihrer Datenquellen und der passenden Konfigurationen zwischen mehreren Parteien, die eine Datenzusammenarbeit nutzen möchten, z. B. in. AWS Clean Rooms
Zugehörige Services
Folgendes bezieht AWS -Services sich auf AWS Entity Resolution:
-
Amazon S3
Speichern Sie Daten, die Sie importieren, AWS Entity Resolution in Amazon S3.
Weitere Informationen finden Sie unter Was ist Amazon S3? im Amazon Simple Storage Service-Benutzerhandbuch.
-
AWS Glue
Erstellen Sie AWS Glue Tabellen aus Ihren Daten in Amazon S3 zur Verwendung in AWS Entity Resolution.
Weitere Informationen finden Sie unter Was ist AWS Glue? im AWS Glue Entwicklerhandbuch.
-
AWS CloudTrail
Verwenden Sie es AWS Entity Resolution zusammen mit CloudTrail Protokollen, um Ihre AWS -Service Aktivitätsanalyse zu verbessern.
Weitere Informationen finden Sie unter Protokollieren von AWS Entity Resolution API-Aufrufen mit AWS CloudTrail.
-
AWS CloudFormation
Erstellen Sie die folgenden Ressourcen in AWS CloudFormation: AWS::EntityResolution::MatchingWorkflow, AWS::EntityResolution::SchemaMapping, AWS::EntityResolution:IdMappingWorkflow, AWS::EntityResolution::IdNamespace und AWS::EntityResolution::PolicyStatement
Weitere Informationen finden Sie unter Ressourcen zur AWS Entitätsauflösung erstellen mit AWS CloudFormation.
Zugreifen AWS Entity Resolution
Sie können AWS Entity Resolution über die folgenden Optionen darauf zugreifen:
-
Direkt über die AWS Entity Resolution Konsole unter https://console.aws.amazon.com/entityresolution/
. -
Programmgesteuert über die. AWS Entity Resolution API Weitere Informationen finden Sie in der AWS Entity Resolution API Referenz.
-
Wenn Sie die AWS Entity Resolution API in AWS Lambda Runtime aufrufen möchten, erstellen Sie Ihr eigenes Bereitstellungspaket und fügen Sie die gewünschte Version der AWS SDK Bibliothek hinzu. Weitere Informationen finden Sie in den folgenden Beispielen im AWS Lambda Developer Guide:
-
Preisgestaltung für AWS Entity Resolution
Preisinformationen finden Sie unter AWS Entity Resolution – Preise