Implementación de una estrategia de análisis para los datos de tus socios vendedores de Amazon - AWS Guía prescriptiva

Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.

Implementación de una estrategia de análisis para los datos de tus socios vendedores de Amazon

En esta sección se proporciona una estrategia detallada sobre cómo los vendedores y vendedores de Amazon pueden realizar análisis avanzados de los datos ingeridos desde la API de socios vendedores de Amazon (SP-API). Estas funciones de análisis pueden proporcionar:

  • Información sobre el rendimiento de las ventas, la gestión del inventario, el análisis de la marca y otras métricas clave.

  • La capacidad de crear cálculos, filtros y visualizaciones personalizados para satisfacer sus necesidades específicas.

El siguiente diagrama de arquitectura muestra cómo se AWS Glue suelen descubrir, preparar, mover e integrar los datos en el lago de datos para utilizarlos con fines de análisis e información.

Uso de servicios de análisis y obtención de información AWS Glue a partir de los datos de la API de Amazon Selling Partner

El diagrama de arquitectura incluye los siguientes componentes:

  1. AWS Lake Formationse utiliza para crear un lago de datos escalable y para gestionar de forma centralizada la seguridad, el control de acceso y las pistas de auditoría.

  2. Amazon Simple Storage Service (Amazon S3) se utiliza como almacenamiento del lago de datos.

  3. AWS Gluese utiliza para catalogar, transformar, enriquecer, mover y replicar datos en varios almacenes de datos y en el lago de datos. AWS Glue simplifica los procesos de integración de datos tradicionales, complejos, manuales y costosos, y permite aumentar los volúmenes y la diversidad de datos.

  4. Amazon le DataZone ayuda a catalogar, descubrir, compartir y gestionar los datos en toda la organización.

  5. Amazon Athena ofrece funciones interactivas de consulta, análisis y procesamiento.

  6. Amazon Redshift se utiliza como almacén de datos en la nube. Con la integración sin ETL, puede realizar análisis prácticamente en tiempo real de petabytes de datos transaccionales o puede utilizar las capacidades de Amazon Redshift ML para obtener información en tiempo real.

  7. Amazon QuickSight proporciona inteligencia empresarial basada en ML. QuickSight Q, basado en el aprendizaje automático, utiliza el procesamiento del lenguaje natural para responder rápidamente a sus preguntas empresariales.

  8. Amazon EMR es una plataforma de clústeres gestionada que simplifica la ejecución de marcos de big data para procesar y analizar grandes cantidades de datos. AWS Mediante el uso de estos marcos de trabajo y proyectos de código abierto relacionados, puede procesar datos para fines de análisis y cargas de trabajo de inteligencia empresarial.

  9. Amazon OpenSearch Service se puede utilizar para realizar análisis operativos. También proporciona capacidades de búsqueda en bases de datos vectoriales.

  10. Amazon SageMaker AI se puede utilizar para crear, entrenar e implementar modelos de aprendizaje automático y para añadir inteligencia artificial a sus aplicaciones.