Mettre en œuvre une stratégie d'analyse pour les données de vos partenaires commerciaux Amazon - AWS Conseils prescriptifs

Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.

Mettre en œuvre une stratégie d'analyse pour les données de vos partenaires commerciaux Amazon

Cette section fournit une stratégie détaillée expliquant comment les fournisseurs et vendeurs Amazon peuvent effectuer des analyses avancées sur les données ingérées par l'API Amazon Selling Partner (SP-API). Ces fonctionnalités d'analyse peuvent fournir :

  • Informations sur les performances des ventes, la gestion des stocks, les analyses de marque et d'autres indicateurs clés.

  • Possibilité de créer des calculs, des filtres et des visualisations personnalisés pour répondre à vos besoins spécifiques.

Le schéma d'architecture suivant montre comment vous pouvez AWS Glue découvrir, préparer, déplacer et intégrer les données dans le lac de données afin de les utiliser à des fins d'analyse et d'analyse.

Utiliser des services d'analyse et AWS Glue obtenir des informations à partir des données de l'API Amazon Selling Partner

Le schéma d'architecture inclut les composants suivants :

  1. AWS Lake Formationest utilisé pour créer le lac de données évolutif et pour gérer de manière centralisée la sécurité, le contrôle d'accès et les pistes d'audit.

  2. Amazon Simple Storage Service (Amazon S3) est utilisé pour le stockage des lacs de données.

  3. AWS Glueest utilisé pour cataloguer, transformer, enrichir, déplacer et répliquer des données dans plusieurs magasins de données et dans le lac de données. AWS Glue simplifie les processus d'intégration de données traditionnels complexes, manuels et coûteux, et prend en charge l'augmentation des volumes de données et la diversité des données.

  4. Amazon vous DataZone aide à cataloguer, découvrir, partager et gérer les données au sein de l'entreprise.

  5. Amazon Athena fournit des fonctionnalités de requête, d'analyse et de traitement interactives.

  6. Amazon Redshift est utilisé comme entrepôt de données dans le cloud. Avec l'intégration Zero-ETL, vous pouvez effectuer des analyses en temps quasi réel sur des pétaoctets de données transactionnelles, ou vous pouvez utiliser les fonctionnalités d'Amazon Redshift ML pour obtenir des informations en temps réel.

  7. Amazon QuickSight fournit des informations commerciales basées sur le ML. QuickSight Q, basé sur l'apprentissage automatique, utilise le traitement du langage naturel pour répondre rapidement à vos questions commerciales.

  8. Amazon EMR est une plate-forme de cluster gérée qui simplifie l'exécution de frameworks de mégadonnées pour traiter et analyser de grandes quantités de données. AWS Grâce à ces infrastructures et des projets open source connexes, vous pouvez traiter des données à des fins d’analyse et pour des charges de travail business intelligence.

  9. Amazon OpenSearch Service peut être utilisé à des fins d'analyse opérationnelle. Il fournit également des fonctionnalités de recherche dans des bases de données vectorielles.

  10. Amazon SageMaker AI peut être utilisé pour créer, former et déployer des modèles de machine learning, ainsi que pour ajouter de l'intelligence artificielle à vos applications.