Menerapkan strategi analitik untuk data mitra penjualan Amazon Anda - AWS Panduan Preskriptif

Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

Menerapkan strategi analitik untuk data mitra penjualan Amazon Anda

Bagian ini memberikan strategi terperinci tentang bagaimana vendor dan penjual Amazon dapat melakukan analisis lanjutan pada data yang dicerna dari Amazon Selling Partner API (SP-API). Kemampuan analitik ini dapat menyediakan:

  • Wawasan tentang kinerja penjualan, manajemen inventaris, analisis merek, dan metrik utama lainnya.

  • Kemampuan untuk membuat perhitungan, filter, dan visualisasi khusus untuk memenuhi kebutuhan spesifik Anda.

Diagram arsitektur berikut menunjukkan cara Anda menggunakan AWS Glue untuk menemukan, menyiapkan, memindahkan, dan mengintegrasikan data di danau data sehingga Anda dapat menggunakannya untuk analitik dan wawasan.

Menggunakan layanan analitik dan AWS Glue membuka wawasan dari data API Mitra Penjualan Amazon

Diagram arsitektur mencakup komponen-komponen berikut:

  1. AWS Lake Formationdigunakan untuk membangun data lake yang dapat diskalakan dan untuk mengelola keamanan, kontrol akses, dan jalur audit secara terpusat.

  2. Amazon Simple Storage Service (Amazon S3) digunakan sebagai penyimpanan data lake.

  3. AWS Gluedigunakan untuk membuat katalog, mengubah, memperkaya, memindahkan, dan mereplikasi data di beberapa penyimpanan data dan data lake. AWS Glue menyederhanakan proses integrasi data tradisional yang kompleks, manual, dan mahal, dan mendukung peningkatan volume data dan keragaman data.

  4. Amazon DataZone membantu Anda membuat katalog, menemukan, berbagi, dan mengatur data di seluruh organisasi.

  5. Amazon Athena menyediakan kemampuan kueri, analisis, dan pemrosesan interaktif.

  6. Amazon Redshift digunakan sebagai gudang data cloud. Dengan integrasi Zero-ETL, Anda dapat melakukan analisis hampir real-time pada petabyte data transaksional, atau Anda dapat menggunakan kemampuan Amazon Redshift MLuntuk memperoleh wawasan waktu nyata.

  7. Amazon QuickSight menyediakan intelijen bisnis bertenaga ML. QuickSight Q, didukung oleh pembelajaran mesin, menggunakan pemrosesan bahasa alami untuk menjawab pertanyaan bisnis Anda dengan cepat.

  8. Amazon EMR adalah platform cluster terkelola yang menyederhanakan menjalankan kerangka kerja data besar untuk memproses dan menganalisis sejumlah besar data. AWS Dengan menggunakan kerangka kerja ini dan proyek sumber terbuka terkait, Anda dapat memproses data untuk tujuan analitik dan beban kerja intelijen bisnis.

  9. Amazon OpenSearch Service dapat digunakan untuk analisis operasional. Ini juga menyediakan kemampuan pencarian database vektor.

  10. Amazon SageMaker AI dapat digunakan untuk membangun, melatih, dan menerapkan model ML, dan untuk menambahkan kecerdasan buatan ke aplikasi Anda.