AQUA (Advanced Query
Accelerator) para Amazon Redshift entrega un caché nuevo e innovador
acelerado por un programa computacional que entrega un rendimiento mejor
de preguntas hasta 10x
que cualquier otro almacenamiento de datos en la nube.
AWS Glue Elastic Views permite a los desarrolladores construir
vistas materializadas que combinan y replican automáticamente datos en
almacenes de datos múltiples.
Amazon
QuickSight Q es una capacidad que permite aprendizaje de máquinas para
Amazon QuickSight que permite a los usuarios tipear preguntas sobre
datos de
su empresa en su propio idioma y recibir respuestas precisas en
segundos.
Capital One, Best Western Hotels & Resorts, NTT DOCOMO,
Audible y Panasonic Avionics están entre los clientes con capacidades
analíticas nuevas.
Seattle— diciembre, 2020. Durante AWS re:Invent, Amazon Web Services, Inc. (AWS), Amazon.com, Inc.
(NASDAQ: AMZN), anunció tres nuevas capacidades de
analytics que mejoran en forma sustancial el desempeño de los lugares de
almacenamiento de datos de Amazon Redshift, lo que facilita
considerablemente a los clientes mover y combinar
datos en los lugares de almacenamiento de datos, y hace que sea más
simple para los usuarios finales obtener más valor de sus datos de
negocios usando aprendizaje de máquinas.
-
AQUA para Amazon Redshift acelera el sistema
de preguntas con un cache nuevo e innovador acelerado por un programa
computacional que permite que lo computado se almacene y entregue con un
rendimiento de
preguntas hasta 10x mejor que cualquier otro lugar de almacenamiento de
datos en la nube, que estaría disponible para todos a partir de enero
de 2021.
-
AWS Glue Elastic Views ayuda a los
desarrolladores a construir aplicaciones que usen datos de diversos
lugares de almacenamiento de datos con vistas materializadas que
combinen y repliquen datos en forma
automática datos en lugares de almacenamiento y en bodegas de datos, al
igual que en bases de datos.
-
Amazon QuickSight Q entrega capacidades de
aprendizaje en máquinas para Amazon QuickSight que permite a los
usuarios usar expresiones en su propio idioma para hacer preguntas de
negocios en la barra de búsqueda
de Amazon QuickSight Q y recibir respuestas muy precisas en segundos.
En un solo día, se crean más datos de lo que ocurría en 365 días
hace 20 años. De hecho, la cantidad de datos que se creará en los
próximos tres años superará la cantidad de datos creada en los últimos
30 años. Las mismas herramientas
antiguas no funcionarán en este nuevo mundo de datos. Los clientes de
AWS usan una gran variedad de herramientas para análisis para distintos
casos de usos, entre las que se incluye Amazon Athena para preguntas sin
servidor, Amazon Elasticsearch Service para
buscar y visualizar datos de log o bitácora, Amazon Kinesis para
procesar corrientes de datos en tiempo real, Amazon Redshift para
almacenar datos, y Amazon EMR para ejecutar Apache Spark, Hive, Presto y
otros marcos grandes de datos. Estos servicios ofrecen
a los clientes de AWS la herramienta apropiada para sus necesidades.
Las nuevas capacidades analíticas que se anunciaron hoy permiten
construir sobre esas bases y entregar lugares de almacenamiento más
rápidos, económicos y accesibles. Para más información,
visite https://aws.amazon.com/big-data/datalakes-and-analytics/
AQUA
(Advanced Query Accelerator) para Amazon Redshift lleva la computación
al nivel de almacenamiento de datos y entrega un rendimiento en la
rapidez ante preguntas de hasta 10x más que cualquier otro sistema de
almacenamiento de datos en la nube
Desde su lanzamiento en el 2012 como el primer lugar de
almacenamiento de datos construidos para la nube a un costo de un décimo
de los lugares de almacenamiento de datos tradicionales, Amazon
Redshift se ha convertido en el lugar de almacenamiento
de datos más popular en la nube. A principios de este año, AWS anunció
que las instancias de Amazon Redshift RA3 estaban disponibles para
todos y permitirían a los clientes computar y almacenar por separado y
que tendrían un desempeño hasta 3x mejor que cualquier
otro sistema de almacenamiento de datos de la nube.
Sin embargo, incluso con las ventajas que se ofrecen con RA3, el
rápido crecimiento de los datos que necesitan los clientes para procesar
sus lugares de almacenamiento de datos a llevado a la difícil situación
de lograr un equilibrio entre
desempeño y economía. El enfoque que prevalece para el almacenamiento
de datos ha ido construir una arquitectura con la cual una gran cantidad
de almacenamiento centralizado se ha desplazado a espera que los nodos
procesen los datos. El desafío con este
enfoque es que haya mucho movimiento de datos entre los datos
compartidos y los nodos.
Dado que sigue aumentando el volumen de datos en forma
impresionante, este movimiento de datos satura el ancho de banda
disponible en la red y hace que el desempeño sea más lento. Además del
cuello de botella en la red, los CPUs no pueden
sostener el crecimiento más rápido de la capacidad de almacenamiento
(el desempeño de almacenamiento de SSD ha crecido 6x más rápido que la
capacidad de los CPUs de procesar datos de la memoria), lo que crea un
nuevo cuello de botella en la CPU u obliga a
los clientes a tener una mayor provisión para que su trabajo se haga
más rápido.
AQUA
para Amazon Redshift es un cache que se distribuye para Amazon
Redshift; una innovación que mejorar el desempeño para análisis en la
nueva escala de datos. AQUA lleva
la computación a un nivel nuevo de datos. AQUA lleva la computación a
un nivel nuevo de almacenamiento, de manera que no haya que avanzar ni
retroceder los datos entre ambos. Esto permite a Amazon Redshift una
ejecución hasta diez veces más rápida que los
antiguos sistemas de almacenamiento de datos. El caché de AQUA escala y
procesa datos en paralelo en muchos nodos. Cada nodo posee un módulo de
hardware compuesto de procesadores analíticos diseñados por AWS que
aumentan significativamente la compresión de
datos y su encriptación, y las tareas de procesamiento de datos como
escaneos, agregaos y filtros. AQUA también da a los clientes el
beneficio agregado de poder hacer computación con el almacenamiento de
datos crudos, lo que ahorra tiempo que de otra forma
se podría ocupar en los datos.
Con esta arquitectura nueva y el orden de magnitud que incluye,
los clientes de Redshift tendrán tableros más actualizados, ahorrarán
tiempo en desarrollo y será más fácil mantener sus sistemas. El preview
de AQUA ya está abierto a todos
los clientes, y AQUA estará disponible para todos en enero de 2021.
AQUA está disponible en las instancias de Redshift R3 sin costo
adicional, y los clientes podrán gozar las ventajas de las mejoras de
desempeño de AQUA sin cambios de código. Para empezar
con AQUA, puede visitar https://pages.awscloud.com/AQUA_Preview.html
AWS Glue Elastic Views permite a los desarrolladores
construir vistas materializadas que combinen y repliquen en forma
automática los datos en múltiples lugares de almacenamiento de datos
La mayoría de las compañías están construyendo o han construido
lagos de datos, donde pueden agregar todos los datos de los distintos
silos con la seguridad y lo controles de acceso adecuados para facilitar
el análisis y el aprendizaje de
máquinas. Pero por razones de latencia y de tipo operacional, es
probable que la mayoría de las compañías aumenten la cantidad de datos
en los lugares de almacenamiento correspondiente fuera de sus lagos de
datos. Dado que los datos en estos lagos de datos
y el almacenamiento de datos para propósitos específicos siguen
creciendo, las compañías necesitan una forma más fácil de trasladar
datos.
AWS Glue Elastic View entrega a los desarrolladores capacidades
nuevas para construir en forma fácil vistas materializadas (que se
llaman también tablas virtuales) que combinan y replican datos en forma
automática en varios lugares de almacenamiento
de datos. AWS Glue es un sistema de preparación de datos sin servidor
que hace más fácil ejecutar, extraer, transformar y cargar trabajos
(ETL) para análisis y aprendizaje de máquinas. Con
AWS Glue Elastic Views, los clientes pueden usar SQL para crear
una vista materializada de los datos que quieren combinar de distintos
lugares de almacenamiento de datos, y AWS Glue Elastic Views copia los
datos para crear la vista materializada
de distintas fuentes. Por ejemplo, un cliente podría crear una vista
materializada que lleva información de ubicación de Amazon Aurora y la
combina con revisiones del cliente almacenadas en Amazon DynamoDB para
construir una máquina de búsqueda para revisiones
de un restaurant por lugar en Amazon Elasticsearch Service.
AWS Glue Elastic Views copia los datos de cada base de
datos fuente a una base de datos objetivo, y mantiene los datos en forma
automática en la base datos objetivo actualizada. Elastic Views
monitorea continuamente la base de datos
fuente por cambios y actualiza la base de datos objetivo en segundos.
Si hay cambios en el modelo de datos en una de las bases de datos
fuente, Elastic Views alerta en forma proactiva a los desarrolladores,
de manera que puedan actualizar su vista materializada
para adaptarla a los cambios. Los clientes también pueden usar Elastic
Views para copiar datos operacionales de una base de datos
operacionales a su lago de datos para ejecutar análisis en tiempo casi
real. AWS Glue Elastic Views escala en forma automática
la capacidad de acomodar las cargas de trabajo a medida que aumentan o
disminuyen, y asegura que las vistas materializadas en las bases de
datos objetivo estén actualizadas.
AWS Glue Elastic Views está disponible en vista previa hoy. Para más información, puede visitar
http://aws.amazon.com/glue/features/elastic-views
Amazon QuickSight Q es una capacidad
para aprender de la máquina para Amazon QuickSight que permite a los
usuarios tipear en su propio idioma preguntas sobre sus datos de
negocios y recibir respuestas precisas
en segundos
Amazon QuickSight e un servicio de inteligencia de negocios (BI)
construido para la nube y es escalable, no usa servidor, está encriptado
y se basa en el aprendizaje de máquinas. Amazon QuickSight entrega
todos los beneficios de una solución
de servicios de BI moderna, interactiva y con autoservicio. Tiene
capacidades para que sea más fácil encriptar los tableros en
aplicaciones y está a una escala económica que permite dar soporte a
miles de clientes. Las “Auto Narrativas” de Amazon QuickSight
entregan a los clientes un resumen que se genera en forma automática en
idioma simple que interpreta y describe qué significan los datos en un
tablero de BI, de manera que los usuarios tengan un entendimiento
compartido de los datos.
A los clientes les gustan narrativas que pueden leer humanos,
porque les permiten interpretar rápido los datos en un tablero
compartido y focalizarse en los insights atingentes. A los clientes
también les interesa hacer preguntas de negocios
de sus datos en un lenguaje directo y recibir respuestas casi en tiempo
real. Mientras las herramientas de BI y sus vendedores han tratado de
solucionar este desafío con Natural Language Query (NLQ), los enfoques
existentes exigen que los clientes destinen
meses por anticipado para preparar y construir un modelo, y que después
no haya cómo hacer preguntas que requieren cálculos nuevos que no están
predefinidas en el modelo de datos. Por ejemplo, la pregunta “¿Cuál es
su porcentaje de crecimiento anual?” requiere
que “la tasa de crecimiento” esté predefinida como un cálculo en el
modelo. Sin las herramientas actuales de BI, los usuarios necesitan
trabajar con sus equipos de BI para actualizar el modelo para tener
cálculos o datos nuevos, que pueden requerir el esfuerzo
de días o semanas.
Amazon
QuickSight Q permite a los usuarios hacer preguntas sobre sus datos en
su propio idioma y recibir una respuesta en segundo. Para plantear una
pregunta, los usuarios
simplemente escriben en la barra de preguntas de Amazon QuickSight Q.
Mientras los usuarios tipean sus preguntas, Amazon QuickSight Q entrega
sugerencias automáticas completas con frases claves y con términos del
negocio, y aplica un corrector de ortografía
en forma automática y hace calzar siglas con sinónimos, de manera que
los usuarios no tengan que preocuparse por errores de ortografía ni
recordar los términos exactos del negocio en referencia a los datos.
Amazon
QuickSight Q usa aprendizaje profundo y aprendizaje automático (el
procesamiento es en el idioma propio, los esquemas se entienden y se
realiza un análisis semántico
par la generación de código SQL) para generar un modelo de data que
entienda en forma automática el significado entre los datos de negocios,
de manera que los usuarios reciban respuestas muy precisas a sus
preguntas de negocios y no tengan que esperar días
o semanas un modelo de datos que hay que construir.
Dado
que Amazon QuickSight Q hace que no se requieran equipos de BI para
construir un modelo de datos, los usuarios tampoco están limitados a
sólo un set específico de preguntas.
Además, los usuarios pueden recibir respuestas completas y precisas,
porque la pregunta se aplica a todos los datos, no solo a conjuntos de
datos en un modelo predeterminado. Amazon QuickSight Q tiene experiencia
en datos de muchos ámbitos y en industrias
de ventas, marketing, operaciones, comercio detallista, recursos
humanos, farmacéutica, seguros, energía y otras, y está optimizado para
entender también lenguajes complejos de negocios. Por ejemplo, los
usuarios de ventas pueden preguntar
“cómo se están rastreando mis ventas versus las cotizaciones” o los usuarios de retail pueden preguntar
“cuáles son los productos que más se venden en una semana por región”,mazon
QuickSight Q mejora en forma continua su precisión y aprende de la
interacción con los usuarios.
Si Amazon QuickSight Q no entiende una frase en una pregunta, a los
usuarios se los invita a seleccionar desde un menú que despliega
opciones en la barra de búsqueda y Amazon QuickSight Q recuerda la frase
para la próxima interacción. Para más información
sobre Amazon QuickSight Q, puede visitar https://aws.amazon.com/quicksight/q
NTT DOCOMO, cuyas oficinas están en Tokio, es el prestador de
servicios más grandes en el mundo de móviles en Japón, y atiende a más
de 80 millones de clientes. “Desde que migró a Amazon Redshift en 2014,
Amazon Redshift ha sido el centro
de nuestro ambiente analítico y nos ha permitido escalar a más de 10
Pentabytes de datos no comprimidos con una mejora de 10x en desempeño
con respecto a nuestro sistema anterior sobre una base on premises”,
dijo Ken Ohta, Gerente General del Departamento
de Innovación de Servicios, de NTT DOCOMO. “Debido
a la demanda del cliente de datos y al aumento del volumen de los
datos, la innovación continua de Amazon Redshift nos ha ayudado con la
flexibilidad
y facilidad de un uso para escalar nuestros sistemas. Estamos
entusiasmados con el lanzamiento de AQUA para Amazon Redshift mientras
seguimos aumentando del desempeño y escalamos en nuestro lugar de
almacenamiento de datos de Amazon Redshift”.
Intercom es un emprendedor que crece a un valor de USD $1,3 mil
millones y más de USD $240 millones en fondos. “Una buena relación con
los clientes es más importante que nunca, pero la escala y la naturaleza
del negocio puede dificultar
la creación de conexiones personales. Por eso, creamos la Primera
Plataforma Conversacional de Relaciones para ayudar a las empresas a
construir mejores relaciones con los clientes a través de experiencias
personalizadas con mensajeros. Para hacer bien este
trabajo, y entender nuestro negocio a medida que explota, dependemos de
una inmensa cantidad de datos: 70
Terabytes y más”, dijo Paul Vickers, Gerente de Ingeniería
de Data, de Intercom. “Nuestro lugar de almacenamiento en la nube de
Amazon Redshift ha permitido escalar y mantenernos en el presupuesto.
Estamos entusiasmados con las capacidades
nuevas de AQUA en Amazon Redshift, que acelerarán nuestras consultas y
reducirán el tiempo de insight de nuestros analistas. Sabemos que con
AWS nos podemos focalizar en nuestro crecimiento, sin preocuparnos del
soporte que deberá dar la tecnología”.
Accenture es una empresa de servicios profesionales a nivel
mundial con capacidades pioneras en temas digitales, de la nube y de
seguridad. “En Accenture, nos comprometemos a entregar servicios y
soluciones que ayuden a los clientes de
todo el mundo a usar datos para tomar decisiones en tiempo real. Sin
embargo, dado que los datos y la demanda de insight crecen a un ritmo
increíble, puede ser todo un desafío definir, priorizar y procesar los
datos”, dijo said A.K. Radhakrishnan, Encargado
de Datos & AI AWS para Norteamérica, de Accenture. “AQUA para
Amazon Redshift entrega una forma nueva e innovadora para abordar el
almacenamiento de datos con un desempeño hasta 10x más rápido para
preguntas. Esto nos hace más fácil logar la meta de una empresa
orientada a los datos”.
ZS Associates es una empresa de servicios profesionales que
trabaja mano a mano con empresas que ayudan a desarrollar y entregar
productos que generan valor al cliente y permiten mejores resultados a
la empresa. “AWS siempre ha estado a
la delantera en innovación y es famosa por brindar las mejores
soluciones en su clase para ir en ayuda de los clientes. Usando
tecnologías de la próxima generación y capacidades técnicas y de dominio
de ZS’s, hemos desplegado varias plataformas de datos a
gran escala y para análisis en Amazon Redshift para los clientes”, dijo
Nishesh Aggarwal, Encargado de Arquitectura de Empresas, de ZS
Associates. “Con la introducción de instancias de RA3 para Amazon
Redshift, pudimos mejorar significativamente el rendimiento
de cargas de trabajo de análisis a la vez que solucionamos el problema
de almacenamiento de datos. Estamos muy entusiasmados con la idea de
explorar AQUA para Amazon Redshift dado que promete mejorar el desempeño
de nuestras cargas de trabajo más completas
en unas 10x sin realizar esfuerzos adicionales”.
Sisense es una plataforma independiente de análisis que permite a
más de 2.000 clientes en todo el mundo simplificar datos completos
además de construir y encriptar aplicaciones analíticas. “La sólida
colaboración entre Sisense y Amazon
Redshift se ha traducido en una experiencia de análisis en la nube para
muchos de nuestros clientes conjuntos”, dijo Guy Levy-Yurista,
Encargado Jefe de Estrategias de Sisense. “Conjuntamente con AQUA,
esperamos que el desempeño se eleve a más de 10x, lo que
permitiría que los clientes optimicen sus clusters de datos de
Redshift. Estos, a su vez, podrán empoderar a nuestros clientes, de
manera que transformen rápidamente sus datos en insights e integren
inteligencia en todo su negocio”.
Audible es el productor y proveedor más importante de
entretenimientos hablados y libros grabados, lo que permite enriquecer
la vida de muchos auditores cada día. “En Audible, los clientes pueden
buscar y descubrir entretención con voz
y libros grabados originales en diversas categorías. Para potenciar
esta experiencia, debemos analizar en forma ágil datos de una cantidad
de bases de datos para entregar resultados personalizados”, dijo
Shailesh Vyas, Ingeniero Principal de Desarrollo de
Software, de Audible. “Esperamos probar Glue Elastic Views de AWS como
una solución sin servidor para crear vistas materializadas en bases de
datos múltiples y diferentes en nuestro entorno. Con Glue Elastic Views
de AWS, nuestros desarrolladores deberían
poder avanzar más rápido y focalizarse más en innovar en representación
de los clientes versus administrar proyectos de integración complejos
de datos”.
Best Western Hotels &
Resorts, con su casa matriz en Phoenix, Arizona, es una red mundial
privada de hoteles con una red de aproximadamente 4.700 hoteles en más
de 100 países y territorios. Best Western
ofrece 18 marcas de hoteles para dar respuesta a las necesidades de los
desarrolladores y huéspedes en cada mercado.
“El sistema de precios de pagar por uso Amazon QuickSight y
el hecho de que no se necesite arquitectura permitió a Best Western
tener un equipo reducido de análisis y que fuera ágil y entregara más
valor al negocio y en forma rápida,
con costos que no se acercan ni a la mitad de la arquitectura de
análisis anterior,” dijo Joseph Landucci, Gerente Senior de Bases de
Datos y Análisis de Empresa, de Best Western Hotels & Resorts. “Con
Amazon QuickSight Q, esperamos que nuestros clientes de
empresas cuenten con un sistema de autoservicio para sus preguntas a la
vez que bajan los costos operacionales de nuestro equipo que entrega
respuestas ad hoc. Esto permitirá a nuestros socios tener respuestas a
sus preguntas críticas sobre negocios tan sólo
tipeando sus preguntas en un lenguaje simple”.
Capital One, que se fundó en 1994, es una compañía que se basa en
información tecnológica de primera línea cuya misión es ayudar a los
clientes a tener soluciones más simples y llevar más humanidad a la
banca.
“Con Amazon QuickSight, hemos podido introducir rápidamente tableros
nuevos de Bi sobre la base de aprendizaje de máquinas a escala sin la
necesidad de configurar un servidor ni capacidad de planificación
onerosa”, dijo Peter Tyson, Ingeniero Senior de Datos,
de Capital One. “Ahora, con el lanzamiento de Amazon QuickSight
Q, nuestros usuarios podrán tener respuesta más rápido a sus preguntas
sobre negocio que no pertenecen a los tableros de
BI."
Panasonic Avionics Corporation es el proveedor líder a nivel mundial en entretenciones y sistemas de comunicación en vuelo. “Nuestra solución, que se basa en la nube, recolecta grandes cantidades de datos anónimos que nos ayudan a optimizar la experiencia tantos de nuestras aerolíneas asociadas como de sus pasajeros”, dice Anand Desikan, Director de Operaciones en la Nube, de Panasonic Avionics Corporation. “Empezamos usando Amazon QuickSight para reportes sobre el desempeño de Wi-Fi en vuelo, y con su rico APIs, permite precios con pagos por sesión, y tiene la capacidad de escalar. Con esto, lanzamos rápidamente los tableros Amazon QuickSight a cientos de usuarios. La evolución constante de la plataforma ha sido impresionante: detección de anomalías activada por el aprendizaje automático, integración de Amazon SageMaker, encriptación, temas y filtros visuales transversales, y ahora con Amazon QuickSight Q, nuestros usuarios pueden consumir insights (entendimientos) simplemente tipeando sus preguntas de negocios en la barra de búsquedas y Amazon QuickSight Q interpreta el contexto del negocio, entrega sinónimos y les muestra una respuesta sin que requiera una interpretación compleja”.
