客户
废物管理领域的领先供应商，提供高效的废物收集、回收和处理解决方案，以提高运营效率和可持续性。
商业挑战
- 未集成的数据源导致报告分散且需要手动合并。
- 分散的平台阻碍了数据管理和访问控制。
- 手动数据处理会导致延迟和不一致。
- 脱节的平台需要现代化，才能提供实时车队数据。
- 缺乏高级分析限制了主动决策。
商业目标
- 将不同的数据源整合到 AWS S3 数据湖中，以获得单一事实来源。
- 利用 Amazon S3 的可扩展性和耐用性实现高效的数据存储和管理。
- 利用 AWS 分析服务实现大数据处理和机器学习功能。
- 实现实时数据采集和处理
- 通过 KPI 和优化运营的洞察来增强决策能力。
方法
- 提供了完全集成的、AWS 原生数据和分析平台，用于实时决策。
- 按照 AWS 的完善架构框架设计平台，以构建安全的数据基础。
- 使用 AWS Glue 构建强大的数据湖，实现无缝数据集成和管理。
- 使用 AWS Lambda 实现无服务器、事件驱动架构，实现自动化数据处理。
- 集成多种数据源，包括物联网、车队管理和 ERP 系统。
- 利用 AWS Glue 对数据集进行分类，以实现高效的元数据分析和模式管理。
- 使用 AWS 服务开发围绕客户、车辆和驾驶员的 360 度分析。
- 使用 CloudWatch 监控性能和成本，实现主动基础设施管理。
技术组件
- 计算： AWS Lambda、AWS Glue
- 数据集成： AWS Glue、AWS CodePipeline
- 存储： Amazon S3、Amazon Redshift
- 分析： Amazon Athena、Amazon QuickSight
- 监控： Amazon CloudWatch
转型效应
- 通过使用 Amazon S3 智能分层进行数据存储、清理和管理，节省了超过25% 的成本
- 通过将工作负载从 Cloud ETL 迁移到 AWS Glue 和 Kinesis，节省了 80,000 多美元的许可证成本
- 通过自动监控 Glue 工作负载，将问题解决时间缩短了 40%
- 通过采用无服务器技术，运营成本减少了约 30％
