In dieser Anleitung werden Architekturoptionen für die Entwicklung eines betrieblichen Datenhubs für die Lieferkette aufgezeigt. In den Hub werden Daten aus Tausenden unterschiedlichen Quellen aufgenommen, darunter interne Quellen zur Planung und Ausführung sowie externe Quellen zur Sendungsverfolgung. Anschließend generiert der Hub eine einzige, harmonisierte Datenansicht. Der Überblick über Daten aus verschiedenen Unternehmens- und Ausführungssystemen kann für die Echtzeitplanung der Bedarfsprognosen, des Bestands und der Beschaffung genutzt werden. Der Datenhub hilft Lieferkettenorganisationen, datengestützte Entscheidungen zu treffen, die die Lieferzeiten verkürzen und die Kundenzufriedenheit erhöhen.
Architekturdiagramm
Schritt 1
Lieferkettendaten werden aus verschiedensten Datenquellen im gesamten Unternehmen erfasst, darunter SaaS-Anwendungen (Software-as-a-Service) für Enterprise Resource Planning (ERP) und Customer Relationship Management (CRM), Edge-Geräte in der Fertigung, Protokolle, Streaming-Medien und soziale Medien.
Schritt 2
Je nach Art der Datenquelle lesen AWS Database Migration Service (AWS DMS), AWS DataSync, Amazon Kinesis, Amazon Managed Streaming für Apache Kafka (Amazon MSK), AWS IoT Core und Amazon AppFlow die Daten in den Data Lake für die Lieferkette in AWS ein.
Schritt 3
Mit AWS Data Exchange werden die Daten von Dritten, die bei der Vorhersage der voraussichtlichen Ankunftszeit von Sendungen nützlich sein können (z. B. Wetterdaten), in den Data Lake für die Lieferkette integriert.
Schritt 4
AWS Lake Formation hilft bei der Entwicklung eines skalierbaren Data Lakes für die Lieferkette.
Schritt 5
Amazon Simple Storage Service (Amazon S3) bildet die Grundlage für die Speicherung des Data Lakes für die Lieferkette.
Schritt 6
Mit AWS Glue werden Daten aus mehreren Datenspeichern wie ERP-, Planungs- und Versandsystemen extrahiert, transformiert, katalogisiert und eingelesen.
Schritt 7
Bei Amazon Athena handelt es sich um einen Serverless interaktiven Abfrage-Service, der Daten in Amazon S3 mit Standard-SQL analysiert.
Schritt 8
Amazon QuickSight bietet Dashboards, die Disponenten dabei unterstützten, Daten zur Planung, Ausführung und zum Echtzeit-Versandstatus der Lieferkette zu analysieren, um fundierte Geschäftsentscheidungen zu treffen.
Schritt 9
Amazon Redshift, ein cloudbasiertes Data Warehouse, analysiert strukturierte und halbstrukturierte Daten.
Schritt 10
Amazon EMR stellt eine cloudbasierte Big-Data-Plattform für die Verarbeitung großer Datenmengen mit Open-Source-Tools bereit.
Schritt 11
Mit Amazon SageMaker lassen sich ML-Modelle entwickeln, trainieren und implementieren. Die KI-Services von AWS machen Lieferkettenanwendungen intelligenter.
Schritt 12
Die Diagrammdatenbank von Amazon Neptune optimiert Netzwerkabfragen hinsichtlich Geschwindigkeit und Genauigkeit.
Well-Architected-Säulen
Das AWS-Well-Architected-Framework hilft Ihnen, die Vor- und Nachteile der Entscheidungen zu verstehen, die Sie beim Aufbau von Systemen in der Cloud treffen. Die sechs Säulen des Frameworks ermöglichen es Ihnen, architektonische bewärhte Methoden für die Entwicklung und den Betrieb zuverlässiger, sicherer, effizienter, kostengünstiger und nachhaltiger Systeme zu erlernen. Mit dem AWS-Well-Architected-Tool, das kostenlos in der AWS-Managementkonsole verfügbar ist, können Sie Ihre Workloads anhand dieser bewährten Methoden überprüfen, indem Sie eine Reihe von Fragen für jede Säule beantworten.
Das obige Architekturdiagramm ist ein Beispiel für eine Lösung, die unter Berücksichtigung der bewährten Methoden von Well-Architected erstellt wurde. Um eine vollständige Well-Architected-Lösung zu erhalten, sollten Sie so viele bewährte Methoden von Well-Architected wie möglich befolgen.
-
Operative Exzellenz
Diese Anleitung wird mit Infrastructure as Code (IaC) bereitgestellt, einem DevOps-Prinzip, mit dessen Hilfe Sie die Infrastruktur durch wiederholbare und zuverlässige Prozesse leichter warten können. Alle Beteiligten in der Lieferkette, einschließlich der Geschäfts-, Entwicklungs- und Betriebsteams, sollten sich auf eine gemeinsame IaC-Strategie einigen.
-
Sicherheit
Mit kontoübergreifendem Zugriff delegiert DataSync den Zugriff auf Daten und Ressourcen in verschiedenen AWS-Konten. QuickSight nutzt eine fein abgestufte Zugriffssteuerung, um den Zugriff auf Dashboards zu sichern.
-
Zuverlässigkeit
Services wie Amazon S3, AWS Glue, DataSync, Athena und QuickSight sind hochverfügbar, sodass Workloads je nach Bedarf skalierbar sind.
-
Leistung und Effizienz
Dank der Serverless-Technologien in dieser Architektur können Sie genau die Ressourcen bereitstellen, die zum jeweiligen Zeitpunkt benötigt werden.
-
Kostenoptimierung
Die Services in dieser Architektur können automatisch an den Bedarf angepasst werden. So zahlen Sie nur für die wirklich genutzten Ressourcen, ohne dass zu wenig oder zu viel bereitgestellt wird.
-
Nachhaltigkeit
Die Services in dieser Architektur sind serverlos und skalierbar. Sie optimieren den Ressourcenverbrauch am Backend, um die Umweltbelastung zu verringern.
Haftungsausschluss
Der Beispielcode, die Softwarebibliotheken, die Befehlszeilentools, die Machbarkeitsnachweise, die Vorlagen oder andere zugehörige Technologien (einschließlich derjenigen, die von unseren Mitarbeitern bereitgestellt werden) werden Ihnen als AWS-Inhalte im Rahmen der AWS-Kundenvereinbarung oder der entsprechenden schriftlichen Vereinbarung zwischen Ihnen und AWS (je nachdem, was zutrifft) zur Verfügung gestellt. Sie sollten diese AWS-Inhalte nicht in Ihren Produktionskonten oder für Produktions- oder andere kritische Daten verwenden. Sie sind verantwortlich für das Testen, Sichern und Optimieren des AWS-Inhalts, z. B. des Beispielcodes, für die Verwendung in der Produktion auf der Grundlage Ihrer spezifischen Qualitätskontrollverfahren und -standards. Bei der Bereitstellung von AWS-Inhalten können AWS-Gebühren für die Erstellung oder Nutzung von kostenpflichtigen AWS-Ressourcen anfallen, z. B. für den Betrieb von Amazon EC2-Instances oder die Nutzung von Amazon-S3-Speicher.