Temos o prazer de anunciar a disponibilidade geral de Zona de dados da Amazon. O Amazon DataZone permite que os clientes descubram, acessem, compartilhem e governem dados em escala através das fronteiras organizacionais, reduzindo o trabalho pesado e indiferenciado de tornar os dados e as ferramentas de análise acessíveis a todos na organização. Com o Amazon DataZone, usuários de dados como engenheiros de dados, cientistas de dados e analistas de dados podem compartilhar e acessar dados em contas da AWS usando um portal de dados unificado, permitindo que descubram, usem e colaborem com esses dados entre suas equipes e organizações. Além disso, os proprietários e administradores de dados podem simplificar a descoberta de dados, adicionando contexto de negócios aos dados e, ao mesmo tempo, equilibrando a governança do acesso aos dados por meio de soluções predefinidas. fluxos de trabalho de aprovação na interface do usuário.

Nesta postagem do blog, compartilhamos o que ouvimos de nossos clientes que nos levou a criar o Amazon DataZone e discutimos casos de uso específicos de clientes e citações de clientes que experimentaram o Amazon DataZone durante nossa visualização pública. Em seguida, explicaremos os benefícios do Amazon DataZone e orientaremos você nos principais recursos.

Pontos problemáticos comuns de gerenciamento e governança de dados:

1. Descoberta de dados, especialmente dados distribuídos entre contas e regiões – Encontrar os dados para usar na análise é um desafio porque as organizações geralmente têm petabytes de dados espalhados por dezenas ou até milhares de fontes de dados.
2. Acesso aos dados – O controle de acesso aos dados é difícil, gerenciado de forma diferente entre as organizações e muitas vezes requer aprovações manuais que podem ser um processo demorado e difícil de manter atualizado, fazendo com que os analistas não tenham acesso aos dados de que precisam.
3. Acesso a ferramentas – Os usuários de dados desejam usar diferentes ferramentas de escolha com os mesmos dados governados. Isto é um desafio porque o acesso aos dados é gerido de forma diferente por cada uma das ferramentas.
4. Colaboração – Analistas, cientistas de dados e engenheiros de dados muitas vezes possuem etapas diferentes na jornada analítica de ponta a ponta, mas não têm uma maneira simples de colaborar nos mesmos dados governados, usando as ferramentas de sua escolha.
5. Gestão de dados – As estruturas para controlar os dados ficam ocultas em ferramentas individuais e são gerenciadas de maneira diferente por equipes diferentes, impedindo que as organizações tenham rastreabilidade sobre quem está acessando o quê e por quê.

Três benefícios principais do Amazon DataZone

O Amazon DataZone permite que os clientes descubram, compartilhem e controlem dados em escala, ultrapassando as fronteiras organizacionais.

• Governe o acesso aos dados através das fronteiras organizacionais. Ajude a garantir que os dados certos sejam acessados ​​pelo usuário certo para a finalidade certa — de acordo com as regulamentações de segurança da sua organização — sem depender de credenciais individuais. Forneça transparência no uso de ativos de dados e aprove assinaturas de dados com um fluxo de trabalho controlado. Monitore ativos de dados em projetos por meio de recursos de auditoria de uso.
• Conecte pessoas de dados por meio de dados e ferramentas compartilhados para gerar insights de negócios. Aumente a eficiência da sua equipe de negócios colaborando perfeitamente entre as equipes e fornecendo acesso de autoatendimento a dados e ferramentas analíticas. Use termos comerciais para pesquisar, compartilhar e acessar dados catalogados, tornando os dados acessíveis a todos os usuários configurados para saber mais sobre os dados que desejam usar com o glossário comercial.
• Automatize a descoberta e catalogação de dados com aprendizado de máquina (ML). Reduza o tempo necessário para inserir manualmente atributos de dados no catálogo de dados corporativos e minimize a introdução de erros. Dados mais ricos e mais ricos no catálogo de dados também melhoram a experiência de pesquisa. Reduza o tempo de pesquisa e uso de dados de semanas para dias.

Aqui estão os principais benefícios que o Amazon DataZone oferece aos seus clientes.

Figura 1: Benefícios do Amazon DataZone

Para fornecer esses benefícios, vamos ver quais recursos estão integrados a este serviço.

Figura 2: Capacidades do Amazon DataZone

O Amazon DataZone fornece os seguintes recursos detalhados.

1. Domínios voltados para negócios – Um domínio DataZone representa o limite distinto de uma linha de negócios (LOB) ou área de negócios dentro de uma organização que pode gerenciar seus próprios dados, incluindo seus próprios ativos de dados, sua própria definição de dados ou terminologia de negócios, e pode ter sua própria normas que regem. O domínio é o ponto de partida da jornada de um cliente com o Amazon DataZone. Ao começar a usar o DataZone pela primeira vez, você cria um domínio e todos os componentes principais, como catálogo de dados corporativos, projetos e ambientes, que existirão em um domínio.
   1. Um domínio Amazon DataZone contém um catálogo de dados de negócios associado para pesquisa e descoberta, um conjunto de definições de metadados para decorar os ativos de dados usados ​​para fins de descoberta e projetos de dados com análises integradas e ferramentas de ML para usuários e grupos consumirem e publicarem ativos de dados.
   2. Um domínio do Amazon DataZone pode abranger várias contas da AWS conectando e extraindo dados de data lake ou data warehouse nessas contas (por exemplo, Catálogo de dados do AWS Glue) para formar uma malha de dados ou criar e executar projetos e ambientes nessas contas nas regiões da AWS compatíveis.
   3. Os domínios do Amazon DataZone trazem consigo os recursos de Gerenciador de acesso de recursos da AWS (AWS RAM) para compartilhe recursos com segurança entre contas.
   4. Depois que um domínio do Amazon DataZone é criado, o domínio fornece um aplicativo web baseado em navegador onde os usuários configurados da organização podem catalogar, descobrir, controlar, compartilhar e analisar dados em um self-service moda. O portal de dados oferece suporte a provedores de identidade por meio do Centro de identidade do AWS IAM (sucessor do AWS Single Sign-On) e AWS Identity and Access Management (IAM) princípios para autenticação.
   5. Por exemplo, uma equipe de marketing pode criar um domínio com o nome “Marketing” e ter propriedade total sobre ele. Da mesma forma, uma equipe de vendas pode criar um domínio com o nome “Vendas” e ter propriedade total sobre ele. Quando o setor de vendas deseja compartilhar dados com o marketing, a equipe de marketing pode conceder acesso a uma conta de vendas associando essa conta ao domínio de marketing, e o usuário de vendas pode usar o link do portal Amazon DataZone do domínio de marketing para compartilhar seus dados com a equipe de marketing.
2. Catálogo de dados de negócios para toda a organização - Você pode fazer dados visíveis no contexto de negócios para que seus usuários encontrem e entendam os dados de forma rápida e eficiente. O núcleo do catálogo está focado na catalogação de dados de diferentes fontes e no aumento desses metadados com contexto de negócios adicional para construir confiança e facilitar uma melhor tomada de decisão para os consumidores que procuram dados.
   1. Padronize a terminologia – Você pode padronizar sua terminologia comercial para comunicação entre editores de dados e consumidores, criando glossários e incluindo descrições detalhadas dos termos junto com os relacionamentos dos termos. Esses termos podem ser mapeados para ativos e colunas e ajudam a padronizar a descrição desses ativos e auxiliam na descoberta e compreensão dos detalhes dos dados subjacentes.
   2. Elementos básicos para personalizar metadados de negócios – Para simplificar a criação de seu catálogo com extensibilidade, o Amazon DataZone apresenta alguns blocos de construção básicos que podem ser expandidos de acordo com suas necessidades. Os tipos de formulários de metadados e tipos de ativos podem ser usados ​​como modelos para definir seus ativos. Esses tipos podem ser personalizados para aumentar o contexto e os detalhes adicionais para atender aos requisitos de um domínio. Nesta versão, o Amazon DataZone fornece alguns tipos de formulário de metadados prontos para uso, como formulário de tabela do AWS Glue, Amazon RedShift forma de tabela, Serviço de armazenamento simples da Amazon (Amazon S3) formulário de objeto para oferecer suporte a tipos de ativos prontos para uso, como tabelas e visualizações do AWS Glue, tabelas e visualizações do Amazon Redshift e objetos do S3.
   3. Catalogue ativos estruturados, não estruturados e personalizados – Agora você pode catalogar não apenas catálogos de dados do AWS Glue ou tabelas do Amazon Redshift, mas também catalogar ativos personalizados usando APIs do Amazon DataZone. Os ativos catalogados podem representar uma unidade consumível de ativo que pode incluir uma tabela, um painel, um modelo de ML ou um bloco de código SQL que mostra a consulta por trás do painel. Com ativos personalizados, o Amazon DataZone oferece a capacidade de anexar tipos de formulário de metadados a um tipo de ativo e, em seguida, aumentá-los com contexto de negócios, incluindo termos de glossário de negócios padronizados para melhor consumo desses ativos. Além disso, para catálogos de dados do AWS Glue e tabelas do Amazon Redshift, você pode usar as fontes de dados do Amazon DataZone para trazer os metadados técnicos dos conjuntos de dados para o catálogo de dados empresariais de maneira gerenciada e dentro de um cronograma. Os ativos agora também oferecem suporte a revisões, permitindo que os usuários identifiquem alterações nos metadados comerciais e técnicos.
   4. Geração automatizada de nome comercial – Enriquecer o catálogo técnico ingerido com o contexto de negócios pode ser demorado, complicado e sujeito a erros. Para simplificar, estamos introduzindo o primeiro recurso que traz recursos generativos de inteligência artificial (IA) ao Amazon DataZone para automatizar a geração do nome e dos nomes das colunas de um ativo. O Amazon DataZone recomenda ser adicionado ao ativo e, em seguida, delega o controle ao produtor para aceitar ou rejeitar essas recomendações.
3. Governança federada usando projetos de dados – Os projetos de dados do Amazon DataZone simplificam o acesso às análises da AWS criando agrupamentos de usuários, ativos de dados e ferramentas de análise baseados em casos de uso de negócios. Os projetos de dados fornecem um espaço onde os membros do projeto podem colaborar, trocar dados e compartilhar artefatos. Os projetos são seguros para que apenas os usuários adicionados ao projeto possam colaborar entre si. Com os projetos, o Amazon DataZone descentraliza a propriedade dos dados entre as equipes, dependendo de quem é o proprietário dos dados, e também federa o gerenciamento de acesso a esses proprietários quando os consumidores solicitam acesso aos dados. Os principais recursos disponibilizados em projetos incluem:
   1. Propriedade e gerenciamento de usuários – Numa organização, as funções e responsabilidades disponibilizadas às diferentes pessoas variam. Para personalizar a definição do que um usuário ou grupo pode fazer ao trabalhar com entidades do Amazon DataZone, os projetos agora também servem como mecanismo de gerenciamento de usuários ou funções. Cada entidade no Amazon DataZone, como glossários, formulários de metadados e ativos, pertence a projetos.
   2. Projetos e ambientes – Os projetos agora estão dissociados da infraestrutura – há a criação de projetos que trata da configuração de usuários como proprietários ou contribuidores do projeto e, em seguida, a configuração de recursos denominados ambientes. Os ambientes lidam com a infraestrutura (por exemplo, banco de dados AWS Glue) necessária para que os usuários trabalhem com os dados. Essa divisão permite que o projeto seja o contêiner do caso de uso, enquanto o ambiente oferece flexibilidade para se ramificar em diferentes ambientes de infraestrutura (por exemplo, data lakes ou data warehouses usando o Amazon Redshift). Os administradores podem determinar que tipo de infraestrutura deve estar disponível para cada tipo de projeto.
   3. Traga sua própria função IAM para assinatura – Agora você pode trazer um principal do IAM existente registrando-o como um destino de assinatura e obter aprovação de acesso a dados para esse usuário ou função do IAM. Com esse mecanismo, os projetos ampliam o suporte para trabalhar com dados em outros serviços da AWS porque você pode permitir que os usuários descubram dados, obtenham a aprovação necessária e acessem os dados em um serviço para o qual o usuário tem autorização prévia.
   4. Fluxo de trabalho de inscrição com gerenciamento de acesso – O fluxo de trabalho de assinatura protege os dados entre produtores e consumidores para verificar se apenas os dados certos são acessados ​​pelos usuários certos para a finalidade certa, permitindo a análise de dados de autoatendimento. Esse recurso também permite auditar rapidamente quem tem acesso aos seus conjuntos de dados para qual caso de uso de negócios, bem como monitorar o uso e os custos em projetos e linhas de negócios. O gerenciamento de acesso para ativos publicados no catálogo é gerenciado usando Formação AWS Lake ou Amazon Redshift, e você será notificado (no portal ou no Amazon CloudWatch) se sua solicitação de assinatura for aprovada e concedida. Para dados que não são gerenciados pelo AWS Lake Formation ou pelo Amazon Redshift, você pode gerenciar a aprovação da assinatura no Amazon DataZone e concluir o fluxo de trabalho de acesso concedido com lógica personalizada usando Amazon Event Bridge eventos e, em seguida, reportar ao Amazon DataZone usando API assim que a concessão for concluída. Isso garante que o consumidor irá interagir apenas com um serviço para descobrir, compreender e assinar dados que é necessário para sua análise.
   5. Ferramentas de análise – Pronto para uso, o portal Amazon DataZone fornece integração com o editor de consultas Amazon Athena e o editor de consultas Amazon Redshift como ferramentas para processar os dados. Essa integração fornece acesso contínuo às ferramentas de consulta e permite que os usuários usem ativos de dados que foram assinados no projeto. Isso é feito usando ambientes Amazon DataZone que podem ser implantados de acordo com as definições de configuração de recursos em blueprints integrados.
4. APIs – O Amazon DataZone agora possui APIs externas para trabalhar com o sistema de forma programática. Você pode adicionar o Amazon DataZone à sua arquitetura existente. Por exemplo, para usar seus pipelines de dados para catalogar dados no Amazon DataZone e permitir que os consumidores pesquisem, encontrem, assinem e acessem esses dados sem problemas. Nesta versão, o Amazon DataZone apresenta um novo modelo de dados para o catálogo. As APIs de catálogo suportam um modelo baseado em sistema de tipos que permite definir e gerenciar os tipos de entidades no catálogo. Utilizando este tipo de modelo de sistema, os usuários terão um catálogo flexível e escalável que pode representar diferentes tipos de objetos e associar metadados ao objeto (ativo ou coluna). Da mesma forma, as ações na IU agora têm APIs que você pode usar se quiser trabalhar com o Amazon DataZone de forma programática.

Casos de uso comuns de clientes para Amazon DataZone

Vejamos alguns casos de uso que nossos clientes de visualização habilitaram com o Amazon DataZone.

Caso de uso 1: Descoberta de dados 

"Bristol Myers Squibb está buscando ativamente uma iniciativa para reduzir o tempo necessário para descobrir e desenvolver medicamentos em mais de 30%. Um componente-chave desta estratégia é abordar desafios de compartilhamento de dados e otimização da disponibilidade de dados. Ao interagir com a AWS, descobrimos que o Amazon DataZone nos ajudou a criar nossos produtos de dados, catalogá-los e administrá-los, tornando nossos dados mais localizáveis, acessíveis, interoperáveis ​​e reutilizáveis ​​(FAIR). No momento, estamos avaliando a aplicabilidade mais ampla do Amazon DataZone em nossa estrutura empresarial para determinar se ele está alinhado com nossos objetivos operacionais.” 

—David Y. Liu, Diretor de Pesquisa em Arquitetura de Soluções de TI. Bristol Myers Squibb.

Caso de uso 2: Compartilhe dados governados para iniciativas generativas de IA

“Ao harmonizar os dados em vários domínios de negócios, podemos promover uma cultura de compartilhamento de dados. Para isso, temos usado o Amazon DataZone para liberar nossos desenvolvedores da construção e manutenção de uma plataforma, permitindo que eles se concentrem em soluções personalizadas. A utilização de um serviço gerenciado pela AWS foi importante para nós por vários motivos: combinar recursos dentro do ecossistema da AWS, tempo mais rápido para obter insights de negócios da análise de dados, definições de dados padronizadas e aproveitando o potencial da IA ​​generativa. Esperamos continuar nossa parceria com a AWS para gerar melhores resultados para Guardando a Saúde e os pacientes que atendemos. Isto é mais do que meros dados; é a nossa jornada dinâmica.”

—Rajesh Kucharlapati, Diretor Sênior de Dados, CRM e Análise, Guardant Health

Caso de uso 3: Governança de dados federados

“Ser orientado por dados é um dos nossos principais objetivos corporativos, sempre guiado pelas melhores práticas em governança de dados, privacidade de dados e segurança. Em Itaú, os dados são tratados como um dos nossos principais ativos; um bom gerenciamento e definição de dados são partes essenciais de nossas soluções, em cada uso dos serviços analíticos da AWS. Junto com a equipe da AWS, pudemos experimentar o Amazon DataZone em versão prévia, propondo funcionalidades alinhadas às nossas necessidades tecnológicas e de negócios. Um exemplo é dados por domínio, uma simplificação dos processos de governança de dados e distribuição de responsabilidades entre unidades de negócios. Com o Amazon DataZone geralmente disponível para nossos colaboradores, esperamos poder configurar regras de forma rápida e fácil entre domínios para equipes compostas por analistas de dados, engenheiros e cientistas, promovendo a experimentação com hipóteses de dados em vários casos de uso de negócios, com governança simplificada. ”

—Priscila Cardoso Ferreira, Superintendente de Governança de Dados e Privacidade, Itaú Unibanco

Caso de uso 4: Propriedade descentralizada

"No Olá, Luz, unificando dados em nossos negócios e ao mesmo tempo tendo propriedade distribuída com equipes individuais partilhar e gerir os seus dados são as nossas principais prioridades. Nossos dados pertencem a equipes diferentes, e o compartilhamento normalmente significa que a equipe central tem que conceder acesso, o que criou um gargalo em nossos processos. Nos precisamos uma maneira mais rápida de analisar dados com propriedade descentralizada, onde o acesso aos dados pode ser aprovado pela equipe proprietária. Validamos os casos de uso na visualização do Amazon DataZone e estamos ansiosos para começar a construir um catálogo robusto de dados de negócios quando ele estiver disponível para o público geral. Nossos consumidores poderão encontrar, assinar e publicar seus ativos recém-criados para que outros possam descobrir e usar, habilitando um volante de dados. "

—Danny Obando, arquiteto líder de dados, Holaluz

Caso de uso nº 5: serviço gerenciado versus plataforma faça você mesmo (faça você mesmo)

"No BTG Pactual, unificar os dados dos nossos negócios e permitir a partilha de dados em grande escala, ao mesmo tempo que impõe a supervisão, é uma das nossas principais prioridades. Embora estejamos construindo soluções personalizadas para fazer isso sozinhos, preferimos ter um serviço nativo da AWS para habilitar esses recursos para que possamos concentrar nossos esforços de desenvolvimento e recursos para resolver os desafios específicos de governança do BTG Pactual – em vez de construir e manter a plataforma. Validamos os casos de uso na visualização do Amazon DataZone e os usaremos para criar um catálogo robusto de dados de negócios e um fluxo de trabalho de compartilhamento de dados. Ele fornecerá visibilidade completa sobre quem está usando quais dados e para quais finalidades, sem adicionar carga de trabalho adicional ou inibir a propriedade descentralizada que estabelecemos para tornar os dados detectáveis ​​e acessíveis a todos os nossos usuários de dados em toda a organização.”

—João Mota, Head de Plataforma de Dados, BTG Pactual

Passo a passo da solução

Vejamos um exemplo de como uma organização pode começar a usar o Amazon DataZone. Neste exemplo, construímos um ambiente unificado para que produtores e consumidores de dados acessem, compartilhem e consumam dados de maneira governada.

Considere uma equipe de marketing de produto que deseja conduzir uma campanha sobre adoção de produtos. Para ter sucesso nessa campanha, eles desejam aproveitar os dados do cliente em um data warehouse, dados de fluxo de cliques no data lake e dados de desempenho de outras campanhas em aplicativos como o Salesforce. Roberto é um engenheiro de dados que conhece muito bem esses dados. Então, vamos ver como Roberto tornará esses dados detectáveis ​​por outras pessoas na organização.

O administrador da empresa já configurou um domínio chamado “Marketing” para uso da equipe. O administrador também configurou alguns modelos de recursos chamados “Blueprints” para permitir que os profissionais de dados configurem ambientes para trabalhar com dados. O administrador também configurou usuários que podem fazer login usando as credenciais corporativas no portal Amazon DataZone, um aplicativo web fora do Console AWS. O administrador configura todos os recursos da AWS para que o pessoal de dados não tenha que enfrentar barreiras técnicas.

Então, vamos agora entrar em detalhes de como Roberto consegue publicar os dados no catálogo.

1. Roberto faz login no portal Amazon DataZone usando suas credenciais corporativas.
2. Ele cria um projeto e um ambiente que pode usar para publicar dados. Ele conhece as fontes de dados que deseja catalogar e, portanto, cria uma conexão com o Catálogo do AWS Glue que contém todos os dados do fluxo de cliques.
3. Ele fornece um nome e uma descrição para a execução da fonte de dados e, em seguida, seleciona os bancos de dados e os detalhes de qual tabela deseja trazer.
4. Ele escolhe a opção de geração automatizada de metadados para obter nomes comerciais gerados por ML para tabelas técnicas e nomes de colunas. Ele então agenda a execução para manter o ativo sincronizado com a origem.
5. Dentro de alguns minutos, os dados do fluxo de cliques e as informações do cliente dos metadados do Amazon Redshift, como nomes de tabelas, esquemas e outros metadados de origem, estarão disponíveis no inventário do Amazon DataZone, prontos para curadoria.
6. Roberto agora pode enriquecer os metadados para fornecer contexto de negócios adicional usando glossário e formulários de metadados para simplificar a compreensão dos dados por Veronica, analista de dados e outras pessoas de dados. Roberto pode aceitar ou rejeitar as recomendações geradas automaticamente para preencher automaticamente os nomes adequados para negócios. Ele também pode fornecer descrições, classificar termos e qualquer outra informação útil para aquele ativo específico.
7. Feito isso, Roberto pode publicar o ativo e disponibilizá-lo aos consumidores de dados no Amazon DataZone.

Agora, vamos dar uma olhada em como Veronica, a analista de marketing, pode começar a descobrir e trabalhar com os dados.

1. Agora que os dados estão publicados e disponíveis no catálogo, Veronica pode fazer login no portal Amazon DataZone usando suas credenciais corporativas e começar a pesquisar dados. Ela digita “campanha de cliques” na pesquisa e todos os ativos relevantes são retornados.
2. Ela percebe que os ativos vêm de diversas fontes e contextos. Ela usa filtros para organizar a lista de pesquisa usando facetas como termos de glossário e fontes de dados e classifica os resultados com base na relevância e no tempo.
3. Para começar a trabalhar com dados, ela terá que criar um novo projeto e um ambiente que forneça as ferramentas de que necessita. A criação do projeto fornece uma maneira rápida para ela colaborar com seus colegas de equipe e fornecer-lhes automaticamente o nível correto de permissões para trabalhar com dados e ferramentas.
4. Verônica encontra os dados aos quais precisa acessar. Ela agora solicita acesso clicando em Subscrever para informar ao editor ou proprietário dos dados que ele precisa de acesso aos dados. Ao se inscrever, ela também fornece um motivo pelo qual precisa de acesso a esses dados.
5. Isso envia uma notificação a Roberto e aos membros do projeto de que alguém está procurando acesso, e eles podem analisar a solicitação para aceitá-la ou rejeitá-la. Robert está logado no portal, vê a notificação e aprova a solicitação porque o motivo era muito claro.
6. Com a assinatura aprovada, Veronica também obtém acesso aos dados, pois o Amazon DataZone faz isso automaticamente para Roberto. Agora Veronica e sua equipe podem começar a trabalhar em análises para encontrar a campanha certa para aumentar a adoção.

Portanto, todo o ciclo de vida e uso de descoberta e acesso de dados acontece por meio do Amazon DataZone. Você obtém visibilidade e controle completos sobre como os dados estão sendo compartilhados, quem os utiliza e quem os autorizou. Essencialmente, o Amazon DataZone permite oferecer aos membros da sua organização a liberdade que eles sempre desejaram, com a confiança da governança correta em torno dela.

Aqui está uma captura de tela do portal do Amazon DataZone para que os usuários façam login para catalogar, publicar, descobrir, compreender e assinar os dados necessários para sua análise.

Conclusão

Nesta postagem, discutimos os desafios, os principais recursos e alguns casos de uso comuns. Com um cenário de exemplo, demonstramos como você pode começar. O Amazon DataZone já está em disponibilidade geral. Para mais informações, veja Novidades no Amazon DataZone or Zona de dados da Amazon.

Confira o Lista de reprodução do YouTube para obter algumas das demonstrações mais recentes do Amazon DataZone e breves descrições dos recursos disponíveis.

Sobre os autores

Shikha Verma é chefe de produto do Amazon DataZone na AWS.

Steve McPherson é gerente geral da Amazon DataZone na AWS.

Priya Tiruthani é gerente de produto sênior da Amazon DataZone na AWS.

• Conteúdo com tecnologia de SEO e distribuição de relações públicas. Seja amplificado hoje.
• PlatoData.Network Gerativa Vertical Ai. Capacite-se. Acesse aqui.
• PlatoAiStream. Inteligência Web3. Conhecimento Amplificado. Acesse aqui.
• PlatãoESG. Carbono Tecnologia Limpa, Energia, Ambiente, Solar, Gestão de resíduos. Acesse aqui.
• PlatoHealth. Inteligência em Biotecnologia e Ensaios Clínicos. Acesse aqui.
• Fonte: https://aws.amazon.com/blogs/big-data/unlock-data-across-organizational-boundaries-using-amazon-datazone-now-generally-available/