揭开AWS上数据共享和协作模式的神秘面纱：选择合适的工具来完成工作 大数据博客

• 2026-01-27 14:19:29

数据共享与协作模式揭秘：在 AWS 上选择合适的工具

关键要点

在本文中，我们探讨了如何通过 AWS 的解决方案如 AWS Glue、AWS Data Exchange、AWS Clean Rooms 和 Amazon DataZone来构建企业数据平台，促进数据共享与协作。我们分析了各类业务场景，例如销售与客户可见性、跨组织的供应链和库存管理、以及交叉销售与追加销售机会，以便有效应对组织内部及第三方数据的挑战。

数据是任何组织最重要的资产。然而，企业往往面临数据孤岛、访问控制不足、治理不善和质量问题等挑战。将数据视为产品是应对这些挑战并构建数据驱动文化的关键。在这种背景下，采用数据湖和数据网格框架成为了一种有效的方法。通过去中心化的数据所有权和分布方式，企业能够打破孤岛，实现无缝的数据共享。

AWS 提供多种服务，例如 AWS Data Exchange、AWS Glue、AWS Clean Rooms 和 Amazon DataZone，以帮助组织充分释放数据的潜力。

角色分析

我们首先确定数据共享过程中的不同角色：

数据生产者 包括内部团队/系统、第三方生产者和合作伙伴。数据消费者 包括内部利益相关者/系统、外部合作伙伴和最终客户。

在这个生态系统中，企业数据平台是核心。当考虑到企业时，有众多角色涉及：

业务用户 需要对数据进行分类，添加业务上下文，与其他业务部门有效协作，增强对关键绩效指标KPI的可视化，并探索数据货币化的机会。合作伙伴 应能共享数据并与其他合作伙伴和客户协作。数据科学家和业务分析师 需要能够访问、分析数据并生成可行的业务洞察。数据工程师 负责构建符合多方需求的数据管道并对数据进行编目。数据安全和治理官 确保生产者和消费者具有合适的数据访问权限，实施正确的访问权限，并维护符合行业法规的合规性。

为每个角色选择合适的工具

一旦确定了不同的角色，就需要选择合适的工具：

银河npv免费加速器对于使用 SaaS 平台的数据生产者，AWS Glue 提供了在软件服务提供商与 AWS 服务之间自动化数据流的选项。对于希望与合作伙伴进行协作的生产者，AWS Clean Rooms 提供了安全的协作和集体数据集的分析，而无需共享或复制底层数据。针对第三方数据源，AWS Data Exchange 简化了第三方数据的发现、订阅和利用流程，生产者还能通过 AWS Data Exchange 的订阅模型对数据进行货币化。在组织内部，使用 Amazon DataZone 可实现数据的民主化及治理，内置的治理功能确保了数据的管理。对于 SaaS 用户，AWS Glue 支持双向传输，同时用于多种 SaaS 提供商 的生产者和消费者工具。

AWS 服务能力概述

AWS Glue 一种完全托管的、无服务器的可扩展 ETL 服务，简化数据的发现、准备和加载过程。AWS Data Exchange 允许用户在 AWS Cloud 中查找、订阅和使用第三方数据集的平台，支持超过 300 个数据提供者。AWS Clean Rooms 旨在帮助公司及其合作伙伴安全地分析和协作集体数据集，同时不透露或共享底层数据。Amazon DataZone 快速且简单地对存储在 AWS、本地及第三方来源的数据进行编目、发现、共享和治理的数据管理服务。

业务场景举例

让我们来审视一些示例场景，以了解这些多样化服务如何有效应用于业务上下文，实现期望的结果。以名为 AnyHealth 的公司为例，该公司在医疗保健和生命科学领域运营，专注于销售各种科学设备。我们识别了三个关键需求：

按业务线的销售和客户可见性 AnyHealth 需要获取特定业务线的销售绩效及客户需求的见解。跨组织供应链和库存可见性 该公司希望跨组织共享供应链和库存数据，促使及时响应业务需求。交叉销售和追加销售机会 AnyHealth 计划使用机器学习模型提取数据见解，以提升销售。

下面详细讨论如何满足这些需求以及与之匹配的 AWS 服务。

按业务线的销售和客户可见性

满足第一项需求需要获得按业务线划分的销售与客户需求的可见性。此数据的主要用户包括业务线领导、业务分析师以及其他业务相关利益相关者。

最初的步骤是将销售和订单数据导入到平台中。当前，这些数据集中存储于 ERP 系统特别是 SAP。目标是定期检索这些数据并捕获任何变化。数据工程师在建立此数据管道中发挥了关键作用。考虑到这是 SaaS 集成，AWS Glue 是无缝数据导入的合适选择。

接下来，构建企业数据平台，存储累积的数据。通过 Amazon DataZone 确保数据的可搜索性，而施加必要的安全和治理措施以实现选择性共享。数据安全官创建企业域、生产者项目并为数据工程师和业务分析师启用访问权限。

AWS Athena 和 Amazon QuickSight 被用于查询和生成报表，确保业务用户和其他利益相关者能获取所需的信息。下图展示了使用 AWS 服务的解决方案架构。

跨组织供应链和库存可见性

第二项需求是实现跨组织的供应链和库存可见性。这里的关键利益相关者是业务线用户。他们希望跨组织访问供应链和库存数据。

与第一项场景类似，数据工程师使用 AWS Glue 设置数据管道以从 ERP 系统如 SAP定期获取数据，以及捕获供应链与库存数据上的任何更改。通过 AWS Data Exchange 获取经济指标和天气信息，以及在 COVID19 期间供应链的管理，都是 AnyHealth 需要关注的要素。

Amazon DataZone 被用来管理数据湖，确保数据的编目和治理。类似于前面的场景，数据安全官创建生产者项目和消费者项目，以管理对跨组织供应链和库存数据的访问。下图展示了这一架构。

交叉销售和追加销售机会

第三项需求是识别交叉销售和追加销售机会。此处的主要消费用户为销售代表和转售商。AnyHealth 在全球范围内运营，产品销售涉及多个大洲。

交叉和追加销售机会可以通过机器学习模型识别，并通过 Amazon DataZone 与 Salesforce 等客户关系管理系统集成。在此过程中，AWS Clean Rooms 则用于与转售商共享数据分析，以加强合作却不泄露底层信息。

以下架构展示了如何通过 AWS 服务进行交叉销售和追加销售机会的识别与实现。

最终架构

接下来，我们来看一个包罗所有三个用例的完整架构。该架构利用了 AWS Data Exchange、AWS Glue、AWS Clean Rooms 和 Amazon DataZone 等目的明确的服务。这些服务的无缝集成共同实现了端到端的业务目标。

为增强云基础设施的安全性，建议使用 AWS 身份与访问管理 (IAM)，允许您创建具有具体权限的用户、组和角色。此外，可以使用 AWS 密钥管理服务 (AWS KMS)，帮助您创建、管理和控制用于保护数据的加密密钥，以便仅授权用户可以访问敏感信息。为确保合规性，您可以使用 AWS CloudTrail，记录您 AWS 账户内的 API 调用。

结论

在本文中，我们讨论了如何选择合适的工具以构建企业数据平台，并在组织内部以及与第三方提供者之间实现数据共享、协作与访问。通过 AWS Glue、AWS Data Exchange、AWS Clean Rooms 和 Amazon DataZone，我们针对三个不同的业务用例进行了深度分析。

要了解更多关于这些服务的信息，欢迎查看 AWS 博客，如 Amazon DataZone，AWS Glue， AWS Clean Rooms，和 AWS Data Exchange。

关于作者

Ramakant Joshi 是 AWS 解决方案架构师，专注于分析和无服务器领域，拥有软件开发和混合架构的背景，热衷于帮助客户现代化其云架构。

Debaprasun Chakraborty 是 AWS 解决方案架构师，专注于分析领域，具有约 20 年的软件开发和架构经验，热衷于支持客户进行云采用、迁移和策略制定。

标签：Amazon Athena、Amazon S3、分析、AWS Glue