Wanneer past AWS, en wanneer niet

AWS is een logische keuze voor organisaties die al volume op AWS draaien, vaak omdat engineering of het kernproduct daar leeft. Dan landt een data platform op identity, netwerk en security die er al staan, en kunnen data en AI workloads dicht bij de applicaties draaien die de data genereren. Voor organisaties met serieuze machine learning ambitie is AWS bovendien aantrekkelijk door de breedte van de catalogus en de volwassenheid van SageMaker.

IDC rapporteert in zijn Worldwide Cloud Infrastructure Tracker van 2024 dat AWS marktleider blijft in cloud infrastructuur, met ongeveer een derde van de wereldwijde markt. Die positie vertaalt zich in de breedste service catalogus en in eerstelijns ondersteuning voor vrijwel elke data tool die ertoe doet. Het verschil met andere hyperscalers zit zelden in wat technisch kan, vaker in welke cloud de rest van jullie organisatie al gebruikt.

Eerlijk: AWS is niet altijd de juiste keuze. Voor organisaties die diep in Microsoft 365 en Power BI leven, is Azure met Microsoft Fabric vaak de logische route. Voor BigQuery, een sterke focus op marketing data en Google Workspace ligt Google Cloud Platform voor de hand. De breedte van AWS is een kracht, maar ook een valkuil: zonder discipline ontstaat een verzameling losse services in plaats van een platform.

‍

De data en AI componenten van AWS

AWS biedt geen geïntegreerd data platform zoals Microsoft Fabric, maar een set bouwblokken die je tot een platform samenvoegt. Vijf onderdelen vormen de kern.

S3 als data lake fundament

Simple Storage Service is de opslag laag waar vrijwel elk AWS data platform op rust. Goedkoop, schaalbaar en geschikt voor zowel ruwe als gestructureerde data, met open table formats zoals Iceberg en Delta erbovenop. De meeste lakehouse architecturen op AWS gebruiken S3 als enige opslag laag, met query engines die er rechtstreeks op werken.

Redshift en Athena voor analytics

Redshift is de cloud data warehouse van AWS, sterk in SQL analytics op gestructureerde data en met integratie naar S3 via Redshift Spectrum. Athena draait serverless SQL op S3 zonder een warehouse cluster, en past bij ad hoc analyses of lichtere werklasten. De keuze tussen beide hangt af van volume, query patroon en hoeveel werklast de warehouse permanent moet dragen.

Glue en orkestratie

Glue verzorgt ingestion, ETL en de data catalogus. Het schaalt serverless mee met de werklast en koppelt aan de meeste bronnen. Voor zwaardere orkestratie zien we Managed Workflows for Apache Airflow ernaast, vaak in combinatie met dbt voor transformaties. Welke laag waar landt, bepaalt grotendeels kosten en beheer last.

SageMaker voor machine learning

SageMaker dekt de hele machine learning levenscyclus: notebooks, training, model registry, deployment en monitoring. Voor organisaties met serieuze ML ambitie is SageMaker de meest volwassen managed ML stack van de hyperscalers, met integratie tot in MLflow en Hugging Face.

Bedrock voor generatieve AI

Bedrock is de managed laag voor generatieve AI op AWS, met toegang tot modellen van Anthropic, Meta, Mistral en Amazon achter één API. Data blijft binnen jullie AWS account, met integratie naar S3 en Knowledge Bases voor RAG toepassingen.

‍

AWS versus Google Cloud Platform en Azure

AWS heeft de breedste catalogus en de langste track record, maar Azure wint vrijwel altijd waar Microsoft 365 al dominant is. Google Cloud Platform is sterker waar BigQuery en marketing data centraal staan.

Hoe wij op AWS bouwen

Wij ontwerpen, bouwen en beheren AWS data platformen op jullie eigen AWS account. Een eerste fase is doorgaans een ontwerp en een werkende eerste use case in enkele weken, vaak op S3 met Glue en Athena of een gerichte Redshift inzet. Vervolgens uitbouw naar productie, met kennisoverdracht als vast onderdeel. Uiteraard verschilt dit per situatie en scope.

‍

Wat onderscheidt ons als AWS experts

Business, organisatie en techniek samen op nr. 1

Een AWS landschap dat technisch klopt maar geen business vraag beantwoordt, mislukt. Wij ontwerpen vanuit de vraag die de business stelt, niet vanuit de service catalogus.

Data engineers met een AI hart op AWS specifiek

De S3 lake en Glue catalogus die wij neerzetten, voeden morgen jullie SageMaker modellen en Bedrock toepassingen op dezelfde fundering. Wie nu zijn data laag op AWS goed neerzet, hoeft over twee jaar geen aparte AI stack te bouwen.

Vendor neutraal in het keuze gesprek, vendor scherp op AWS

Wij hebben geen AWS partnerprogramma dat onze keuze stuurt. Past AWS niet, dan zeggen we dat. Past het wel, dan bouwen wij jullie AWS data platform zoals we dat bij meerdere klanten hebben gedaan.

‍

Plan een Data Impact Sessie

Een Data Impact Sessie duurt 90 minuten en is kosteloos. We kijken samen naar jullie situatie en geven minimaal drie aanknopingspunten: of AWS de juiste keuze is, waar quick wins zitten op een bestaande omgeving, en in welke volgorde een implementatie of uitbreiding logisch is. Of we nu samen verder gaan of niet.

‍

Plan een: Data Impact Sessie