Amazon DataZone Nuevodesde 2023
Un servicio de gestión de datos que integra descubrimiento, compartición y gobernanza de datos
Qué hace
Amazon DataZone es un servicio de gestión de datos que permite a las organizaciones catalogar, descubrir, compartir y gobernar datos a través de límites organizacionales. Proporciona un portal de datos donde los usuarios de negocio pueden buscar y solicitar acceso a datasets, mientras que los propietarios de datos mantienen el control sobre quién accede a qué. Integra catálogo de datos, control de acceso y flujos de trabajo de aprobación.
Casos de uso
Se utiliza para crear un catálogo de datos organizacional centralizado, permitir el descubrimiento self-service de datos por equipos de negocio, implementar gobernanza de datos con flujos de aprobación, compartir datos de forma segura entre departamentos o unidades de negocio, y cumplir con políticas de acceso a datos y regulaciones.
Analogía cotidiana
Piensa en él como una biblioteca corporativa de datos. Así como una biblioteca tiene un catálogo donde buscas libros, un bibliotecario que controla los préstamos y reglas sobre quién puede acceder a qué sección, DataZone proporciona un catálogo de datos, controles de acceso y flujos de aprobación para que los datos correctos lleguen a las personas correctas.
¿Qué es Amazon DataZone?
Amazon DataZone es un servicio de gobernanza y gestión de datos que ayuda a las organizaciones a hacer que sus datos sean descubribles, compartibles y gobernados. En organizaciones grandes, los datos están dispersos en múltiples cuentas, servicios y equipos. DataZone proporciona un lugar central donde los datos se catalogan y los usuarios pueden encontrar y solicitar acceso a los datos que necesitan.
Portal de datos y catálogo
DataZone proporciona un portal web donde los usuarios de negocio pueden buscar datos disponibles, ver descripciones y metadatos, previsualizar muestras y solicitar acceso. Los propietarios de datos publican sus datasets en el catálogo con descripciones, esquemas y clasificaciones. El catálogo se integra con AWS Glue Data Catalog para descubrimiento automático.
Gobernanza y control de acceso
DataZone implementa gobernanza de datos mediante proyectos, dominios y flujos de aprobación. Los propietarios de datos definen políticas de acceso y aprueban o rechazan solicitudes. Los suscriptores reciben acceso temporal y controlado a los datos. Todo el acceso se audita y se puede revocar. Para más información sobre gobernanza de datos, los libros en Amazon son un buen recurso.
Cómo empezar
Crea un dominio de DataZone en la consola. Configura un proyecto y añade fuentes de datos (Glue Data Catalog, Redshift, etc.). Publica datasets en el catálogo con descripciones y clasificaciones. Invita a usuarios al portal de datos y configura flujos de aprobación. Los usuarios pueden comenzar a buscar y solicitar acceso a datos.
Aspectos a tener en cuenta
- Tenga en cuenta que DataZone no cambia la ubicación de los datos: es un servicio que gestiona metadatos y permisos de acceso. Los datos en sí permanecen en S3 o Redshift
- En muchos casos se presupone la integración con Lake Formation, así que completar antes la configuración básica de Lake Formation facilita el proceso
- Diseñe los dominios y proyectos con cuidado, alineándolos con la estructura organizativa. Los cambios posteriores tienen un gran alcance de impacto
