电商新赛道 - 从亚马逊 SP-API中洞察数据价值

Amazon提供了与其电商平台集成的API，通过调用API接口，可以帮助Amazon卖家快速获取Amazon平台相关的数据，目前可以使用的有旧版MWS接口和新版SP-API接口。

新旧版本的区别

与 MWS 相比，SP-API 为所有销售合作伙伴和第三方开发人员提供了更多的改良，例如基于JSON的现代化REST API设计标准，使用Amazon Login登录的OAuth2.0销售合作伙伴授权以及测试端点-最需要的MWS中的功能。除了以前在MWS中提供的所有旧功能以及为卖方提供的新API功能之外，SP-API还通过相同的API控制平面和授权机制支持针对Amazon Vendors的首个API。目前旧版逐渐停止更新，建议用户使用新版的SP-API接口。

SP-API 与 Amazon Web Services

SP-API与Amazon Web Services云平台的结合，帮助Amazon卖家打通了从电商平台获取数据并把数据归档到云平台，以及后期对数据进行分析整个流程。

SP-API->数据落盘->大数据分析->AI/ML 全过程

① 电商平台数据获取主要使用Amazon Web Services上的Lambda、DynamoDB、S3等服务，以Lambda + DynamoDB的无服务器模式与SP-API对接，能够让我们按需运行数据获取的程序，并将平台数据直接存储在DynamoDB数据库中，接着把数据转存到S3对象存储中，帮助我们进行后续的分析。

② 经过上面的过程，存储在SP-API数据（订单信息，产品信息，卖家信息），会转存到S3对象存储中，当这些业务数据到达S3中，我们可以以这些数据为基础，构建在Amazon Web Services上的“数据湖”，进而可以更轻松且经济高效地收集、存储、分析和共享见解以满足其业务需求。如下图，我们可以基于S3构建“数据湖“。

③ 在Amazon Web Services数据湖中，可以使用很多Amazon Web Services上的服务对企业数据进行分析，比如你可以使用Glue来获取并管理数据的元数据，并且能够轻松找到并访问数据，另外还可以使用 Glue DataBrew 以可视化方式丰富、清理和标准化数据，而无需编写代码。当然，你还可以使用EMR在 Amazon Web Services上构建你的大数据集群，借助 EMR，您可以用不到传统本地解决方案一半的成本运行 PB 级分析，并且其速度比标准 Apache Spark 快 3 倍以上。当对数据进行分析完之后，可以使用QuickSight 或者Athena 来对这些结构化的数据进行可视化分析和查询。

④ 在 Amazon Web Services上，你还可以使用AI/ML（人工智能/机器学习）服务，借助数据湖构建出来的丰富数据集，进行训练、机器学习挖掘更多的信息，下图是在Amazon Web Services上的机器学习服务。

比如可以使用Amazon Sagemaker，来完成整个数据分析流程，包括打标签，数据预处理，模型构建，参数调优，可视化展示。如下图是使用Amazon Sagemaker来根据电商用户场景构建推荐系统。

也可以使用Amazon Personalize服务，开发人员可以通过机器学习 (ML) 技术来构建应用程序，从而提供实时个性化推荐，而无需 ML 专业知识。

看看电商场景下，AI/ML如何应用于整个顾客旅程。

经过以上整套流程后，我们便拥有了：

我们电商用户通过从亚马逊 SP-API 接口中将相关业务数据抽取落盘，最终转存到S3中，进而构建数据湖模型。此举同时有助于我们对数据进行清洗、分析、挖掘等工作来驱动业务发展，以指导做出更好的决策。