大型企业每日处理海量数据，若数据分散在各处而无法统一管理，便会导致效率低下，难以扩张规模。企业要实现先进和具规模的运营方式，需要集成数据，才能清楚看见业务版图的全貌。就像BMW集团，他们目前利用AWS管理超过19 PB数据，涵盖6,400个数据资产和2,000个数据用例。他们成功实践数据治理的经验，值得不论大小的企业借鉴。以下是他们云计算数据中心最近的成果：
BMW集团深明知识孤岛会造成工作效率低下，阻碍数字化转型。所以他们决心与AWS合作，共同开发云计算数码中心 (Cloud Data Hub，CDH)，实现知识共享的愿景。当原始数据进入CDH后，便由孤立的数据点演变为驱动企业创新的知识资产。下图展示数据在CDH所经历的转化：
用户首先在CDH中发现数据 (Discovery)，他们在数据门户网站中直接执行Amazon Athena的SQL查询。在确认数据符合其工作需要后，他们可以申请访问完整的数据资产。数据访问由AWS Lake Formation在列和行层级进行控制。接着，用户可以准备数据 (Preparation)，利用AWS Glue Studio中提供的截取、转换和加载（ETL）功能。最后，利用Amazon Quick Sight进行数据分析 (Analysis)。其互动式仪表板令组织各级人员都能获得洞察，使决策者能够克服技术障碍，并探索数据关系。
当CDH协助企业把数据转化为知识，便能为企业有规模地创造价值。以BMW集团为例，在自动驾驶部门，工程师分析着来自BMW集团联网车队的大量真实驾驶数据。这些曾经难以管理的庞大数据集，经CDH整理后能够清楚呈现出驾驶员行为和环境条件中的细微模式，协助BMW集团不断改进其自动驾驶系统。
BMW集团期望员工都能访问到Quick Sight仪表板，同时严格执行CDH为其其他数据产品实施的治理流程。这有助于确保洞察不但在Quick Sight内部生成，而且还能根据BMW的数据治理框架安全地在组织内共享。
如下图所示，CDH用户可以从一个集中化的位置搜索任何其他CDH用户创建的仪表板，从而打破知识孤岛。无论用户想了解特定主题的数据分析，还是探索新的数据集进行分析，他们都可以快速找到相关的仪表板。
BMW集团持续推动知识民主化的进程，将人工智能融入云计算数据中心生态系统。他们致力消除知识孤岛，加速整个组织的数据驱动决策，值得不同企业参考。然而，不同企业的规模、数字化转型进程，甚至对数据访问的需求都不尽相同。AWS的云计算迁移专家会为每个业务提供个性化的建议，为企业设计适当的云计算迁移计划。
