首页 > 其他分享 >利用AI驱动智能BI数据可视化-深度评测Amazon Quicksight(一)

利用AI驱动智能BI数据可视化-深度评测Amazon Quicksight(一)

时间:2024-09-10 23:52:45浏览次数:9  
标签:AI BI QuickSight Amazon 可视化 Quicksight 数据

项目简介

随着生成式人工智能的兴起,传统的 BI 报表功能已经无法满足用户对于自动化和智能化的需求,今天我们将介绍亚马逊云科技平台上的AI驱动数据可视化神器 – Quicksight,利用生成式AI的能力来加速业务决策,从而提高业务生产力。借助Quicksight中集成的Amazon Q的创作功能,业务分析师可以使用自然语言提示在几秒钟内构建、发现和分享数据洞察。同时通过Amazon Q创建对分析数据文本总结摘要、基于数据问答的知识库和PPT/Word格式的数据报告,让用户和开发者更容易理解数据,加快整个数据分析、可视化过程中的效率。

在本系列的第一篇中,我们会搭建和配置Amazon Quicksight数据可视化工具,并利用该工具创建一个数据分析图表。欢迎大家持续关注本系列,了解更多国际前沿的云计算生成式AI和数据分析的解决方案。

所需基础知识

什么是Amazon Quicksight BI可视化工具?

Amazon QuickSight 是一款由亚马逊云科技提供的全托管商业智能(BI)服务,专为云端设计。它允许开发者快速创建互动式仪表板、报告和数据可视化,帮助他们从数据中获得洞察。QuickSight 能够无缝连接各种数据源,包括 AWS 服务(如 Amazon RDSAmazon S3Amazon Redshift)以及第三方工具和本地数据库。它还提供了机器学习的高级分析功能,使用户能够执行异常检测、预测等任务,而无需具备数据科学背景。

通过 QuickSight Q 功能,用户可以使用自然语言进行查询,系统会自动生成可视化数据结果,使非技术用户也能轻松获取洞察。此外,QuickSight 还支持嵌入式分析,灵活地将 BI 能力集成到应用程序中。

Quicksight的优势是什么?

首先我们看看Quicksight服务的优势,Quicksight总结下来一共有7大特点。

连接企业内部的所有数据源:

Quicksight可以连接到亚马逊云科技、第三方云厂商和本地数据,做到真正互联互通

构建自定义构建数据面板:

提供了多种视图设置选项,支持用户配置细颗粒度、自定义的数据面板,增强和用户的交互。

利用机器学习获取数据洞察:

Quicksight利用机器学习支持了对数据的异常分析、时间序列预测以及基于数据的关键信息洞察。

利用生成式AI的能力让BI更强大:

Quicksight已与Amazon Q集成,通过Amazon Q帮助大家通过自然语言生成报表、提取数据的洞察信息,以及根据数据生成可展示的PPT。

支持与多种亚马逊云科技服务原生集成:

支持多种亚马逊云科技原生服务作为数据源,如Redshift、Athena、S3、RDS等。

安全性与合规性:

满足MLPS 3 级评估、TRUCS 认证、ISO 系列认证等合规认证。支持利用CloudTrail 生成审计日志、利用IAM对数据细颗粒度、基于角色的权限管理(RBAC)、支持与VPC集成建立私有网络连接保护用户数据。

节约成本、自动扩展:

Quicksight采用无服务器托管模式,可以自动扩展到满足数十万用户查询。并且按照读者访问数据面板的会话数量计费,极大降低了License采购费用。

本实践包括的内容 

1. 启用并设置Amazon Quicksight BI工具

2. 利用Amazon Quicksight制作一个数据分析仪表盘

项目实操步骤 

在本项目实验中,我们会利用Amazon Quicksight分析一家软件公司的销售数据

启用并设置Amazon Quicksight BI工具

1. 首先我们在亚马逊云科技控制台进入Quicksight服务

2. 在QuickSight页面,单击”注册QuickSight“按钮,打开QuickSight注册页面

3.输入一个邮箱,作为接收账户通知的电子邮件。并填写一个Quicksight账户名称。

4.其他均选择默认,将鼠标滚动到页面的底部,将添加像素级完美报告的复选框去掉,最后点击完成创建Quicksight服务。 

5. 等待创建成功后,点击Go to Amazon QuickSight按钮,进入QuickSight 控制台。

利用Amazon Quicksight制作数据分析仪表盘

5. 从QuickSight控制台的左侧菜单栏中,选择数据集(Datasets)。

6.在界面右上方,点击New dataset按钮添加数据集。

7. 选择第选项 "Upload a file",从本地上传源数据csv文件进行分析。

8. 点击Next开始导入数据

9. 点击Visualize将数据在面板中可视化

10. 我们首先选中选中”Interactive sheet“(可交互式视图),然后单击CREATE按钮创建视图。

11.大家会进入到如下图界面,界面中标记了不同位置的按键功能

12. 单击界面中左上角的的default name进入编辑模式,为该视图重命名为”SaaS-Sales analysis - Build your first dashboard“。

13. 接下来我们在视图界面中选择”基于数据自动生成“类型(红框),并在左侧数据栏中添加数据”Sales“和”Order Date“

14. 同时我们点击数据配置栏中的X-ais下的”Order Date“,选择Aggregate类型为Month,将数据按每月展示 

15. 我们最后再将视图类型切换到"Line Chart"折线图,就可以得到下图中的销售额变化图表了

以上就是深度体验亚马逊云科技的AI驱动的BI数据可视化工具 - Quicksight上篇内容。欢迎大家关注小李哥和我的亚马逊云科技AI服务深入调研系列,不要错过未来更多国际前沿的AWS云开发/云架构方案。

标签:AI,BI,QuickSight,Amazon,可视化,Quicksight,数据
From: https://blog.csdn.net/m0_66628975/article/details/142111212

相关文章

  • RabbitMQ的 RPC 消息模式你会了吗?
    前文学习了如何使用工作队列在多个工作者之间分配耗时的任务。若需要在远程计算机上运行一个函数并等待结果呢?这种模式通常被称为远程过程调用(RPC)。本节使用RabbitMQ构建一个RPC系统:一个客户端和一个可扩展的RPC服务器。由于我们没有耗时的任务可以分配,因此我们将创建一......
  • RabbitMQ的 RPC 消息模式你会了吗?
    前文学习了如何使用工作队列在多个工作者之间分配耗时的任务。若需要在远程计算机上运行一个函数并等待结果呢?这种模式通常被称为远程过程调用(RPC)。本节使用RabbitMQ构建一个RPC系统:一个客户端和一个可扩展的RPC服务器。由于我们没有耗时的任务可以分配,因此我们将创建一......
  • 2016 ACM/ICPC Asia Regional Qingdao Online(SDKD 2024 Summer Training Contest H2)
    A-ICountTwoThree题意给定n,求第一个\(\ge\)n的数k,且k=\(2^a3^b5^c7^d\)。思路考虑到样例很多,直接打表存入set省去数组排序操作,由于n$\le$1e9,所以只需要打到1e9后二分即可。(记得加上快读快写,T得饱饱的......
  • SciTech-Mathmatics-Probability+Statistics-Applications : Probability&Sampling :
    SciTech-Mathmatics-Probability+Statistics-Applications:Probability&Sampling:SamplingDistribution+CentralLimitTheoremSamplingDistribution+CentralLimitTheoremBYZACHBOBBITTPOSTEDONOCTOBER8,2018Imaginethereexistsapopulationof1......
  • RAII思想
    c++RAII思想什么是RAII资源获取即初始化(ResourceAcquisitionIsInitialization,简称RAII)是一种C++编程技术,它将在使用前获取(分配的堆内存、执行线程、打开的套接字、打开的文件、锁定的互斥量、磁盘空间、数据库连接等有限资源)的资源的生命周期与某个对象的生命周期绑定在......
  • 表情迁移大法,LivePortrait 帮你快速处理图片!
    LivePortrait由快手可灵大模型团队开源,主要功能包括从单一图像生成生动动画、精确控制眼睛和嘴唇的动作、处理多个人物肖像的无缝拼接、支持多风格肖像、生成高分辨率动画等。该项目使用的是基于隐式关键点框架的AI肖像动画生成框架。它能够将驱动视频的表情和姿态迁移到静态或......
  • SciTech-Mathmatics-Probability+Statistics-Sampling : Learn Stats for Python III:
    LearnStatsforPythonIII:ProbabilityandSamplingBYIVÁNPALOMARESCARRASCOSAPOSTEDONSEPTEMBER9,2024ProbabilityandSamplingAboutPartIII:ProbabilityandSamplingPartIIIdivesintoappliedprobabilitytheory,concretelybymodelingdiscrete......
  • [Embodied AI Tutorial] The Basic Frameworks and Techniques for Embodied AI (Part
    目录EmbodiedAITutorial课程内容ModelingandapproachesforEmbodiedAIWorldModelGetaGoodPolicyPlanningAndControlSimulationtechnologyforEmbodiedAIRigidbodysimulationCamerasimulationAsserts相关链接资料查询EmbodiedAITutorial课程主页:slidesvide......
  • C# console application main method new and start wpf window application
    1.NewConsoleapplication;2.Addreference,PresentationCoreandWindowsBase3.usingSystem;usingSystem.Collections.Generic;usingSystem.Linq;usingSystem.Text;usingSystem.Threading.Tasks;usingSystem.Windows;usingSystem.Windows.Controls;using......
  • 以太坊Rollup方案之 arbitrum(1)
    什么是Rollup?以太坊的Rollup扩容是一种Layer2(第二层)扩容解决方案,旨在提高以太坊区块链的交易吞吐量和性能。它通过将大量的交易数据转移到以太坊区块链之外的第二层网络来实现这一目标。Rollup的核心思想是将交易数据汇总到k个称为Rollup链的智能合约中,然后将这些汇总数据提交......