Genere información de datos mediante AWS Mainframe Modernization Amazon Q en Quick Sight

Shubham Roy, Roshna Razack y Santosh Kumar Singh, Amazon Web Services

Resumen

Nota: AWS Mainframe Modernization El servicio (experiencia de entorno de ejecución gestionado) ya no está abierto a nuevos clientes. Para obtener funciones similares a las AWS Mainframe Modernization de Service (experiencia en entornos de ejecución gestionados), explore AWS Mainframe Modernization Service (experiencia autogestionada). Los clientes existentes pueden seguir utilizando el servicio con normalidad. Para obtener más información, consulte Cambio en la disponibilidad de AWS Mainframe Modernization.

Si su organización aloja datos críticos para la empresa en un entorno de mainframe, obtener información a partir de esos datos es fundamental para impulsar el crecimiento y la innovación. Al desbloquear los datos del mainframe, puede crear inteligencia empresarial más rápida, segura y escalable para acelerar la toma de decisiones, el crecimiento y la innovación basados en los datos en la nube de Amazon Web Services (AWS).

Este patrón presenta una solución para generar información empresarial y crear narrativas compartibles a partir de datos de mainframe mediante la transferencia de archivos AWS Mainframe Modernization con BMC y Amazon Q en QuickSight. Los conjuntos de datos de mainframe se transfieren a Amazon Simple Storage Service (Amazon S3) mediante AWS Mainframe Modernization la transferencia de archivos con BMC. Una AWS Lambda función formatea y prepara el archivo de datos del mainframe para cargarlo en Quick Sight.

Una vez que los datos estén disponibles en QuickSight, puede utilizar las peticiones en lenguaje natural con Amazon Q en QuickSight para crear resúmenes de los datos, formular preguntas y generar historias basadas en datos. No tiene que escribir consultas SQL ni aprender una herramienta de inteligencia empresarial (BI).

Contexto empresarial

Este patrón presenta una solución para casos de uso de análisis de datos e información de datos de mainframe. Con el patrón, puede crear un panel visual para los datos de su empresa. Para demostrar la solución, este patrón utiliza una empresa de atención médica que ofrece planes médicos, dentales y oftalmológicos a sus miembros en los EE. UU. En este ejemplo, la información demográfica y de planes de los miembros se almacena en las tablas de datos de mainframe. El panel visual muestra lo siguiente:

Después de crear el panel, se genera una historia basada en datos que explica la información del análisis anterior. Las historias basadas en datos proporcionan recomendaciones para aumentar el número de miembros que han completado la inmunización preventiva.

Requisitos previos y limitaciones

Requisitos previos 

Limitaciones

Arquitectura

El siguiente diagrama muestra una arquitectura para generar información empresarial a partir de datos de mainframe mediante la transferencia de AWS Mainframe Modernization archivos con BMC y Amazon Q en Quick Sight.

En el diagrama, se muestra el siguiente flujo de trabajo:

Tools (Herramientas)

Servicios de AWS

Prácticas recomendadas

Epics

Resolución de problemas

Recursos relacionados

Para convertir tipos de datos de mainframe como PACKED-DECIMAL (COMP-3) o BINARY (COMP o COMP-4) a un tipo de datos compatible con QuickSight, consulte los siguientes patrones:

Información adicional

S3 .py CopyLambda

El siguiente código de Python se generó mediante una petición con Amazon Q en un IDE:

#Create a lambda function triggered by S3. display the S3 bucket name and key
import boto3
s3 = boto3.client('s3')
def lambda_handler(event, context):
print(event)
bucket = event['Records'][0]['s3']['bucket']['name']
key = event['Records'][0]['s3']['object']['key']
print(bucket, key)
#If key starts with object_created, skip copy, print "copy skipped". Return lambda with key value.
if key.startswith('object_created'):
print("copy skipped")
return {
'statusCode': 200,
'body': key
}
# Copy the file from the source bucket to the destination bucket. Destination_bucket_name = 'm2-filetransfer-final-opt-bkt'. Destination_file_key = 'healthdata.csv'
copy_source = {'Bucket': bucket, 'Key': key}
s3.copy_object(Bucket='m2-filetransfer-final-opt-bkt', Key='healthdata.csv', CopySource=copy_source)
print("file copied")
#Delete the file from the source bucket.
s3.delete_object(Bucket=bucket, Key=key)
return {
'statusCode': 200,
'body': 'Copy Successful'
}

Panel visual de mainframe

Amazon Q creó el siguiente elemento visual de datos en QuickSight para la pregunta de análisis show member distribution by region.

Amazon Q creó el siguiente elemento visual de datos en QuickSight para la pregunta show member distribution by Region who have not completed preventive immunization, in pie chart.

Salida de una historia basada en datos

Las siguientes capturas de pantalla muestran secciones de la historia basada en datos creada por Amazon Q en QuickSight para la petición Build a data story about Region with most numbers of members. Also show the member distribution by medical plan, vision plan, dental plan. Recommend how to motivate members to complete immunization. Include 4 points of supporting data.

En la introducción, la historia basada en datos recomienda elegir la región con más miembros para obtener el mayor impacto de las iniciativas de inmunización.

La historia con datos proporciona un análisis del número de miembros de las tres principales regiones y menciona al sudoeste como la región que más se centra en las iniciativas de inmunización.

Conexiones

Para acceder al contenido adicional asociado a este documento, descomprima el archivo: attachment.zip