

As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.

# Etapa 5: Visualizar a saída do Amazon Comprehend no Quick
<a name="tutorial-reviews-visualize"></a>

Depois de armazenar os resultados do Amazon Comprehend em tabelas, você pode se conectar e visualizar os dados com o Quick. O Quick é uma ferramenta AWS gerenciada de business intelligence (BI) para visualização de dados. O Quick facilita a conexão com sua fonte de dados e a criação de recursos visuais poderosos. Nesta etapa, você conecta o Quick aos seus dados, cria visualizações que extraem insights dos dados e publica um painel de visualizações.

**Topics**
+ [Pré-requisitos](#tutorial-reviews-visualize-prereqs)
+ [Dê acesso rápido](#tutorial-reviews-visualize-access)
+ [Importe os conjuntos de dados](#tutorial-reviews-visualize-import)
+ [Crie uma visualização de sentimentos](#tutorial-reviews-visualize-sentiment)
+ [Crie uma visualização de entidades](#tutorial-reviews-visualize-entities)
+ [Publique um painel](#tutorial-reviews-visualize-dashboard)
+ [Limpeza](#tutorial-reviews-visualize-clean)

## Pré-requisitos
<a name="tutorial-reviews-visualize-prereqs"></a>

Antes de começar, conclua [Etapa 4: preparar a saída do Amazon Comprehend para visualização de dados](tutorial-reviews-tables.md).

## Dê acesso rápido
<a name="tutorial-reviews-visualize-access"></a>

Para importar os dados, o Quick exige acesso ao bucket e às tabelas do Amazon Simple Storage Service (Amazon S3). Amazon Athena Para dar acesso rápido aos seus dados, você deve estar conectado como QuickSight administrador e ter acesso para editar as permissões do recurso. Se você não conseguir concluir as etapas a seguir, revise os pré-requisitos do IAM na página de visão geral [Tutorial: analisando insights de avaliações de clientes com o Amazon Comprehend](tutorial-reviews.md).

**Para dar acesso rápido aos seus dados**

1. Abra o [console Quick](https://quicksight.aws.amazon.com/sn/start).

1. Se for a primeira vez que você usa o Quick, o console solicitará que você crie um novo usuário administrador fornecendo um endereço de e-mail. Para **Endereço de E-mail**, insira o mesmo endereço de e-mail da sua Conta da AWS. Escolha **Continuar**.

1. Depois de entrar, escolha o nome do seu perfil na barra de navegação e escolha **Gerenciar QuickSight**. Você deve estar conectado como administrador para ver a QuickSight opção **Gerenciar**.

1. Escolha **Segurança e permissões**.

1. Para **QuickSight acessar os AWS serviços**, escolha **Adicionar ou remover**.

1. Escolha **Amazon S3**.

1. Em **Selecionar buckets do Amazon S3**, escolha seu bucket do S3 em **S3 Bucket** e **Permissão de gravação para o Athena Workgroup**.

1. Escolha **Terminar**.

1. Selecione **Atualizar**.

## Importe os conjuntos de dados
<a name="tutorial-reviews-visualize-import"></a>

Antes de criar visualizações, você deve adicionar os conjuntos de dados de sentimentos e entidades ao Quick. Você faz isso com o console rápido. Você importa suas tabelas de sentimentos e entidades não aninhadas do. Amazon Athena

**Para importar seus conjuntos de dados**

1. Abra o [console Quick](https://quicksight.aws.amazon.com/sn/start).

1. Na barra de navegação, em **Conjuntos de dados**, escolha **Novo conjunto de dados**.

1. Em **Criar um conjunto de dados**, escolha **Athena**.

1. Em**Nome da fonte de dados**, insira `reviews-sentiment-analysis` e escolha **Criar fonte de dados**.

1. Em **Banco de dados**, selecione o banco de dados `comprehend-results`.

1. Em **Tabelas**, escolha a tabela de sentimentos `sentiment_results_final` e, em seguida, escolha **Selecionar**.

1. Escolha **Importar para SPICE para acelerar a análise** e escolha **Visualizar**. O SPICE QuickSight é o mecanismo de cálculo na memória que fornece análises mais rápidas do que a consulta direta ao criar visualizações.

1. Retorne ao console rápido e escolha **Conjuntos de dados.** Repita as etapas de 1 a 7 para criar um conjunto de dados de entidades, mas faça as seguintes alterações:

   1. Para **Nome da fonte de dados**, insira `reviews-entities-analysis`.

   1. Em **Tabelas**, escolha a tabela de entidades `entities_results_final`.

## Crie uma visualização de sentimentos
<a name="tutorial-reviews-visualize-sentiment"></a>

Agora que você pode acessar seus dados no Quick, você pode começar a criar visualizações. Você cria um gráfico circular com os dados de sentimento do Amazon Comprehend. O gráfico circular mostra a proporção das avaliações positivas, neutras, mistas e negativas.

**Para visualizar dados de sentimentos**

1. No console Rápido, escolha **Análises** e, em seguida, escolha **Nova análise**.

1. Em **Seus conjuntos de dados**, escolha o conjunto de dados de sentimentos `sentiment_results_final` e, em seguida, escolha **Criar análise**.

1. No editor visual, na **Lista de campos**, escolha **sentimento**.
**nota**  
Os valores na **Lista de campos** dependem dos nomes das colunas usadas para criar as tabelas em Amazon Athena. Se você alterou os nomes das colunas fornecidos nas consultas SQL, os nomes da **Lista de campos** serão diferentes dos nomes usados nesses exemplos de visualização.

1. Para **Tipos de visuais**, escolha **Gráfico de pizza**.

Um gráfico circular semelhante ao seguinte, com seções positivas, neutras, mistas e negativas, é exibido. Para ver a contagem e a porcentagem de uma seção, passe o mouse sobre ela. 

![\[Exibição no console do gráfico circular de sentimentos com seções positivas, negativas, neutras e mistas.\]](http://docs.aws.amazon.com/pt_br/comprehend/latest/dg/images/tutorial-reviews-pie.png)


## Crie uma visualização de entidades
<a name="tutorial-reviews-visualize-entities"></a>

Agora, crie uma segunda visualização com o conjunto de dados de entidades. Você cria um mapa de árvore das entidades distintas nos dados. Cada bloco no mapa de árvore representa uma entidade e o tamanho do bloco se correlaciona com o número de vezes que a entidade aparece no conjunto de dados.

**Para visualizar dados de entidades**

1. No painel de controle **Visualizar**, ao lado de **Conjunto de dados**, escolha o ícone **Adicionar, editar, substituir e remover conjuntos de dados**.

1. Escolha **Adicionar conjunto de dados**.

1. Em **Escolher conjunto de dados a ser adicionado**, escolha o conjunto de dados `entities_results_final` de suas entidades na lista de conjuntos de dados e escolha **Selecionar**.

1. No painel de controle **Visualizar**, escolha a lista suspensa **Conjunto de dados** e escolha o conjunto de dados de entidades `entities_results_final`.

1. Na **Lista de campos**, escolha **entidade**.

1. Para **Tipos de visuais**, escolha **Mapa de árvore**.

Um mapa de árvore semelhante ao seguinte é exibido ao lado do seu gráfico circular. Para ver a contagem de uma entidade específica, passe o mouse sobre um bloco.

![\[Exibição no console de um mapa de árvore com blocos para cada entidade exclusiva.\]](http://docs.aws.amazon.com/pt_br/comprehend/latest/dg/images/tutorial-reviews-tree.png)


## Publique um painel
<a name="tutorial-reviews-visualize-dashboard"></a>

Depois de criar as visualizações, você pode publicá-las como um painel. Você pode realizar várias tarefas com um painel, como compartilhá-lo com os usuários do seu Conta da AWS, salvá-lo como PDF ou enviá-lo por e-mail como um relatório (limitado à edição Enterprise do Quick). Nesta etapa, você publica as visualizações como um painel na sua conta.

**Para publicar seu painel**

1. Na barra de navegação, escolha **Compartilhar**.

1. Escolha **Publicar painel**.

1. Escolha **Publicar novo painel como** e insira o nome `comprehend-analysis-reviews` para o painel.

1. Escolha **Publicar painel**.

1. Feche o painel **Compartilhar painel com os usuários** escolhendo o botão de fechar no canto superior direito.

1. No console rápido, no painel de navegação, escolha **Painéis**. Uma miniatura do seu novo painel `comprehend-analysis-reviews` deve aparecer em **Painéis**. Escolha o painel para visualizá-lo.

Agora você tem um painel com visualizações de sentimentos e entidades que se parece com o exemplo a seguir.

![\[Exibição no console de um QuickSight painel com um gráfico circular e um mapa de árvore.\]](http://docs.aws.amazon.com/pt_br/comprehend/latest/dg/images/tutorial-reviews-dashboard.png)


**dica**  
 Se você quiser editar as visualizações em seu painel, volte para **Análises** e edite a visualização que você deseja atualizar. Em seguida, publique o painel novamente como um novo painel ou como um substituto do painel existente. 

## Limpeza
<a name="tutorial-reviews-visualize-clean"></a>

Depois de concluir este tutorial, talvez você queira limpar todos AWS os recursos que não deseja mais usar. Os AWS recursos ativos podem continuar gerando cobranças em sua conta.

As ações a seguir podem ajudar a evitar cobranças contínuas:
+ Cancele sua assinatura do Quick. O Quick é um serviço de assinatura mensal. Para cancelar sua assinatura, consulte [Cancelar sua assinatura](https://docs.aws.amazon.com/quicksight/latest/user/closing-account.html) no *Guia rápido do usuário*.
+ Exclua seu bucket do Amazon S3. O Amazon S3 cobra pelo armazenamento. Para limpar seus recursos do Amazon S3, exclua seu bucket. Para obter mais informações sobre como excluir um bucket, consulte [Como excluir um bucket do S3?](https://docs.aws.amazon.com/AmazonS3/latest/user-guide/delete-bucket.html) no *Guia do usuário do Amazon Simple Storage Service*. Certifique-se de que você salvou todos os seus arquivos importantes antes de excluir seu bucket.
+ Limpe seu AWS Glue Data Catalog. O armazenamento é AWS Glue Data Catalog cobrado mensalmente. Você pode excluir seus bancos de dados para evitar cobranças contínuas. Para obter informações sobre como gerenciar seus AWS Glue Data Catalog bancos de dados, consulte Como [trabalhar com bancos de dados no AWS Glue console](https://docs.aws.amazon.com/glue/latest/dg/console-databases.html) no *Guia do AWS Glue desenvolvedor*. Certifique-se de que você exportou seus dados antes de limpar qualquer banco de dados ou tabela.