Gere insights de dados usando o AWS Mainframe Modernization Amazon Q no Quick Sight

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

Resumo

Observação: o AWS Mainframe Modernization serviço (experiência do Managed Runtime Environment) não está mais aberto a novos clientes. Para recursos semelhantes ao AWS Mainframe Modernization Serviço (experiência do Managed Runtime Environment), explore o AWS Mainframe Modernization Service (Experiência autogerenciada). Os clientes atuais podem continuar usando o serviço normalmente. Para obter mais informações, consulte Mudança de disponibilidade do AWS Mainframe Modernization.

Se sua organização está hospedando dados essenciais para os negócios em um ambiente de mainframe, obter insights desses dados é crucial para impulsionar o crescimento e a inovação. Ao desbloquear dados do mainframe, você pode criar inteligência de negócios de maneira mais rápida, segura e escalável para acelerar a tomada de decisões, o crescimento e a inovação orientados por dados na nuvem da Amazon Web Services (AWS).

Este padrão apresenta uma solução para gerar insights de negócios e criar narrativas compartilháveis com base em dados de mainframe usando a transferência de arquivos do AWS Mainframe Modernization com o BMC e o Amazon Q no QuickSight. Os conjuntos de dados de mainframe são transferidos para o Amazon Simple Storage Service (Amazon S3) usando AWS Mainframe Modernization a transferência de arquivos com a BMC. Uma AWS Lambda função formata e prepara o arquivo de dados do mainframe para carregamento no Quick Sight.

Depois que os dados estiverem disponíveis no QuickSight, você poderá usar prompts em linguagem natural com o Amazon Q no QuickSight para criar resumos dos dados, fazer perguntas e gerar narrativas analíticas. Você não precisa escrever consultas SQL ou aprender uma ferramenta de business intelligence (BI).

Contexto de negócios

Este padrão apresenta uma solução para casos de uso de data analytics de mainframe e insights de dados. Usando o padrão, você cria um painel de elementos visuais para os dados da sua empresa. Para demonstrar a solução, este padrão usa uma empresa da área da saúde que fornece planos médicos, odontológicos e oftalmológicos para seus membros nos EUA. Neste exemplo, as informações demográficas e do plano dos membros são armazenadas nos conjuntos de dados do mainframe. O painel visual mostra o seguinte:

Depois de criar o painel, você gera uma narrativa analítica que explica os insights da análise anterior. A narrativa analítica fornece recomendações para aumentar o número de membros que concluíram as imunizações preventivas.

Pré-requisitos e limitações

Pré-requisitos

Limitações

Arquitetura

O diagrama a seguir mostra uma arquitetura para gerar insights de negócios a partir de dados de mainframe usando a transferência de AWS Mainframe Modernization arquivos com o BMC e o Amazon Q no Quick Sight.

O diagrama mostra o seguinte fluxo de trabalho:

Ferramentas

Serviços da AWS

Práticas recomendadas

Épicos

Solução de problemas

Recursos relacionados

Para converter tipos de dados de mainframe, como PACKED-DECIMAL (COMP-3) ou BINARY (COMP ou COMP-4), em um tipo de dados compatível com o QuickSight, consulte os seguintes padrões:

Mais informações

S3 .py CopyLambda

O código Python a seguir foi gerado usando um prompt com o Amazon Q em um 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'
}

Painel visual do mainframe

O elemento visual de dados a seguir foi criado pelo Amazon Q no QuickSight para a pergunta de análise show member distribution by region.

O elemento visual de dados a seguir foi criado pelo Amazon Q no QuickSight para a pergunta show member distribution by Region who have not completed preventive immunization, in pie chart.

Saída de narrativas analíticas

As capturas de tela a seguir mostram seções da narrativa analítica criada pelo Amazon Q no QuickSight para o prompt 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.

Na introdução, a narrativa analítica recomenda escolher a região com mais membros para obter o maior impacto dos esforços de imunização.

A narrativa analítica fornece uma análise do número de membros das três principais regiões e nomeia o sudoeste como a principal região para se concentrar nos esforços de imunização.

Anexos

Para acessar o conteúdo adicional associado a este documento, descompacte o seguinte arquivo: attachment.zip