在 Quick Sight 中使用 AWS Mainframe Modernization 和 Amazon Q 生成数据见解

Shubham Roy、Roshna Razack 和 Santosh Kumar Singh，Amazon Web Services

Summary

注意： AWS Mainframe Modernization 服务（托管运行时环境体验）不再向新客户开放。要获得与 AWS Mainframe Modernization 服务（托管运行时环境体验）类似的功能，请浏览 AWS Mainframe Modernization 服务（自我管理体验）。现有客户可以继续正常使用该服务。有关更多信息，请参阅 AWS Mainframe Modernization 可用性变更。

如果组织在大型机环境中托管关键业务数据，那么从这些数据中获取见解对于推动增长和创新至关重要。通过解锁大型机数据，您可以构建更快、更安全的可扩展商业智能，从而加快 Amazon Web Services（AWS）云中数据驱动的决策、增长和创新。

此模式提供了一种解决方案，可使用 BMC 的 AWS Mainframe Modernization 文件传输功能和 Amazon Q in Quick Sight，从大型机数据中生成业务见解并创建可共享的叙述。通过 AWS Mainframe Modernization 使用 BMC 进行文件传输，将大型机数据集传输到亚马逊简单存储服务 (Amazon S3) Simple S3。 AWS Lambda 函数格式化并准备大型机数据文件以加载到 Quick Sight 中。

在 Quick Sight 中提供数据后，您可以使用自然语言提示和 Amazon Q in Quick Sight 创建数据摘要、提问并生成数据故事。您不必编写 SQL 查询或学习商业智能（BI）工具。

商业背景

此模式提供了一种解决方案，可用于大型机数据分析和数据见解使用案例。使用此模式，您可以为公司的数据构建可视化控制面板。为了演示解决方案，此模式以一家为美国成员提供医疗、牙科和视力计划的医疗保健公司为例。在此示例中，成员人口统计数据和计划信息存储在大型机数据集中。可视化控制面板显示以下信息：

创建控制面板后，即可生成一个数据故事，其中会解释从先前分析得出的见解。数据故事就如何增加完成预防性免疫接种的成员人数提供了建议。

先决条件和限制

先决条件

限制

架构

下图显示了通过在 Quick Sight 中使用 BMC 和 Amazon Q AWS Mainframe Modernization 的文件传输从大型机数据生成业务见解的架构。

下图显示了如下工作流：

工具

AWS 服务

最佳实践

操作说明

问题排查

相关资源

要将压缩十进制（COMP-3）或二进制（COMP 或 COMP-4）等大型机数据类型转换为 Quick Sight 支持的数据类型，请参阅以下模式：

附加信息

S3 CopyLambda .py

以下 Python 代码是通过在 IDE 中使用 Amazon Q 的提示符生成的：

#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'
}

大型机可视化控制面板

以下数据视觉对象由 Amazon Q in Quick Sight 创建，可用于分析问题 show member distribution by region。

以下数据视觉对象由 Amazon Q in Quick Sight 创建，可用于分析问题 show member distribution by Region who have not completed preventive immunization, in pie chart。

数据故事输出

以下屏幕截图显示了 Amazon Q in Quick Sight 为提示 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. 创建的数据故事的部分

在简介中，数据故事建议选择成员人数最多的区域，以便免疫接种工作取得最大成效。

该数据故事分析了前三个区域的成员人数，并将西南区域列为重点开展免疫接种工具的领先区域。

附件

要访问与此文档相关联的其他内容，请解压以下文件：attachment.zip