在 Quick Sight 中使用 AWS Mainframe Modernization 和 Amazon Q 產生資料洞見

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

總結

注意： AWS Mainframe Modernization 服務 （受管執行期環境體驗） 不再開放給新客戶。對於類似 AWS Mainframe Modernization Service （受管執行期環境體驗） 的功能，請探索 AWS Mainframe Modernization Service （自我管理體驗）。現有客戶可以繼續正常使用該服務。如需詳細資訊，請參閱AWS Mainframe Modernization 可用性變更。

如果您的組織在大型主機環境中託管業務關鍵資料，從該資料中獲得洞見對於推動成長和創新至關重要。透過解鎖大型主機資料，您可以建立更快、安全和可擴展的商業智慧，以加速 Amazon Web Services (AWS) 雲端中的資料驅動型決策、成長和創新。

此模式透過使用AWS Mainframe Modernization 檔案傳輸搭配 BMC 和 Quick Sight 中的 Amazon Q，提供產生商業洞見並從大型主機資料建立可共享敘述的解決方案。大型主機資料集會使用 AWS Mainframe Modernization 檔案傳輸搭配 BMC 傳輸至 Amazon Simple Storage Service (Amazon S3)。 AWS Lambda 函數會格式化和準備大型主機資料檔案，以載入 Quick Sight。

在 Quick Sight 中提供資料之後，您可以使用自然語言提示搭配 Amazon Q in Quick Sight 來建立資料摘要、提出問題和產生資料案例。您不需要撰寫 SQL 查詢或學習商業智慧 (BI) 工具。

商業內容

此模式提供大型主機資料分析和資料洞察使用案例的解決方案。使用 模式，您可以為公司資料建置視覺化儀表板。為了示範解決方案，此模式使用提供醫療、牙科和視覺計劃給美國成員的醫療保健公司。在此範例中，成員人口統計特性和計劃資訊會存放在大型主機資料集。視覺化儀表板會顯示下列項目：

建立儀表板後，您會產生一個資料案例，說明先前分析的洞見。資料案例提供建議，以增加已完成預防性預防預防接種的成員人數。

先決條件和限制

先決條件

限制

Architecture

下圖顯示透過使用 AWS Mainframe Modernization 檔案傳輸搭配 BMC 和 Amazon Q in Quick Sight 從大型主機資料產生商業洞見的架構。

該圖顯示以下工作流程：

工具

AWS 服務

最佳實務

史詩

疑難排解

相關資源

若要將 PACKED-DECIMAL (COMP-3) 或 BINARY (COMP 或 COMP-4) 等大型主機資料類型轉換為 Quick Sight 支援的資料類型，請參閱下列模式：

其他資訊

S3CopyLambda.py

下列 Python 程式碼是透過在 IDE 中使用 Amazon Q 的提示產生：

#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'
}

大型主機視覺化儀表板

下列資料視覺效果是由 Amazon Q in Quick Sight 為分析問題 所建立show member distribution by region。

以下資料視覺效果是由 Amazon Q in Quick Sight 為問題 建立show member distribution by Region who have not completed preventive immunization, in pie chart。

資料案例輸出

下列螢幕擷取畫面顯示 Amazon Q in Quick Sight 建立的資料案例區段提示 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.

在簡介中，資料案例建議選擇最多成員的區域，以從防制措施中獲得最大的影響。

資料案例提供前三個區域的成員號碼分析，並將西南地區命名為專注於防制措施的領導區域。

附件

若要存取與本文件相關聯的其他內容，請解壓縮下列檔案： attachment.zip