Genere información de datos mediante AWS Mainframe Modernization y Amazon Q en QuickSight

Creada por Shubham Roy (AWS), Roshna Razack () y Santosh Kumar Singh () AWS AWS

Resumen

Si su organización aloja datos fundamentales 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 AWS Mainframe Modernization File Transfer with y BMC Amazon Q in. QuickSight Los conjuntos de datos de mainframe se transfieren a Amazon Simple Storage Service (Amazon S3) mediante AWS Mainframe Modernization File Transfer with. BMC Una AWS Lambda función formatea y prepara el archivo de datos del mainframe para cargarlo en Amazon QuickSight.

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

Contexto empresarial

Este patrón presenta una solución para los casos de uso del análisis de datos y la información de los datos de mainframe. Con el patrón, se crea 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 del plan de los miembros se almacenan en los conjuntos de datos del mainframe. El panel visual muestra lo siguiente:

Después de crear el panel, se genera una historia de datos que explica los conocimientos del análisis anterior. La historia de datos proporciona recomendaciones para aumentar el número de miembros que se han vacunado preventivamente.

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 AWS Mainframe Modernization File Transfer with BMC y Amazon Q in QuickSight.

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

Herramientas

AWSservicios

Prácticas recomendadas

Epics

Resolución de problemas

Recursos relacionados

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

Información adicional

S3 .py CopyLambda

El siguiente código de Python se generó mediante un mensaje con Amazon Q Developer en unIDE:

#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 la siguiente imagen visual de datos QuickSight para la pregunta de análisis show member distribution by region.

Amazon Q creó la siguiente imagen visual de datos QuickSight para la preguntashow member distribution by Region who have not completed preventive immunization, in pie chart.

Resultado de una historia de datos

En las siguientes capturas de pantalla se muestran secciones de la historia de datos creada por Amazon Q QuickSight para el mensaje 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 de 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.

Nota: Cada una de las regiones del sudoeste y del noreste tiene ocho miembros. Sin embargo, el suroeste tiene más miembros que no están completamente vacunados, por lo que tiene más posibilidades de beneficiarse de las iniciativas para aumentar las tasas de inmunización.

Conexiones

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