View a markdown version of this page

Cómo funcionan los temas - Amazon Quick

Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.

Cómo funcionan los temas

En Quick Sight, un tema se compone de cuatro capas:

  1. Fuentes de datos. Sus conjuntos de datos normalizados se conectan a Quick Sight desde fuentes compatibles. Los temas incluyen SPICE conjuntos de datos y conjuntos de datos de Direct Query comparados con Amazon Redshift, Athena, Amazon S3 Tables y. Snowflake Databricks No puede combinar conjuntos de datos SPICE de consultas directas en un solo tema.

  2. Enriquecimiento de conjuntos de datos. Cada conjunto de datos se enriquece de forma independiente con metadatos semánticos que mejoran la precisión de las consultas en lenguaje natural. El enriquecimiento incluye descripciones de columnas, sinónimos, tipos semánticos, campos calculados y exclusiones de campos. Puede enriquecer los conjuntos de datos directamente en Quick Sight o incorporar metadatos utilizando catálogos de AWS Glue (AWS Glue Data Catalog) y Unity Catalog. Databricks

  3. Multi-dataset Tema. El tema sirve como el contenedor unificado que reúne los conjuntos de datos. Contiene:

    • Conjuntos de datos (hasta 12). Cada conjunto de datos mantiene su propio enriquecimiento y se conecta a su propia fuente de datos.

    • Relaciones. Las claves de unión definidas entre pares de conjuntos de datos indican a Quick Sight cómo se relacionan las tablas. Subes un archivo JSON que mapea las columnas entre los conjuntos de datos.

    • Instrucciones personalizadas. Reglas de lenguaje natural persistentes que guían a la IA en la interpretación de la terminología específica del dominio. Estas se ocupan de la desambiguación, la lógica de fechas personalizada y las definiciones empresariales.

    • Permisos. Los propietarios pueden modificar el tema. Los espectadores pueden hacer preguntas y usar el tema en el análisis, pero no pueden cambiar su configuración.

  4. Consumo. Los usuarios empresariales interactúan con el tema a través de múltiples superficies:

    • Chat. Los usuarios formulan preguntas en lenguaje natural en la interfaz de chat rápido de Amazon. El agente de LLM-powered chat analiza la pregunta, identifica las columnas relevantes en los conjuntos de datos, construye el SQL con las combinaciones adecuadas en función de las relaciones definidas y devuelve una respuesta unificada.

    • Hojas de análisis. Los autores crean imágenes utilizando campos de varios conjuntos de datos dentro del tema. Quick Sight realiza automáticamente las combinaciones internas en tiempo de ejecución cuando un elemento visual hace referencia a campos de más de un conjunto de datos.

Row-level la seguridad (RLS) se aplica a nivel del conjunto de datos durante las uniones en tiempo de ejecución. Los usuarios solo ven los datos a los que están autorizados a acceder, incluso cuando las consultas abarcan varios conjuntos de datos.