Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.
Comment fonctionnent les sujets
Un sujet dans Quick Sight se compose de quatre couches :
-
Sources de données. Vos ensembles de données normalisés se connectent à Quick Sight à partir de sources prises en charge. Les rubriques concernent SPICE les ensembles de données et les ensembles de données Direct Query par rapport à Amazon Redshift, Athena, Amazon S3 Tables et. Snowflake Databricks Vous ne pouvez pas combiner SPICE des ensembles de données Direct Query au sein d'une même rubrique.
-
Enrichissement des données. Chaque ensemble de données est enrichi indépendamment avec des métadonnées sémantiques qui améliorent la précision des requêtes en langage naturel. L'enrichissement inclut des descriptions de colonnes, des synonymes, des types sémantiques, des champs calculés et des exclusions de champs. Vous pouvez enrichir des ensembles de données directement dans Quick Sight ou y intégrer des métadonnées à l'aide des catalogues AWS Glue (AWS Glue Data Catalog) et Databricks Unity Catalog.
-
Multi-dataset Thème. La rubrique fait office de conteneur unifié qui regroupe les ensembles de données. Il contient :
-
Ensembles de données (jusqu'à 12). Chaque jeu de données possède son propre enrichissement et se connecte à sa propre source de données.
-
Relations. Les clés de jointure définies entre les paires de jeux de données indiquent à Quick Sight comment les tableaux sont liés. Vous chargez un fichier JSON qui mappe les colonnes entre les ensembles de données.
-
Instructions personnalisées. Règles de langage naturel persistantes qui guident l'IA dans l'interprétation de la terminologie spécifique à un domaine. Ils gèrent la désambiguïsation, la logique de date personnalisée et les définitions commerciales.
-
Permissions (Autorisations). Les propriétaires peuvent modifier le sujet. Les spectateurs peuvent poser des questions et utiliser le sujet à des fins d'analyse, mais ne peuvent pas modifier sa configuration.
-
-
Consommation. Les utilisateurs professionnels interagissent avec le sujet via de multiples surfaces :
-
Discuter. Les utilisateurs posent des questions en langage naturel dans l'interface de chat Amazon Quick. L'agent de LLM-powered chat analyse la question, identifie les colonnes pertinentes dans les ensembles de données, construit du code SQL avec les jointures appropriées en fonction des relations que vous avez définies et renvoie une réponse unifiée.
-
Fiches d'analyse. Les auteurs créent des visuels à l'aide de champs provenant de plusieurs ensembles de données de la rubrique. Quick Sight effectue automatiquement des jointures internes lors de l'exécution lorsqu'un visuel fait référence à des champs provenant de plusieurs ensembles de données.
-
Row-level la sécurité (RLS) est appliquée au niveau de l'ensemble de données lors des jointures d'exécution. Les utilisateurs ne voient que les données auxquelles ils sont autorisés à accéder, même lorsque les requêtes concernent plusieurs ensembles de données.
