Genera approfondimenti sui dati utilizzando AWS Mainframe Modernization e Amazon Q in QuickSight

Creato da Shubham Roy (AWS), Roshna Razack () e Santosh Kumar Singh () AWS AWS

Riepilogo

Se la tua organizzazione ospita dati aziendali critici in un ambiente mainframe, ottenere informazioni approfondite da tali dati è fondamentale per promuovere la crescita e l'innovazione. Sbloccando i dati del mainframe, puoi creare business intelligence più veloce, sicura e scalabile per accelerare il processo decisionale, la crescita e l'innovazione basati sui dati nel cloud Amazon Web Services ().AWS

Questo modello presenta una soluzione per generare informazioni aziendali e creare narrazioni condivisibili dai dati mainframe utilizzando AWS Mainframe Modernization File Transfer with e BMC Amazon Q in. QuickSight I set di dati mainframe vengono trasferiti su Amazon Simple Storage Service (Amazon S3) AWS utilizzando Mainframe Modernization File Transfer con. BMC Una AWS Lambda funzione formatta e prepara il file di dati del mainframe per il caricamento in Amazon. QuickSight

Dopo che i dati sono disponibili in Amazon QuickSight, puoi utilizzare istruzioni in linguaggio naturale con Amazon Q in QuickSight per creare riepiloghi dei dati, porre domande e generare storie di dati. Non devi scrivere SQL domande o imparare a usare uno strumento di business intelligence (BI).

Contesto aziendale

Questo modello presenta una soluzione per i casi d'uso di analisi dei dati mainframe e analisi dei dati. Utilizzando il modello, crei una dashboard visiva per i dati della tua azienda. Per dimostrare la soluzione, questo modello utilizza un'azienda sanitaria che fornisce piani medici, dentistici e oculistici ai suoi membri negli Stati Uniti. In questo esempio, i dati demografici dei membri e le informazioni sul piano vengono archiviati nei set di dati del mainframe. La dashboard visiva mostra quanto segue:

Dopo aver creato la dashboard, si genera una storia basata sui dati che spiega le informazioni ricavate dall'analisi precedente. La storia dei dati fornisce raccomandazioni per aumentare il numero di membri che hanno completato le vaccinazioni preventive.

Prerequisiti e limitazioni

Prerequisiti

Limitazioni

Architettura

Il diagramma seguente mostra un'architettura per generare informazioni aziendali dai dati mainframe utilizzando AWS Mainframe Modernization File Transfer with e BMC Amazon Q in. QuickSight

Il diagramma mostra il flusso di lavoro seguente:

Strumenti

AWSservizi

Best practice

Epiche

Risoluzione dei problemi

Risorse correlate

Per convertire tipi di dati mainframe come PACKED- DECIMAL (COMP-3) o BINARY(COMPo COMP -4) in un tipo di dati supportato da Amazon QuickSight, consulta i seguenti modelli:

Informazioni aggiuntive

S3 .py CopyLambda

Il seguente codice Python è stato generato utilizzando un prompt con Amazon Q Developer in un file: IDE

#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'
}

Pannello di controllo visivo del mainframe

La seguente immagine dei dati è stata creata da Amazon Q QuickSight per la domanda di analisi show member distribution by region.

La seguente immagine dei dati è stata creata da Amazon Q QuickSight per la domandashow member distribution by Region who have not completed preventive immunization, in pie chart.

Output della storia dei dati

Le schermate seguenti mostrano sezioni della storia dei dati creata da Amazon Q QuickSight per il prompt. 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.

Nell'introduzione, la storia dei dati consiglia di scegliere la regione con il maggior numero di membri per ottenere il massimo impatto dagli sforzi di immunizzazione.

La storia dei dati fornisce un'analisi del numero di membri nelle prime tre regioni e nomina il sud-ovest come la regione principale per quanto riguarda gli sforzi di immunizzazione.

Nota: le regioni del sud-ovest e del nord-est hanno ciascuna otto membri. Tuttavia, il sud-ovest ha più membri che non sono completamente vaccinati, quindi ha maggiori possibilità di beneficiare delle iniziative per aumentare i tassi di immunizzazione.

Allegati

Per accedere al contenuto aggiuntivo associato a questo documento, decomprimi il seguente file: attachment.zip