Gere insights de dados usando a modernização de AWS mainframe e o Amazon Q em QuickSight

Criado por Shubham Roy (AWS), Roshna Razack () e Santosh Kumar Singh (AWS) AWS

Resumo

Se sua organização está hospedando dados essenciais para os negócios em um ambiente de mainframe, obter insights desses dados é crucial para impulsionar o crescimento e a inovação. Ao desbloquear dados do mainframe, você pode criar inteligência de negócios mais rápida, segura e escalável para acelerar a tomada de decisões, o crescimento e a inovação orientados por dados na nuvem da Amazon Web Services ().AWS

Esse padrão apresenta uma solução para gerar insights de negócios e criar narrativas compartilháveis a partir de dados de mainframe usando o AWS Mainframe Modernization File Transfer with e o BMC Amazon Q in. QuickSight Os conjuntos de dados de mainframe são transferidos para o Amazon Simple Storage Service (Amazon S3) AWS usando o Mainframe Modernization File Transfer com. BMC Uma AWS Lambda função formata e prepara o arquivo de dados do mainframe para carregamento na Amazon. QuickSight

Depois que os dados estiverem disponíveis na Amazon QuickSight, você poderá usar solicitações em linguagem natural com o Amazon Q in QuickSight para criar resumos dos dados, fazer perguntas e gerar histórias de dados. Você não precisa escrever SQL consultas ou aprender uma ferramenta de business intelligence (BI).

Contexto de negócios

Esse padrão apresenta uma solução para casos de uso de análises de dados de mainframe e insights de dados. Usando o padrão, você cria um painel visual para os dados da sua empresa. Para demonstrar a solução, esse padrão usa uma empresa de assistência médica que fornece planos médicos, odontológicos e oftalmológicos para seus membros nos EUA. Neste exemplo, as informações demográficas e do plano dos membros são armazenadas nos conjuntos de dados do mainframe. O painel visual mostra o seguinte:

Depois de criar o painel, você gera uma história de dados que explica os insights da análise anterior. A história dos dados fornece recomendações para aumentar o número de membros que concluíram as imunizações preventivas.

Pré-requisitos e limitações

Pré-requisitos

Limitações

Arquitetura

O diagrama a seguir mostra uma arquitetura para gerar insights de negócios a partir de dados de mainframe usando o AWS Mainframe Modernization File Transfer with BMC e o Amazon Q in QuickSight.

O diagrama mostra o seguinte fluxo de trabalho:

Ferramentas

AWSserviços

Práticas recomendadas

Épicos

Solução de problemas

Recursos relacionados

Para converter tipos de dados de mainframe, como PACKED- DECIMAL (COMP-3) ou BINARY(COMPou COMP -4), em um tipo de dados compatível com a Amazon QuickSight, veja os seguintes padrões:

Mais informações

S3 .py CopyLambda

O código Python a seguir foi gerado usando um prompt com o Amazon Q Developer em um: 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'
}

Painel visual do mainframe

O visual de dados a seguir foi criado pela Amazon Q QuickSight para a pergunta de análise show member distribution by region.

O visual de dados a seguir foi criado pela Amazon Q QuickSight para a perguntashow member distribution by Region who have not completed preventive immunization, in pie chart.

Saída da história de dados

As capturas de tela a seguir mostram seções da história de dados criada pela Amazon Q QuickSight para o 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.

Na introdução, a história dos dados recomenda escolher a região com mais membros para obter o maior impacto dos esforços de imunização.

A história dos dados fornece uma análise do número de membros das três principais regiões e nomeia o sudoeste como a principal região para se concentrar nos esforços de imunização.

Nota: Cada uma das regiões Sudoeste e Nordeste tem oito membros. No entanto, o sudoeste tem mais membros que não estão totalmente vacinados, por isso tem mais potencial para se beneficiar de iniciativas para aumentar as taxas de imunização.

Anexos

Para acessar o conteúdo adicional associado a este documento, descompacte o seguinte arquivo: attachment.zip