使用AWS大型机现代化和 Amazon Q 生成数据见解 QuickSight

由 Shubham Roy (AWS)、Roshna Razack () 和 Santosh Kumar Sin AWS gh () 创作 AWS

Summary

如果您的组织在大型机环境中托管关键业务数据，那么从这些数据中获取见解对于推动增长和创新至关重要。通过解锁大型机数据，您可以构建更快、更安全、更可扩展的商业智能，从而加快 Amazon Web Services ()AWS云中数据驱动的决策、增长和创新。

这种模式提供了一种解决方案，用于通过使用AWS Mainframe Modernization 文件传输和 BMC A ma zon Q in 生成业务见解并根据大型机数据创建可共享的叙述。 QuickSight使用大型机现代化文件传输功能将大型机数据集传输到亚马逊简单存储服务 (Amazon S3) Simple Storag AWS e Service。BMC AWS Lambda 函数格式化并准备大型机数据文件以加载到 Amazon QuickSight。

在亚马逊提供数据后 QuickSight，您可以使用带有 Amazon Q 的自然语言提示 QuickSight 来创建数据摘要、提问和生成数据故事。您无需编写SQL查询或学习商业智能 (BI) 工具。

业务背景

这种模式为大型机数据分析和数据洞察用例提供了解决方案。使用该模式，您可以为公司的数据构建可视化仪表板。为了演示解决方案，这种模式使用了一家医疗保健公司，该公司为其在美国的成员提供医疗、牙科和视力计划。在此示例中，成员人口统计和计划信息存储在大型机数据集中。可视化仪表板显示以下内容：

创建仪表板后，您将生成一个数据故事，解释先前分析的见解。数据故事为增加完成预防性免疫接种的成员人数提供了建议。

先决条件和限制

先决条件

限制

架构

下图显示了通过使用 AWS Mainframe Modernization 文件传输BMC和 Amazon Q 从大型机数据生成业务见解的架构。 QuickSight

图表显示了以下工作流：

工具

AWS服务

最佳实践

操作说明

故障排除

相关资源

要将大型机数据类型（例如 PACKED-DECIMAL (COMP-3) 或 BINARY（COMP或 COMP -4）转换为 Amazon 支持的数据类型 QuickSight，请参阅以下模式：

其他信息

S3 CopyLambda .py

以下 Python 代码是通过在 Amazon Q Developer 中使用提示生成的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'
}

大型机可视化仪表板

以下数据视觉对象是由 Amazon Q QuickSight 为分析问题创建的show member distribution by region。

以下数据视觉效果由 Amazon Q QuickSight 为该问题创建show member distribution by Region who have not completed preventive immunization, in pie chart。

数据故事输出

以下屏幕截图显示了 Amazon Q QuickSight 为提示创建的数据故事的各个部分 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.

在导言中，数据故事建议选择成员最多的区域，以便从免疫工作中获得最大的影响。

该数据报道分析了排名前三个地区的成员人数，并将西南地区列为专注于免疫工作的领先地区。

注意：西南和东北地区各有八个成员。但是，西南地区有更多成员没有完全接种疫苗，因此它更有可能从提高免疫率的举措中受益。

附件

要访问与此文档相关联的其他内容，请解压以下文件：attachment.zip