使用中的AWS大型主機現代化和 Amazon Q 來產生資料洞察 QuickSight

創建者羅伊 (AWS)、羅什納·拉扎克 () 和桑托什庫馬爾辛格 (AWS) AWS

Summary

如果您的組織在大型主機環境中託管業務關鍵資料，那麼從該資料中獲得深入解析對於推動成長和創新至關重要。透過解除鎖定大型主機資料，您可以建置更快、安全且可擴展的商業智慧，以加速 Amazon Web Services (AWS) 雲端中資料導向的決策、成長和創新。

此模式提供了一種解決方案，可透過使用 AWS Mainframe Modernization File Transfer 和 Amazon Q in，從大型主機資料建立可共用敘述。BMC QuickSight使用大型主機現代化檔案傳輸搭配使用，將大型AWS主機資料集傳輸傳輸到 Amazon 簡單儲存服務 (Amazon S3)。BMC AWS Lambda 函數會格式化並準備大型主機資料檔案，以便載入 Amazon。 QuickSight

在 Amazon 提供資料之後 QuickSight，您可以在 Amazon Q 中使用自然語言提示 QuickSight 來建立資料摘要、提出問題以及產生資料故事。您不必撰寫查SQL詢或學習商業智慧 (BI) 工具。

業務背景

此模式為大型主機資料分析和資料洞察使用案例提供解決方案。使用該模式，您可以為公司的數據構建可視化儀表板。為了展示解決方案，這種模式使用了一家醫療保健公司，該公司為其在美國的成員提供醫療，牙科和視力計劃。在此範例中，成員人口統計資料和計劃資訊儲存在大型主機資料集中。視覺化儀表板顯示以下內容：

建立儀表板後，您會產生一個資料故事，說明先前分析的深入解析。數據故事提供了增加已完成預防免疫接種的成員數量的建議。

先決條件和限制

先決條件

限制

架構

下圖顯示使用 AWS Mainframe Modernization 檔案傳輸BMC和 Amazon Q in，從大型主機資料產生商業見解的架構。 QuickSight

該圖顯示以下工作流程：

工具

AWS服務

最佳實務

史诗

故障診斷

相關資源

若要將 PACKED-DECIMAL (COMP-3) 或 BINARY(COMP或 COMP -4) 等大型主機資料類型轉換為 Amazon 支援的資料類型 QuickSight，請參閱下列模式：

其他資訊

三CopyLambda年

下面的 Python 代碼是通過使用與 Amazon Q 開發人員在一個提示生成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'
}

大型主機視覺化儀表板

下面的數據視覺是由 Amazon Q 中 QuickSight 的分析問題創建的show member distribution by region。

以下數據可視化是由 Amazon Q 在 QuickSight 為這個問題創建的show member distribution by Region who have not completed preventive immunization, in pie chart。

資料故事輸出

下列螢幕擷取畫面顯示 Amazon Q 在中 QuickSight 針對提示建立的資料故事部分 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.

在介紹中，數據故事建議選擇成員最多的地區，以從免疫工作中獲得最大影響。

數據故事提供了前三個地區的會員人數的分析，並將西南地區命名為專注於免疫接種工作的主要地區。

注意：西南和東北區域各有八個成員。但是，西南地區有更多的成員沒有完全接種疫苗，因此從提高免疫率的舉措中受益更大的潛力。

附件

若要存取與此文件相關聯的其他內容，請解壓縮下列檔案：attachment.zip