返回文章列表
玄貓（BlackCat）

QuickSight 資料視覺化與嵌入式儀錶板應用

本文探討 Amazon QuickSight 的資料視覺化功能，包含資料轉換、儀錶板建立與分享、各種視覺化型別，以及進階功能如 ML Insights 和嵌入式儀錶板。文章將引導讀者瞭解如何在 QuickSight

資料視覺化 商業智慧
Amazon QuickSight 資料轉換 儀錶板 ML Insights 嵌入式分析 視覺化

QuickSight 提供彈性的資料處理方式，可直接在平台內進行簡單轉換，或使用 AWS Glue 等外部 ETL 工具處理更複雜的任務。資料治理策略需平衡正式流程的控制與分析師使用 QuickSight 進行非正式轉換的靈活性，以兼顧效率和資料品質。建立儀錶板時，可選擇多種視覺化型別，包含圖表、表格、KPI 和自訂內容，並設定讀者許可權和互動選項。除了基本圖表外，QuickSight 也支援進階功能，例如 ML Insights 的自動敘述、異常檢測和預測，以及將儀錶板嵌入應用程式或網站的能力，讓資料分析更深入且易於整合。

在 Amazon QuickSight 中進行資料視覺化

在 Amazon QuickSight 中處理資料時，您可能會遇到需要合併不同資料集的情況。如果您選擇合併兩個不同的資料集，則需要將資料匯入 SPICE（Super-fast, Parallel, In-memory Calculation Engine）。然而，如果您只處理單一資料來源，則在讀取資料來源時會套用指定的轉換。

最終，您需要決定是否在 QuickSight 中執行資料轉換和合併，或者在 QuickSight 之外執行這些轉換。例如，您可以使用 AWS Glue、AWS Glue DataBrew 或 AWS Glue Studio 等工具來合併兩個資料集、刪除不需要的欄位、更改資料型別和欄位名稱，以及建立新的計算欄位。

決定在哪裡執行資料轉換

在做出此決定時，有幾個因素需要考慮，包括：

  • 如果該資料集可能會在 QuickSight 之外使用，例如使用 Amazon Athena 進行查詢，那麼在將資料集用於 QuickSight 之前，使用其他工具執行 ETL（Extract, Transform, Load）是有意義的。
  • 如果所需的轉換相對簡單，並且產生的資料集僅在 QuickSight 中使用，那麼您可以選擇使用 QuickSight 進行轉換。這可能包括新增額外的計算欄位、更改幾個欄位的名稱或資料型別、刪除幾個欄位等。

決定在哪裡執行資料轉換可能很複雜，並非易事。然而，一個重要的因素是要考慮正式資料管線的控制措施與非正式轉換（例如由資料分析師使用 Amazon QuickSight 等工具執行的轉換）之間的平衡。

資料治理和控制

如果您對正式的資料工程管線有嚴格的治理控制（例如程式碼審查和變更控制），那麼您可能會選擇確保所有轉換都在正式流程中完成。但是，您需要平衡這一點，以確保不會讓您的終端使用者團隊陷入過於正式的流程，從而拖慢業務運作。

通常，您需要在兩者之間取得平衡 – 確保您的業務團隊在使用 QuickSight 等工具執行小型轉換時具有靈活性，同時確保業務使用者用於做出重要業務決策的新資料集或視覺化具有正確的治理控制。

使用 QuickSight 分析和儀錶板建立和分享視覺化內容

一旦資料集被匯入（並可選地進行轉換），您就可以使用 QuickSight 分析來建立該資料的視覺化。這是 QuickSight 作者用來建立新儀錶板的工具，這些儀錶板包含一個或多個視覺化，可以與業務中的其他人分享。

建立新分析/儀錶板

建立新分析/儀錶板時，您可以選擇一個或多個要包含在分析中的資料集（每個儀錶板最多 50 個資料集）。每個分析由一個或多個工作表（或標籤，與瀏覽器標籤類別似）組成，這些工作表顯示一組視覺化。您可以每個儀錶板最多有 20 個工作表（標籤），每個工作表最多可以有 30 個視覺化。

一旦您建立了一個分析（包含多個視覺化，可選地跨多個工作表），您就可以選擇將分析釋出為儀錶板。在釋出儀錶板時，您可以選擇與讀者互動的各種引數，包括：

  • 他們是否可以對儀錶板中的資料套用臨時篩選器
  • 他們是否可以將儀錶板中的資料下載為 CSV 檔案
  • 他們是否可以執行鑽取和鑽出操作（在儀錶板中支援時）
  • 他們是否可以對資料進行排序

釋出和分享儀錶板

一旦儀錶板被釋出，您就可以選擇與誰分享該儀錶板。您可以將儀錶板分享給帳戶中的所有人（為他們提供對儀錶板的讀取存取許可權），或者您可以選擇特定的使用者和群組進行分享。

Amazon QuickSight 中的視覺化型別

Amazon QuickSight 支援多種不同型別的視覺化。在本文中，我們將討論 Amazon QuickSight 支援的多種資料視覺化型別。由於支援的視覺化型別眾多，我們不會在此處全部介紹，請檢視 Amazon QuickSight 檔案以取得支援的視覺化型別的完整清單。

圖表型別範例

預設情況下，建立新分析時，分析包含單一工作表，其中包含一個設定為 AutoGraph 型別的空視覺化。QuickSight 支援多種不同型別的視覺化，如下圖所示：

此圖示顯示了 Amazon QuickSight 的新分析畫面，包含各種視覺化型別選項。

此圖示說明瞭 Amazon QuickSight 支援的多種視覺化型別，包括：
  • 柱狀圖
  • 線圖
  • 散佈圖
  • 熱力圖
  • 地圖視覺化等

詳細解說

Amazon QuickSight 的視覺化功能非常強大，能夠根據不同的資料型別和分析需求提供多種視覺化選擇。使用者可以根據自己的需求選擇適合的視覺化型別，從而更有效地傳達資料洞察。

重點整理

  1. 資料處理與轉換：瞭解何時在 QuickSight 中執行資料轉換，以及何時使用外部工具。
  2. 治理與控制：在正式流程與靈活性之間取得平衡，以滿足業務需求。
  3. 建立與分享視覺化：利用 QuickSight 分析和儀錶板功能，建立和分享資料視覺化內容。
  4. 視覺化型別：瞭解 Amazon QuickSight 支援的多種視覺化型別，以更有效地呈現資料。

使用 QuickSight 分析和儀錶板建立與分享視覺化內容

自動圖表（AutoGraph）功能

在 QuickSight 中，您可以選擇「AutoGraph」作為視覺化型別，讓 QuickSight 自動根據您所選欄位的數量和資料型別，選擇最合適的視覺化型別。這是在不確定使用何種圖表型別時，探索資料的一個良好起始點。

各種圖表型別

線圖、地圖和熱力圖

QuickSight 支援多種常見的視覺化型別，包括：

  • 線圖：用於顯示資料點的時間序列變化。
  • 地理空間圖：將資料點疊加在地圖上，結合地理空間資料和其他資料。
  • 熱力圖：使用顏色深淺來表示資料值的大小。

柱狀圖

柱狀圖是一種常見的視覺化型別，QuickSight 支援多種型別的柱狀圖，例如：

  • 簡單柱狀圖：顯示單一維度的單一值。
  • 多維度柱狀圖：顯示單一維度的多個測量值。 此外，還支援堆積疊柱狀圖和叢集柱狀圖等。柱狀圖可以水平或垂直顯示。

自訂視覺化型別

QuickSight 允許在儀錶板中加入多種自訂視覺化內容，包括：

  • 自訂圖片（例如公司或產品標誌）
  • 自訂影片
  • 線上表單
  • 嵌入式網頁

需要注意的是，嵌入自訂內容時，需要指定資源的 HTTP URL。同時，透過電子郵件傳送儀錶板時，嵌入的自訂視覺化內容不會顯示。此外，自訂內容需要支援在 iFrame 中開啟，否則可能無法在 QuickSight 中顯示。

關鍵績效指標（KPI）

KPI 用於顯示對特定目標的進度追蹤。例如，您可能有一個季度收入目標，KPI 視覺化可以顯示當前收入佔目標收入的百分比，並包含一個進度條來表示值的百分比差異。

KPI 視覺化範例


### 圖 12.6 – 包含 KPI 視覺化的儀錶板
此圖示顯示了銷售經理如何快速檢視組織對多個關鍵指標的表現。

此圖示說明：

此 KPI 圖表顯示收入接近目標的 80%，新客戶達到目標的 90%，且客戶取消率在該期間的目標最大值內 11%。

表格作為視覺化內容

在某些情況下，您可能希望在儀錶板上直接顯示原始表格資料，而不進行視覺化轉換。QuickSight 支援直接在分析/儀錶板中顯示表格，最多可支援 200 列。然而，直接顯示原始表格資料最好僅用於小型表格，且只顯示有限的原始資料。

其他視覺化型別

QuickSight 支援許多其他型別的圖表，包括：

  • 圓餅圖
  • 箱形圖
  • 儀表圖
  • 直方圖
  • 資料透視表
  • 桑基圖
  • 樹狀圖
  • 詞雲

其他視覺化型別的詳細資訊，請參閱 Amazon QuickSight 檔案：

https://docs.aws.amazon.com/quicksight/latest/user/working-with-visual-types.html

瞭解 QuickSight 的進階功能 – ML Insights 和嵌入式儀錶板

Amazon QuickSight ML Insights

QuickSight ML Insights 利用機器學習演算法的力量，自動揭示資料中的洞察和趨勢，預測未來資料點，並識別資料中的異常情況。

使用 ML Insights 的好處

透過使用 ML Insights，您可以更深入地瞭解您的資料，並獲得有價值的商業洞察。這些進階功能可以幫助您更好地做出資料驅動的決策。

嵌入式儀錶板

企業版 QuickSight 的另一個進階功能是能夠將儀錶板嵌入到自訂應用程式中。這使得您可以更廣泛地分享您的資料和分析結果，並與您的使用者和客戶進行更深入的互動。

程式碼範例：嵌入 QuickSight 儀錶板

// 使用 QuickSight JavaScript SDK 嵌入儀錶板
import { QuickSightEmbedding } from 'amazon-quicksight-embedding-sdk';

const dashboardId = '您的儀錶板 ID';
const containerDiv = document.getElementById('dashboard-container');

const options = {
  url: '您的 QuickSight 網域 URL',
  dashboardId: dashboardId,
  height: '700px',
  width: '1000px',
};

const embedding = new QuickSightEmbedding(containerDiv, options);
embedding.embed();

#### 內容解密：

上述程式碼展示瞭如何使用 QuickSight JavaScript SDK 將儀錶板嵌入到自訂應用程式中。首先，我們匯入了 QuickSightEmbedding 類別，並指定了要嵌入的儀錶板的 ID 和容器元素。然後，我們定義了嵌入選項，包括 QuickSight 網域 URL、儀錶板 ID、高度和寬度。最後，我們建立了一個 QuickSightEmbedding 物件並呼叫 embed() 方法，將儀錶板嵌入到指定的容器元素中。

深入理解 Amazon QuickSight 的進階功能：ML Insights 與嵌入式儀錶板

Amazon QuickSight 提供了多種進階功能，包括機器學習（ML）驅動的洞察和分析，以及將儀錶板嵌入應用程式或網站的能力。這些功能使得使用者能夠更深入地瞭解資料，並將資料分析無縫整合到工作流程中。

ML Insights 的應用

QuickSight 的 ML Insights 功能包括自動敘述（autonarratives）、異常檢測（anomaly detection）和預測（forecasting）。這些功能可以幫助使用者快速瞭解資料中的趨勢和模式，而無需具備機器學習的專業知識。

自動敘述（Autonarratives）

自動敘述提供了一種自然語言的方式來描述資料中的趨勢和模式。例如：

  • 「今年迄今的收入比去年同期下降了 4.6%，從 $906,123 降至 $864,441。我們的年度目標達成率為 89.3%，全年目標達成率為 77.9%。」
  • 「2021 年 9 月 3 日，手機殼配件的每日收入高於預期，達到 $3,461.21。」

使用者可以將各種自動敘述新增到分析中，例如排名靠後的專案、增長率、異常檢測和移動量等。

機器學習驅動的異常檢測

QuickSight 可以對資料中的數百萬個指標進行異常檢測，找出不明顯的趨勢和異常值。使用者可以將異常檢測小工具新增到分析中，並組態相關設定，例如檢測異常值的頻率和要分析的專案。

異常檢測的運作方式

當檢測到異常時，使用者可以選擇探索異常的詳細資訊，並更改相關設定以分析不同的異常型別。

機器學習驅動的預測

QuickSight 可以使用機器學習演算法對資料進行可靠的預測。當建立一個包含日期欄位和最多三個指標的視覺化圖表時，使用者可以選擇新增未來值的預測。QuickSight 將自動分析歷史資料，並使用機器學習模型預測每個指標的未來值。

預測的運作方式

QuickSight 的機器學習模型會自動排除被識別為異常值的資料，並填充缺失的值。例如，如果銷售額曾經因為促銷活動而短暫飆升，QuickSight 可以在計算預測時排除該飆升。或者，如果某些歷史資料缺失，QuickSight 可以自動確定缺失期間的可能值。

將 QuickSight 儀錶板嵌入應用程式或網站

對於不想讓使用者登入 QuickSight 的使用案例，可以將 QuickSight 直接嵌入應用程式或網站中。可以嵌入完整的控制檯體驗（包括建立新分析和管理資料集的工具），或僅嵌入已發布的儀錶板。

對註冊 QuickSight 使用者的嵌入支援

QuickSight 支援多種身份驗證方法，包括 AD SAML 2.0 和 AWS Single Sign-on（或其他身份提供者，如 Okta、Auth0 和 PingOne）。使用者可以使用其中一種支援的身份驗證方法登入現有的網站或 HTML 應用程式，並使用該身份對映到現有的 QuickSight 使用者。

對未經身份驗證的使用者的嵌入支援

對於不需要使用者登入的使用案例，可以購買讀者會話容量定價，以啟用匿名存取。這提供了每月或每年（取決於計劃）的固定數量的 QuickSight 會話，並且這些會話可以被匿名使用者使用。購買年度計劃的額外好處是，可以從嵌入式資源中刪除「Powered by QuickSight」標籤。

使用 Amazon QuickSight 視覺化資料

建立簡單的 QuickSight 視覺化

本章節將介紹如何使用 Amazon QuickSight 建立視覺化儀錶板。QuickSight 是一種快速、雲端原生、無伺服器的商業智慧服務，能夠輕鬆地視覺化和分析資料。

設定新的 QuickSight 帳戶和載入資料集

在使用 QuickSight 之前，需要設定一個新的帳戶並載入一個資料集。以下是設定的步驟：

  1. 從 simplemaps.com 下載世界城市人口資料集。
  2. 登入 AWS 管理控制檯，搜尋並開啟 QuickSight 服務。
  3. 如果是第一次使用 QuickSight，需要註冊一個新的帳戶。選擇標準版，並填寫必要資訊。
  4. 註冊完成後，進入 QuickSight 首頁面，從左側選單點選「Datasets」，然後點選「New dataset」。
  5. 上傳剛剛下載的世界城市人口資料集（worldcities.csv）。

建立新的分析

上傳資料集後，就可以建立新的分析。以下是建立分析的步驟：

  1. 在 Visual types 中選擇「Points on map」視覺化型別。
  2. 將「lat」欄位拖到 Geospatial field well 中，然後將「lng」欄位拖到同一個欄位中。
  3. 將「population」欄位拖到 Size field well 中，將「city」欄位拖到 Color field well 中。

此時，視覺化結果會顯示所有城市的人口資料。但是，我們只想顯示人口超過 300 萬的城市。以下是過濾資料的步驟：

  1. 從左側選單點選「Filter」，然後點選「Create one…」。
  2. 在彈出的視窗中選擇「population」欄位。
  3. 將過濾條件設為「Greater than or equal to」3000000。

程式碼解析

本範例沒有使用特定的程式碼，但是在 QuickSight 中使用了視覺化工具來呈現資料。下面是相關的技術細節：

  • 使用 QuickSight 的視覺化工具來呈現世界城市人口資料。
  • 使用 Geospatial field well 來呈現城市的位置資訊。
  • 使用 Size field well 和 Color field well 來呈現城市的人口資料。

內容解密：

  1. Geospatial field well：用於呈現地理位置資訊的欄位。在本例中，使用了「lat」和「lng」欄位來呈現城市的經緯度資訊。
  2. Size field well：用於呈現資料大小的欄位。在本例中，使用了「population」欄位來呈現城市的人口資料。
  3. Color field well：用於呈現資料顏色的欄位。在本例中，使用了「city」欄位來呈現城市的名稱。

圖表說明

此圖示顯示了世界城市人口資料的視覺化結果。使用了 QuickSight 的「Points on map」視覺化型別來呈現城市的位置和人口資料。

此圖示清晰地呈現了人口超過 300 萬的城市的分佈情況。

在 Amazon QuickSight 中建立簡單視覺化分析的實作練習

在前面的章節中，我們探討了 Amazon QuickSight 的核心概念，包括資料來源、資料準備、分析以及儀錶板。在本文中，我們將透過一個實作練習，示範如何使用 QuickSight 建立一個簡單的視覺化分析。

編輯視覺化的篩選條件

首先，我們需要編輯視覺化的篩選條件，以顯示特定條件下的資料。例如，我們可以設定篩選條件，只顯示人口超過 300 萬的城市。透過這種方式，我們可以更聚焦地分析資料。

Figure 12.13 – 編輯視覺化的篩選條件

現在，我們的視覺化分析只會顯示人口超過 300 萬的城市。當我們將滑鼠懸停在某個城市上時，會彈出一個視窗，顯示該城市的名稱、經度、緯度和人口等詳細資訊。

自訂視覺化分析的外觀和行為

我們可以進一步自訂視覺化分析的外觀和行為，包括：

  • 拖動視覺化分析的角落，以調整其大小。
  • 更改篩選條件，例如將人口門檻調整為 500 萬。
  • 在地圖上縮放，以顯示特定的區域。
  • 雙擊視覺化分析的標題，以更改標題。
  • 點選工作表標題旁邊的下拉箭頭，以重新命名工作表。

完成視覺化分析

完成上述步驟後，我們的視覺化分析現在看起來如下：

Figure 12.14 – 顯示人口超過 300 萬的城市的視覺化分析

現在，我們可以將這個分析作為儀錶板分享給特定的 QuickSight 使用者。

避免未來的 QuickSight 訂閱費用

如果您在初始的 30 天試用期後不再打算使用 QuickSight，請務必取消訂閱，以避免未來的訂閱費用。有關更多資訊，請參閱 AWS 檔案中的「取消 Amazon QuickSight 訂閱並關閉帳戶」。