iT邦幫忙

2025 iThome 鐵人賽

DAY 26
0

簡介

在前幾篇文章中,我們透過 Glue、Athena、Lake Formation 打造出完整的 Data Lakehouse 架構,讓資料能夠被安全地儲存、清洗與查詢。

那接下來,當資料已經具備了可被查詢的結構,我們就要邁入「視覺化與洞察」的階段。本篇將介紹 AWS 雲端上的商業智慧(BI)服務 —— Amazon QuickSight


什麼是 Amazon QuickSight?

Amazon QuickSight 是 AWS 提供的 雲端原生商業智慧(Business Intelligence, BI)平台,能夠直接連接 AWS 內外部的資料來源(如 Athena、Redshift、RDS、S3、Snowflake 等),讓使用者能以互動式儀表板呈現資料,快速獲得洞察。

核心特點

功能類別 說明
Serverless 架構 無需架設伺服器,依使用者與查詢量計費。
資料整合 可直接連接多種 AWS 資料來源(Athena、Redshift、S3、Glue Catalog)。
互動式分析 使用者可在儀表板上互動、篩選與鑽取資料。
Auto ML 功能 內建 ML Insights,能自動發現資料趨勢與異常。
多層權限 整合 IAM 與 Lake Formation 權限管理,確保數據安全。
可嵌入性 支援將 Dashboard 嵌入 Web App 或內部系統。

QuickSight 在 Data Lakehouse 架構中的位置

我們回顧一下整個 Lakehouse 的資料管理架構圖:

https://ithelp.ithome.com.tw/upload/images/20251010/201634433FDuleyTk0.png

QuickSight 扮演的角色,就是從 Athena 或 Redshift Spectrum 取出「已授權」的資料,將查詢結果轉化為圖表、報表與互動式儀表板,提供管理者與業務人員使用。

QuickSight 的運作方式

Step 1:連接資料來源 (Data Source)

可以直接選擇 AWS 服務(如 Athena、Redshift、S3、RDS)或上傳 CSV/Excel

Step 2:建立資料集 (Dataset)

定義要使用的資料表,並可在匯入階段進行資料轉換:

  • Join
  • Filter
  • Calculated Field(自訂運算欄位)

Step 3:建立分析 (Analysis)

進入互動式編輯介面,使用拖曳方式建立圖表(如 Bar、Line、Pie、Heatmap...)。

Step 4:建立儀表板 (Dashboard)

將分析內容發布給其他使用者或群組,可設定 IAMQuickSight 內部權限

Step 5:分享與嵌入 (Sharing & Embedding)

支援以下三種方式:

  • 給 QuickSight 使用者(受權限保護)
  • 公開 URL(適合展示用)
  • 嵌入公司內部網站或應用程式

與 Lake Formation 的整合

QuickSight 查詢 AthenaRedshift Spectrum 時,會自動遵循 Lake Formation 的授權機制:

  • 若使用者僅有 Department=marketing 權限 → 僅能看到行銷部門的資料
  • 若欄位被標註為 Classification=confidential → 無權限者自動隱藏

這讓 QuickSight 成為「前端視覺化」與「後端治理」之間的安全橋樑。


QuickSight 的兩種版本

版本 適合對象 特色 計費模式
Standard Edition 個人或小型團隊 基本報表、互動分析 固定月費
Enterprise Edition 企業級使用 整合 IAM、SPICE 快取、Row-level Security 依使用量與使用者數量計費

QuickSight 的高效能引擎 – SPICE

QuickSight 內建一個名為 SPICE (Super-fast, Parallel, In-memory Calculation Engine) 的快取引擎。它能將查詢結果預先載入記憶體中,大幅提升報表回應速度。

🔹 優點:

  • 查詢加倍
  • 減少對 Athena / Redshift 的即時查詢成本
  • 支援自動排程重新整理(Refresh Schedule)

機器學習加持 – ML Insights

QuickSight 內建 Auto ML 分析模組,只需按幾下滑鼠即可:

  • 自動找出資料趨勢與異常點(Anomaly Detection)
  • 根據時間序列預測(Forecasting)
  • 自動生成敘述文字(Narrative)

這讓非工程背景的使用者,也能快速獲得可行洞察。


🧱 常見使用場景

場景 說明
📈 管理報表 每日營運、銷售、用戶成長報表
🧩 部門 KPI 儀表板 行銷、財務、人力資源等部門指標
🔎 數據探索 透過互動式分析探索資料關聯性
🌐 外部嵌入 將 Dashboard 內嵌至企業內部系統或客戶入口

結論與建議

Amazon QuickSight 能無縫連接 Data Lakehouse 的各層數據,並透過 ML InsightsSPICE 快取技術,提供快速、安全、可視化的資料分析體驗。

這是從「資料生產」走向「洞察輸出」的關鍵一哩路,讓你的 Data Lake 不只是儲存,而是真正產生可見的價值,讓決策單位透過數據報表作為後續的決策依據。


下篇預告

在下一篇 「Day27 視覺之章-QuickSight 實作篇」 中,我們將實際示範如何:

  • 連接 Athena 作為資料來源
  • 建立 Dataset 與 Dashboard
  • 套用 Lake Formation 權限進行視覺化驗證

讓我們把 Data Lakehouse 的成果,化為最直觀的視覺故事。


參考資料

[1] Amazon QuickSight 官方文件
[2] AWS Blog - What’s new in Amazon QuickSight
[3] AWS Lake Formation 與 QuickSight 整合指南


上一篇
Day25 視覺之章-Lake Formation 實作篇
系列文
動漫宅的 30 天 AWS Lakehouse 修行日誌26
圖片
  熱門推薦
圖片
{{ item.channelVendor }} | {{ item.webinarstarted }} |
{{ formatDate(item.duration) }}
直播中

尚未有邦友留言

立即登入留言