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。
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。
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。 |
我們回顧一下整個 Lakehouse 的資料管理架構圖:
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。
可以直接選擇 AWS 服務(如 Athena、Redshift、S3、RDS)或上傳 CSV/Excel。
定義要使用的資料表,並可在匯入階段進行資料轉換:
進入互動式編輯介面,使用拖曳方式建立圖表(如 Bar、Line、Pie、Heatmap...)。
將分析內容發布給其他使用者或群組,可設定 IAM 或 QuickSight 內部權限。
支援以下三種方式:
QuickSight 查詢 Athena 或 Redshift Spectrum 時,會自動遵循 Lake Formation 的授權機制:
Department=marketing
權限 → 僅能看到行銷部門的資料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。
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 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。
QuickSight 內建 Auto ML 分析模組,只需按幾下滑鼠即可:
這讓非工程背景的使用者,也能快速獲得可行洞察。
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 |
Amazon QuickSight 能無縫連接 Data Lakehouse 的各層數據,並透過 ML Insights 與 SPICE 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。
在下一篇 「Day27 視覺之章-QuickSight 實作篇」 中,我們將實際示範如何:
讓我們把 Data Lakehouse 的成果,化為最直觀的視覺故事。
[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