ส่วนที่ 3: มองเห็น วิเคราะห์ และแชร์ข้อมูลด้วย Analyses, Dashboards และ Reports ใน Amazon Quick Sight
ถัดจากความสามารถด้าน Agentic AI แล้ว หัวใจดั้งเดิมของแพลตฟอร์มที่ยังคงแข็งแกร่งคือ Amazon Quick Sight ซึ่งเป็นเครื่องมือ Business Intelligence ที่ช่วยให้คนในหลากหลายบทบาททำการวิเคราะห์ข้อมูล คำนวณขั้นสูง ออกแบบแดชบอร์ด ฝังระบบวิเคราะห์ (Embedded Analytics) และตัดสินใจได้อย่างมีข้อมูลรองรับมากขึ้น
การเชื่อมต่อกับข้อมูลใน Amazon Quick Sight
ก่อนที่การวิเคราะห์ใดๆ จะเกิดขึ้นได้ ต้องมีคนที่เข้าใจข้อมูลนำข้อมูลนั้นเข้าสู่ระบบในรูปแบบของ "ชุดข้อมูล" หรือ Dataset เสียก่อน โดย Quick Sight รองรับการเชื่อมต่อโดยตรงและการอัปโหลดจากแหล่งข้อมูลที่หลากหลาย
ความสามารถที่คุณจะได้รับขึ้นอยู่กับรุ่นและบทบาทของคุณ:
สำหรับ Amazon Quick Standard Edition เมื่อข้อมูลของคุณพร้อมใช้งานแล้ว คุณสามารถ:
- แปลงรูปแบบชุดข้อมูลด้วยการจัดรูปแบบฟิลด์ สร้างลำดับชั้น (Hierarchy) แปลงประเภทข้อมูล และสร้างการคำนวณ
- สร้างการวิเคราะห์ข้อมูล (Analysis) หนึ่งรายการหรือมากกว่าจากชุดข้อมูลที่สร้างขึ้นใหม่
- แชร์การวิเคราะห์กับผู้อื่นเพื่อช่วยกันออกแบบ
- เพิ่มกราฟ แผนภูมิ ชุดข้อมูลเพิ่มเติม และหลายหน้า (เรียกว่า Sheet) เข้าไปในการวิเคราะห์
- สร้างความสวยงามด้วยการจัดรูปแบบและธีมที่ปรับแต่งได้
- ทำให้อินเทอร์แอกทีฟด้วยพารามิเตอร์ ตัวควบคุม ตัวกรอง และ Custom Action
- รวมข้อมูลจากหลายแหล่งข้อมูล และสร้างลำดับชั้นใหม่สำหรับการเจาะลึกข้อมูล (Drill Down) และการคำนวณที่ใช้ได้เฉพาะระหว่างการวิเคราะห์ เช่น การรวมกลุ่ม (Aggregation) และฟังก์ชันหน้าต่างข้อมูล (Window Functions)
- เผยแพร่การวิเคราะห์เป็นแดชบอร์ดข้อมูลแบบอินเทอร์แอกทีฟ
- แชร์แดชบอร์ดให้ผู้อื่นใช้งานได้ แม้ว่าพวกเขาจะไม่ได้ใช้การวิเคราะห์ที่เป็นต้นทางก็ตาม
- เพิ่มข้อมูลมากขึ้นเพื่อสร้างการวิเคราะห์และแดชบอร์ดเพิ่มเติม
สำหรับ Amazon Quick Enterprise Edition คุณจะสามารถทำสิ่งต่างๆ ที่ Standard Edition ทำได้ทั้งหมด บวกกับความสามารถเพิ่มเติม เช่น:
- สร้างการวิเคราะห์ที่ใช้ Insight ของ Quick Sight รวมถึง Machine Learning (ML) Insight สำหรับการพยากรณ์ ตรวจจับความผิดปกติและค่าผิดปกติ (Anomaly & Outlier Detection) และระบุปัจจัยขับเคลื่อนหลัก (Key Driver)
- ออกแบบ Insight เชิงบรรยาย (Narrative) ด้วยข้อความ สี รูปภาพ และการคำนวณ
- เพิ่มข้อมูลจาก Virtual Private Cloud (VPC) และแหล่งข้อมูลภายในองค์กร (On-premises) พร้อมการเข้ารหัสข้อมูลขณะจัดเก็บ (Encryption at Rest)
- ควบคุมการเข้าถึงชุดข้อมูลด้วยการรักษาความปลอดภัยระดับแถวและคอลัมน์ (Row and Column Level Security)
- รีเฟรชชุดข้อมูลที่นำเข้ามาได้ทุกชั่วโมง
- แชร์รายงานผ่านอีเมล
สำหรับนักพัฒนาแอปพลิเคชัน ที่ใช้ AWS SDK และ AWS CLI สามารถ:
- ฝังระบบวิเคราะห์และแดชบอร์ดแบบอินเทอร์แอกทีฟลงในเว็บไซต์และแอปพลิเคชัน
- ใช้ API ในการจัดการแหล่งข้อมูลและชุดข้อมูล
- รีเฟรชข้อมูลที่นำเข้าบ่อยขึ้นด้วย Data Ingestion API
- สร้างสคริปต์ ถ่ายโอน และสร้างเทมเพลตจากการวิเคราะห์และแดชบอร์ดผ่าน API
- กำหนดบทบาทด้านความปลอดภัยให้กับผู้ใช้แบบโปรแกรมมิ่ง ตามการตั้งค่าที่ผู้ดูแลระบบกำหนด
สำหรับผู้ดูแลระบบ (Admin) สามารถ:
- จัดการความปลอดภัยด้วยโฟลเดอร์ที่แชร์กัน เพื่อจัดระเบียบงานของทีมและช่วยให้พวกเขาทำงานร่วมกันผ่านแดชบอร์ด การวิเคราะห์ และชุดข้อมูล
- เพิ่ม Quick Sight เข้าสู่ VPC เพื่อให้เข้าถึงข้อมูลใน VPC และแหล่งข้อมูลภายในองค์กรได้
- ปกป้องข้อมูลสำคัญด้วยการควบคุมการเข้าถึงแบบละเอียด (Fine-Grained Access Control) สำหรับแหล่งข้อมูลของ AWS
- กำหนดบทบาทความปลอดภัยแบบ Author ให้ผู้ใช้ เพื่อให้เตรียมชุดข้อมูล ออกแบบการวิเคราะห์ และเผยแพร่แดชบอร์ดในราคาคงที่ต่อเดือน
- กำหนดบทบาทความปลอดภัยแบบ Reader ให้ผู้ใช้ เพื่อโต้ตอบกับแดชบอร์ดที่เผยแพร่แล้วอย่างปลอดภัยแบบจ่ายตามรอบการใช้งาน (Pay-Per-Session)
สำหรับผู้ที่สมัครรับแดชบอร์ด (Subscriber) สามารถใช้และสมัครรับแดชบอร์ดแบบอินเทอร์แอกทีฟที่ทีมผู้เชี่ยวชาญออกแบบไว้ พร้อมหน้าจอที่เรียบง่ายไม่รก ดูภาพรวมแดชบอร์ดผ่านอีเมลได้ และโฟกัสไปกับการตัดสินใจโดยมีข้อมูลอยู่ในมือ
หลังจากเชื่อมต่อหรือนำเข้าข้อมูลแล้ว ขั้นตอนถัดไปคือการสร้างชุดข้อมูล (Dataset) เพื่อจัดรูปแบบและเตรียมข้อมูลสำหรับการแชร์และนำกลับมาใช้ซ้ำ
การรีเฟรชข้อมูลใน Amazon Quick Sight
เมื่อพูดถึงการรีเฟรชข้อมูล Quick Sight จะจัดการชุดข้อมูลแตกต่างกันไปตามคุณสมบัติการเชื่อมต่อและตำแหน่งที่จัดเก็บข้อมูล
หาก Quick Sight เชื่อมต่อกับแหล่งข้อมูลด้วยวิธี Direct Query ข้อมูลจะรีเฟรชโดยอัตโนมัติทุกครั้งที่คุณเปิดชุดข้อมูล การวิเคราะห์ หรือแดชบอร์ดที่เกี่ยวข้อง โดยตัวควบคุมตัวกรอง (Filter Control) จะถูกรีเฟรชโดยอัตโนมัติทุก 24 ชั่วโมง
สำหรับชุดข้อมูลแบบ SPICE (In-memory Engine ของ Quick Sight) ระบบจะต้องยืนยันตัวตนด้วยข้อมูลรับรอง (Credential) ที่บันทึกไว้เพื่อเชื่อมต่อกับข้อมูลอีกครั้งเมื่อทำการรีเฟรช ข้อมูลสำคัญที่ต้องรู้คือ Quick Sight ไม่สามารถรีเฟรชข้อมูลที่อัปโหลดด้วยตนเองได้ แม้จะมาจัดเก็บใน Amazon S3 ก็ตาม เพราะ Quick Sight ไม่ได้จัดเก็บข้อมูล Metadata ของการเชื่อมต่อและตำแหน่งไฟล์ไว้ หากต้องการให้ข้อมูลที่จัดเก็บใน S3 Bucket รีเฟรชอัตโนมัติได้ ต้องสร้างชุดข้อมูลด้วยการ์ดแหล่งข้อมูลแบบ S3 โดยเฉพาะ
สำหรับไฟล์ที่อัปโหลดเข้า SPICE ด้วยตนเอง คุณต้องรีเฟรชด้วยการนำเข้าไฟล์ใหม่อีกครั้งด้วยตนเอง หากต้องการใช้ชื่อเดิมของชุดข้อมูลต้นฉบับกับไฟล์ใหม่ ให้เปลี่ยนชื่อหรือลบชุดข้อมูลเดิมก่อน แล้วจึงตั้งชื่อที่ต้องการให้กับชุดข้อมูลใหม่ พร้อมทั้งตรวจสอบว่าชื่อฟิลด์และประเภทข้อมูลตรงกัน จากนั้นเปิดการวิเคราะห์และแทนที่ชุดข้อมูลเดิมด้วยชุดข้อมูลใหม่
คุณสามารถรีเฟรชชุดข้อมูล SPICE ได้ทุกเมื่อ การรีเฟรชจะนำเข้าข้อมูลเข้าสู่ SPICE อีกครั้ง ทำให้ข้อมูลรวมถึงการเปลี่ยนแปลงตั้งแต่การนำเข้าครั้งล่าสุดด้วย
สำหรับ Standard Edition คุณสามารถรีเฟรชข้อมูล SPICE แบบเต็ม (Full Refresh) ได้ทุกเมื่อ ส่วน Enterprise Edition สามารถเลือกรีเฟรชแบบเต็มหรือแบบเพิ่มขึ้น (Incremental Refresh สำหรับแหล่งข้อมูลที่เป็น SQL เท่านั้น) ได้ทุกเมื่อเช่นกัน
???? หากชุดข้อมูลของคุณใช้ Custom SQL การรีเฟรชแบบเพิ่มขึ้นอาจไม่ได้ให้ประโยชน์เสมอไป เนื่องจากหาก SQL Query มีความซับซ้อน ฐานข้อมูลอาจไม่สามารถปรับให้ตัวกรองทำงานร่วมกับช่วงเวลาย้อนหลัง (Look-back Window) ได้อย่างมีประสิทธิภาพ ซึ่งอาจทำให้การดึงข้อมูลใช้เวลานานกว่าการรีเฟรชแบบเต็มเสียอีก แนะนำให้ลองปรับปรุง Custom SQL เพื่อลดเวลาในการทำงานของ Query แทน
คุณสามารถรีเฟรชข้อมูล SPICE ได้หลายวิธี ได้แก่ ผ่านตัวเลือกในหน้า Datasets, รีเฟรชระหว่างการแก้ไขชุดข้อมูล, ตั้งเวลารีเฟรชในการตั้งค่าชุดข้อมูล หรือใช้ API operation อย่าง CreateIngestion เพื่อรีเฟรชข้อมูล
เมื่อสร้างหรือแก้ไขชุดข้อมูล SPICE คุณสามารถเปิดใช้งานการแจ้งเตือนทางอีเมลเกี่ยวกับสถานะการโหลดข้อมูลได้ ซึ่งจะแจ้งให้เจ้าของชุดข้อมูลทราบหากข้อมูลโหลดหรือรีเฟรชล้มเหลว โดยเลือกตัวเลือก "Email owners when a refresh fails" ที่ปรากฏในหน้าจอสุดท้ายของการสร้างชุดข้อมูล (ตัวเลือกนี้ไม่พร้อมใช้งานสำหรับชุดข้อมูลที่สร้างผ่านการอัปโหลดไฟล์บนหน้า Datasets)
การเตรียมข้อมูลใน Amazon Quick Sight
ชุดข้อมูล (Dataset) จะจัดเก็บการเตรียมข้อมูลที่คุณได้ทำไว้กับข้อมูลนั้น เพื่อให้คุณสามารถนำข้อมูลที่เตรียมไว้แล้วกลับมาใช้ในหลายการวิเคราะห์ได้ การเตรียมข้อมูลมีตัวเลือกต่างๆ เช่น การเพิ่มฟิลด์คำนวณ (Calculated Fields) การใช้ตัวกรอง และการเปลี่ยนชื่อฟิลด์หรือประเภทข้อมูล หากแหล่งข้อมูลของคุณมาจากฐานข้อมูล SQL คุณยังสามารถใช้การเตรียมข้อมูลเพื่อรวมตาราง (Join) ได้ หรือหากต้องการทำงานกับข้อมูลจากหลายตารางพร้อมกัน คุณสามารถป้อน SQL Query ได้เอง
หากต้องการแปลงข้อมูลจากแหล่งข้อมูลก่อนนำมาใช้ใน Quick Sight คุณสามารถเตรียมข้อมูลให้เหมาะกับความต้องการได้ แล้วบันทึกการเตรียมข้อมูลนี้ไว้เป็นส่วนหนึ่งของชุดข้อมูล คุณสามารถเตรียมชุดข้อมูลได้ทั้งตอนสร้างครั้งแรก หรือแก้ไขในภายหลัง
การวิเคราะห์และรายงาน: การสร้างภาพข้อมูลใน Amazon Quick Sight
ในส่วนนี้คือหัวใจของงานด้าน Data Visualization โดย Quick Sight มีเครื่องมือที่ช่วยให้คุณสร้างและปรับแต่งแผนภูมิ จัดวางแผนภูมิลงในแดชบอร์ด และอื่นๆ อีกมากมาย ครอบคลุมตั้งแต่:
- การทำงานกับ Analysis (การวิเคราะห์) ซึ่งเป็นพื้นที่ทำงานหลักสำหรับสร้างภาพข้อมูล
- การเพิ่มและจัดการ Sheet (หน้า) หลายหน้าภายในการวิเคราะห์เดียว เพื่อจัดกลุ่มแผนภูมิตามหัวข้อ
- การทำงานกับ Sheet แบบอินเทอร์แอกทีฟ ที่ผู้ใช้สามารถโต้ตอบกับข้อมูลผ่านตัวกรองและตัวควบคุมต่างๆ ได้
- การทำงานกับรายงานแบบ Pixel Perfect ซึ่งเหมาะสำหรับรายงานที่ต้องการควบคุมการจัดวางอย่างละเอียด เช่น รายงานสำหรับพิมพ์หรือส่งออกเป็น PDF ที่ต้องคงรูปแบบไว้ทุกจุด
- การทำงานกับองค์ประกอบต่างๆ บน Sheet ของการวิเคราะห์ เช่น การจัดวางแผนภูมิ ข้อความ และรูปภาพ
- การใช้ธีม (Themes) เพื่อปรับแต่งรูปแบบสีและสไตล์ของแดชบอร์ดให้สอดคล้องกับแบรนด์องค์กร
- การเข้าถึง Quick Sight ผ่านแป้นพิมพ์ลัด (Keyboard Shortcuts) เพื่อเพิ่มความสะดวกและรองรับการเข้าถึงสำหรับผู้ใช้ทุกกลุ่ม (Accessibility)
การแชร์และการสมัครรับข้อมูลด้วยแดชบอร์ดและรายงานใน Amazon Quick Sight
แดชบอร์ด (Dashboard) คือภาพรวมแบบอ่านอย่างเดียว (Read-only Snapshot) ของการวิเคราะห์หนึ่งๆ ที่คุณสามารถแชร์ให้กับผู้ใช้ Amazon Quick Sight คนอื่นเพื่อวัตถุประสงค์ในการรายงานได้ แดชบอร์ดจะรักษาการตั้งค่าของการวิเคราะห์ ณ เวลาที่คุณเผยแพร่ไว้ เช่น ตัวกรอง พารามิเตอร์ ตัวควบคุม และลำดับการเรียง แต่ข้อมูลที่ใช้ในการวิเคราะห์นั้นจะไม่ถูกบันทึกไว้เป็นส่วนหนึ่งของแดชบอร์ด ดังนั้นเมื่อคุณดูแดชบอร์ด มันจะสะท้อนข้อมูลปัจจุบันในชุดข้อมูลที่การวิเคราะห์นั้นใช้อยู่เสมอ
เมื่อคุณแชร์แดชบอร์ด คุณสามารถระบุได้ว่าผู้ใช้คนใดมีสิทธิ์เข้าถึง ผู้ใช้ที่เป็น Dashboard Viewer สามารถดูและกรองข้อมูลในแดชบอร์ดได้ โดยการเลือกตัวกรอง ตัวควบคุม หรือการเรียงลำดับที่ผู้ใช้ทำระหว่างการดูแดชบอร์ดจะมีผลเฉพาะช่วงที่กำลังดูอยู่เท่านั้น และจะไม่ถูกบันทึกไว้หลังจากปิดหน้าต่าง ส่วนผู้ใช้ที่เป็น Dashboard Owner สามารถแก้ไขและแชร์แดชบอร์ดได้ และหากต้องการยังสามารถแก้ไขและแชร์การวิเคราะห์ต้นฉบับได้ด้วย หากต้องการให้พวกเขาแก้ไขและแชร์ชุดข้อมูลได้ด้วย ต้องตั้งค่าไว้ในการวิเคราะห์ต้นฉบับก่อน
หากใช้ Enterprise Edition แดชบอร์ดที่แชร์แล้วยังสามารถฝัง (Embed) ลงในเว็บไซต์หรือแอปพลิเคชันได้อีกด้วย
หัวข้อย่อยที่ครอบคลุมอยู่ในหมวดนี้ ได้แก่ การเผยแพร่แดชบอร์ด การแชร์แดชบอร์ด การใช้ตัวเชื่อมต่อ Quick (Quick Connectors) ในภาพข้อมูลบนแดชบอร์ด การแชร์มุมมองส่วนตัวของแดชบอร์ด การตั้งเวลาและส่งรายงานทาง Quick Sight ผ่านอีเมล การสมัครรับรายงานทางอีเมล การทำงานกับ Threshold Alert (การแจ้งเตือนเมื่อค่าข้อมูลถึงเกณฑ์ที่กำหนด) การพิมพ์แดชบอร์ดหรือการวิเคราะห์ การส่งออกแดชบอร์ดหรือการวิเคราะห์เป็น PDF รวมถึงรหัสข้อผิดพลาดสำหรับงานส่งออก PDF ที่ล้มเหลว และการจัดระเบียบทรัพยากรด้วยโฟลเดอร์
การสำรวจแดชบอร์ดแบบอินเทอร์แอกทีฟใน Amazon Quick Sight
หัวข้อนี้เหมาะสำหรับผู้ที่เป็น "ผู้ดู" หรือ "ผู้สมัครรับข้อมูล" (Subscriber/Viewer) ของแดชบอร์ดโดยเฉพาะ ใน Quick Sight Data Dashboard คือกลุ่มของแผนภูมิ กราฟ และ Insight ต่างๆ ลองนึกภาพว่ามันเหมือนหนังสือพิมพ์ที่เต็มไปด้วยข้อมูลที่คุณสนใจ เพียงแต่เป็นหน้ากระดาษดิจิทัล และแทนที่จะแค่อ่านมัน คุณสามารถโต้ตอบกับมันได้
แดชบอร์ดมีการออกแบบที่หลากหลาย ขึ้นอยู่กับสิ่งที่คุณทำและการวิเคราะห์ที่คุณต้องการ ด้วย Quick Sight คุณสามารถโต้ตอบกับข้อมูลของคุณผ่านหน้าเว็บหรืออุปกรณ์มือถือได้ และหากคุณสมัครรับข้อมูลทางอีเมลด้วย คุณจะได้เห็นตัวอย่างแบบคงที่ (Static Preview) ของแดชบอร์ดนั้น
เรื่องราวที่บอกเล่าผ่านข้อมูลของคุณสะท้อนความเชี่ยวชาญของนักวิเคราะห์และนักวิทยาศาสตร์ข้อมูลที่สร้างแดชบอร์ดนั้นขึ้นมา พวกเขาจะกลั่นกรองข้อมูล เพิ่มการคำนวณ ค้นหามุมมองของเรื่องราว และตัดสินใจว่าจะนำเสนออย่างไร ผู้เผยแพร่ (Publisher) เป็นผู้ออกแบบแดชบอร์ดและเติมเต็มด้วยภาพข้อมูลแบบอินเทอร์แอกทีฟและตัวควบคุมที่ปรับมุมมองได้ ผู้เผยแพร่สามารถปรับระดับการโต้ตอบที่คุณจะได้รับ รวมถึงตัวเลือกการกรองและการค้นหา คุณสามารถโต้ตอบกับรายการต่างๆ บนหน้าจอเพื่อกรอง เรียงลำดับ เจาะลึกข้อมูล (Drill Down) หรือกระโดดไปยังเครื่องมืออื่นได้
เมื่อคุณดูแดชบอร์ด คุณกำลังเห็นข้อมูลล่าสุดที่ได้รับมา เมื่อคุณโต้ตอบกับรายการบนหน้าจอ การเปลี่ยนแปลงใดๆ ที่คุณทำจะเปลี่ยนเฉพาะมุมมองของคุณเท่านั้น ไม่กระทบผู้อื่น ความเป็นส่วนตัวของอุปกรณ์คุณจึงได้รับการรับประกัน แม้ว่าผู้เผยแพร่จะสามารถทราบได้ว่าคุณดูอะไรไปบ้างก็ตาม หลังจากคุณปิดแดชบอร์ด การสำรวจของคุณจะไม่ถูกบันทึกไว้ และข้อมูลก็เช่นกัน อีกทั้งในฐานะ Quick Reader การสมัครสมาชิกรายเดือนของคุณจะได้รับการสนับสนุนจากผู้เผยแพร่แดชบอร์ดโดยไม่มีค่าใช้จ่ายเพิ่มเติม
หากคุณเป็นทั้งผู้ดูและผู้เผยแพร่แดชบอร์ด (เรียกว่า Author เพราะเป็นผู้เขียนรายงาน) คุณยังสามารถบันทึกสำเนาของแดชบอร์ดเพื่อนำไปวิเคราะห์เพิ่มเติมได้ หากคุณค้นพบมุมมองใหม่ของข้อมูลที่ต้องการเผยแพร่ ให้ทำงานร่วมกับผู้สร้างต้นฉบับเพื่ออัปเดตแดชบอร์ด เพื่อให้ทุกคนเห็นข้อมูลเวอร์ชันเดียวกัน อย่างไรก็ตาม คุณยังสามารถใช้สำเนาของคุณเพื่อเรียนรู้วิธีการออกแบบของพวกเขา หรือเป็นแรงบันดาลใจสำหรับสิ่งใหม่ๆ ทั้งหมดได้เช่นกัน เมื่อเสร็จแล้ว คุณสามารถเผยแพร่การวิเคราะห์ของคุณเป็นแดชบอร์ดใหม่ได้
การได้รับ Insight ด้วย Machine Learning (ML) ใน Amazon Quick Sight
Amazon Quick Sight ใช้ Machine Learning เพื่อช่วยค้นพบ Insight และแนวโน้มที่ซ่อนอยู่ในข้อมูลของคุณ ระบุปัจจัยขับเคลื่อนหลัก และพยากรณ์ตัวชี้วัดทางธุรกิจ นอกจากนี้คุณยังสามารถรับ Insight เหล่านี้ในรูปแบบการบรรยายด้วยภาษาธรรมชาติ (Natural Language Narratives) ที่ฝังอยู่ในแดชบอร์ดได้อีกด้วย
ด้วยความสามารถด้าน ML และภาษาธรรมชาติ Quick Sight Enterprise Edition พาคุณก้าวข้ามการวิเคราะห์เชิงพรรณนาและเชิงวินิจฉัย (Descriptive & Diagnostic Analysis) ไปสู่การพยากรณ์และการตัดสินใจ คุณสามารถเข้าใจข้อมูลของคุณได้ในพริบตา แชร์สิ่งที่ค้นพบ และค้นหาการตัดสินใจที่ดีที่สุดเพื่อบรรลุเป้าหมาย โดยไม่ต้องพัฒนาทีมงานหรือเทคโนโลยีเพื่อสร้างโมเดลและอัลกอริทึม Machine Learning เอง
ด้วย ML Insights คุณสามารถเลือกใช้เรื่องเล่าที่ปรับแต่งตามบริบท เรียกว่า Autonarratives เพื่อเพิ่มเข้าไปในการวิเคราะห์ นอกจากการเลือก Autonarratives แล้ว คุณยังสามารถเลือกดูการพยากรณ์ ความผิดปกติ และปัจจัยที่ส่งผลต่อสิ่งเหล่านี้ได้ รวมถึงเพิ่ม Autonarratives ที่อธิบายประเด็นสำคัญด้วยภาษาที่เข้าใจง่าย เพื่อให้ทั้งองค์กรมีชุดความจริงที่ขับเคลื่อนด้วยข้อมูลเดียวกัน
ML Insights ใน Quick Sight มีความสามารถหลัก 3 ประการ:
- ML-Powered Anomaly Detection (การตรวจจับความผิดปกติด้วย ML): Quick Sight ใช้เทคโนโลยี Machine Learning ของ Amazon ในการวิเคราะห์ข้อมูลทั้งหมดของคุณอย่างต่อเนื่องเพื่อตรวจจับความผิดปกติ (Outlier) คุณสามารถระบุปัจจัยขับเคลื่อนหลักที่ส่งผลต่อการเปลี่ยนแปลงสำคัญในตัวชี้วัดทางธุรกิจของคุณได้ เช่น ยอดขายที่สูงกว่าที่คาดไว้ หรือการลดลงของทราฟฟิกเว็บไซต์ โดย Quick Sight ใช้อัลกอริทึม Random Cut Forest กับตัวชี้วัดนับล้านและจุดข้อมูลนับพันล้านจุด ทำให้คุณได้รับ Insight เชิงลึกที่มักซ่อนอยู่ในข้อมูลรวม ซึ่งยากต่อการเข้าถึงด้วยการวิเคราะห์ด้วยมือ
- ML-Powered Forecasting (การพยากรณ์ด้วย ML): ช่วยให้ผู้ใช้ที่ไม่มีพื้นฐานด้านเทคนิคสามารถพยากรณ์ตัวชี้วัดทางธุรกิจหลักได้อย่างมั่นใจ อัลกอริทึม Random Cut Forest ที่มีในตัวจะจัดการสถานการณ์จริงที่ซับซ้อนโดยอัตโนมัติ เช่น การตรวจจับฤดูกาลและแนวโน้ม การตัดค่าผิดปกติออก และการเติมค่าที่หายไป คุณสามารถโต้ตอบกับข้อมูลได้ง่ายๆ เพียงคลิก
- Autonarratives (เรื่องเล่าอัตโนมัติ): การใช้เรื่องเล่าอัตโนมัติใน Quick Sight ช่วยให้คุณสร้างแดชบอร์ดที่มีเรื่องเล่าฝังอยู่ เพื่อบอกเล่าเรื่องราวของข้อมูลด้วยภาษาที่เข้าใจง่าย ซึ่งช่วยประหยัดเวลาในการไล่ดูแผนภูมิและตารางเพื่อดึงประเด็นสำคัญออกมารายงาน อีกทั้งยังสร้างความเข้าใจร่วมกันเกี่ยวกับข้อมูลภายในองค์กร ทำให้ตัดสินใจได้เร็วขึ้น คุณสามารถใช้ Autonarrative ที่แนะนำไว้ หรือปรับแต่งการคำนวณและภาษาให้ตรงกับความต้องการเฉพาะของคุณได้
หัวข้อที่เกี่ยวข้องเพิ่มเติม ได้แก่ การทำความเข้าใจอัลกอริทึม ML ที่ Quick Sight ใช้ ข้อกำหนดของชุดข้อมูลสำหรับการใช้ ML Insights การทำงานกับ Insight การสร้าง Autonarratives การตรวจจับค่าผิดปกติด้วย ML-Powered Anomaly Detection และการพยากรณ์พร้อมสร้างสถานการณ์ What-If
Generative BI กับ Quick Sight
Generative BI คือความสามารถที่ทำให้ Quick Sight ก้าวเข้าสู่ยุคของ AI เชิงสร้างสรรค์อย่างเต็มตัว ด้วย Amazon Quick Chat คุณสามารถใช้ประสบการณ์การสร้างเนื้อหาแบบ Generative BI สร้างสรุปผู้บริหาร (Executive Summary) ของข้อมูล ถามและตอบคำถามเกี่ยวกับข้อมูล และสร้างเรื่องราวจากข้อมูล (Data Stories) ได้
หากต้องการเข้าถึงฟีเจอร์ Generative BI ทั้งหมดของ Quick Sight ที่เกี่ยวข้องกับงานของคุณ ให้เลือกไอคอนประกายดาว (Sparkle Icon) ที่มุมขวาบนของหน้า Quick ใดๆ เมื่อแผงหน้าต่างเปิดขึ้นมา แชทจะแสดงเนื้อหาทั้งหมดที่พร้อมใช้งานตามบริบทของงานที่คุณกำลังทำอยู่ ตัวอย่างเช่น หากคุณกำลังทำงานใน Analysis คุณสามารถสร้างการคำนวณ แก้ไขภาพข้อมูล ตั้งค่า Q&A หรือถามคำถามเกี่ยวกับข้อมูลได้ แต่หากคุณกำลังทำงานในแดชบอร์ด คุณสามารถสร้าง Data Story สร้างสรุปผู้บริหาร หรือถามคำถามเกี่ยวกับแดชบอร์ดได้
?? หมายเหตุสำคัญ: Generative BI ที่อธิบายในส่วนนี้เป็นประสบการณ์รุ่นก่อนหน้าที่ยังคงทำงานได้ตามปกติ สำหรับประสบการณ์แชทล่าสุดของ Amazon Quick ซึ่งครอบคลุมการถาม-ตอบข้ามชุดข้อมูลด้วย Topics แบบหลายชุดข้อมูล เวิร์กโฟลว์แบบ Agentic และการค้นหาด้วยภาษาธรรมชาติที่ขับเคลื่อนด้วย LLM ให้ดูที่หัวข้อการแชทของ Amazon Quick เพิ่มเติม
หัวข้อที่ครอบคลุมในส่วนนี้ ได้แก่ การเริ่มต้นใช้งาน Generative BI, การเสริม Insight ของ Quick Sight ด้วย Amazon Q Business, ประสบการณ์การสร้างเนื้อหาแบบ Generative BI, การสร้างสรุปผู้บริหาร, การสร้างเนื้อหา Q&A, การจัดการสิทธิ์ Topic ผ่านแดชบอร์ด, การเปิดใช้งานประสบการณ์ Dashboard Q&A, การรองรับค่าว่าง (Null) ใน Q&A, การปรับปรุงความแม่นยำของ Q&A ด้วยคำสั่งที่กำหนดเอง, การถามและตอบคำถามเกี่ยวกับข้อมูลด้วย Generative BI, การยกเลิกใช้งาน Generative BI, การทำงานกับ Topics ของ Quick Sight, การทำงานกับ Data Stories และการทำงานกับ Scenarios
การแก้ไขปัญหาใน Amazon Quick Sight
เมื่อใช้งานเครื่องมือที่มีความซับซ้อนสูงอย่าง Quick Sight ย่อมมีบางครั้งที่พบปัญหาทางเทคนิค ไม่ว่าจะเป็นข้อผิดพลาดในการเชื่อมต่อแหล่งข้อมูล ปัญหาการรีเฟรชข้อมูล SPICE ที่ล้มเหลว ข้อผิดพลาดจากแถวข้อมูลที่ถูกข้าม (Skipped Rows) ระหว่างการนำเข้าข้อมูล หรือปัญหาการส่งออกรายงานเป็น PDF ที่ไม่สำเร็จ
แนวทางแก้ไขปัญหาโดยทั่วไปควรเริ่มจากการตรวจสอบข้อความแจ้งข้อผิดพลาดและรหัสข้อผิดพลาดที่ระบบแสดงให้เห็น เนื่องจากรหัสเหล่านี้มักบอกใบ้ถึงต้นตอของปัญหา เช่น ปัญหาด้านสิทธิ์การเข้าถึงข้อมูล ปัญหาการหมดเวลาของ Query ที่ซับซ้อนเกินไป หรือปัญหาความไม่ตรงกันของประเภทข้อมูล การตรวจสอบประวัติการนำเข้าข้อมูล (SPICE Ingestion History) ก็เป็นอีกจุดที่ช่วยให้ทีมงานเข้าใจว่าการรีเฟรชครั้งใดสำเร็จหรือล้มเหลว และล้มเหลวด้วยสาเหตุใด สำหรับองค์กรที่มีชุดข้อมูลขนาดใหญ่และซับซ้อน การมีกระบวนการตรวจสอบปัญหาอย่างเป็นระบบจะช่วยลดเวลาหยุดชะงักของแดชบอร์ดที่ผู้บริหารและทีมงานต้องใช้ประจำวันได้อย่างมาก
การพัฒนาด้วย Amazon Quick Sight
สำหรับทีมพัฒนาซอฟต์แวร์และวิศวกรข้อมูล Quick Sight เปิดให้เข้าถึงผ่าน API เพื่อรองรับการทำงานอัตโนมัติและการผสานรวมเข้ากับระบบอื่นๆ ขององค์กร ความสามารถด้านการพัฒนาครอบคลุมตั้งแต่การจัดการแหล่งข้อมูลและชุดข้อมูลแบบโปรแกรมมิ่ง การสร้างและอัปเดต Ingestion เพื่อรีเฟรชข้อมูลบ่อยขึ้นกว่าการตั้งเวลาปกติ การสร้างเทมเพลตจากการวิเคราะห์หรือแดชบอร์ดที่มีอยู่เพื่อนำไปสร้างสำเนาใหม่ในสภาพแวดล้อมอื่น (เช่น จากสภาพแวดล้อมทดสอบไปยังสภาพแวดล้อมใช้งานจริง) ไปจนถึงการฝัง (Embed) แดชบอร์ดและระบบวิเคราะห์แบบอินเทอร์แอกทีฟลงในเว็บแอปพลิเคชันขององค์กรโดยตรง
การพัฒนาด้วย API ยังช่วยให้ผู้ดูแลระบบสามารถกำหนดสิทธิ์และบทบาทของผู้ใช้แบบอัตโนมัติตามกฎที่องค์กรวางไว้ได้ ซึ่งมีประโยชน์มากสำหรับองค์กรขนาดใหญ่ที่มีผู้ใช้จำนวนมากและต้องบริหารจัดการสิทธิ์อย่างสม่ำเสมอ แนวทางนี้ยังช่วยลดภาระงานที่ต้องทำด้วยมือซ้ำๆ และลดความเสี่ยงจากความผิดพลาดของมนุษย์ในการตั้งค่าสิทธิ์การเข้าถึงข้อมูล
สรุปภาพรวม: ทำไม Amazon Quick ถึงน่าจับตามอง
จากที่กล่าวมาทั้งหมด จะเห็นได้ว่า Amazon Quick ไม่ได้เป็นเพียงเครื่องมือ BI แบบเดิมๆ อีกต่อไป แต่ได้ผสานรวมสามองค์ประกอบสำคัญเข้าไว้ด้วยกันอย่างลงตัว:
- Chat Agent ที่ทำหน้าที่เป็นผู้ช่วยอัจฉริยะ ให้คำตอบตามบริบทและสิทธิ์การเข้าถึงของผู้ใช้แต่ละคน พร้อมความสามารถในการเรียกใช้ Action เพื่อดำเนินงานแทนได้จริง
- Spaces ที่เป็นศูนย์กลางความรู้ให้ทีมทำงานร่วมกัน จัดระเบียบไฟล์และทรัพยากรต่างๆ พร้อมระบบสิทธิ์ที่รัดกุมและเคารพการเข้าถึงเดิมของผู้ใช้เสมอ
- Amazon Quick Sight ที่เป็นรากฐานด้านการวิเคราะห์ข้อมูลและการสร้างภาพข้อมูลระดับองค์กร ตั้งแต่การเชื่อมต่อข้อมูล การเตรียมข้อมูล การสร้างแดชบอร์ด ไปจนถึงการใช้ Machine Learning และ Generative BI เพื่อดึง Insight เชิงลึกออกมาให้ทุกคนในองค์กรเข้าใจข้อมูลได้ง่ายขึ้น
สำหรับองค์กรที่กำลังพิจารณานำ Amazon Quick มาใช้งาน สิ่งสำคัญคือการวางแผนเรื่องสิทธิ์การเข้าถึง (Permissions) ตั้งแต่ต้น ทั้งในระดับ Chat Agent, Spaces และ Quick Sight เพื่อให้มั่นใจว่าข้อมูลที่ละเอียดอ่อนจะถูกเข้าถึงได้เฉพาะผู้ที่มีสิทธิ์เท่านั้น ในขณะเดียวกันก็เปิดโอกาสให้ทีมงานทุกระดับสามารถใช้ประโยชน์จากข้อมูลได้อย่างเต็มที่ผ่านการสนทนาด้วยภาษาธรรมชาติที่เข้าถึงง่ายกว่าที่เคย