关键字: [亚马逊云科技， Amazon QuickSight， 非结构化数据分析， 全视角商业分析， 企业内部数据整合， 亚马逊Quicksight集成， 数据可视化报表]

导读

在这场演讲中，演讲者介绍了亚马逊云科技QuickSight的非结构化数据分析功能。他解释了如何将QuickSight与亚马逊QBusiness相结合，以整合非结构化数据(如PDF、Word等)和结构化数据，从而获得全面的商业洞见。演讲重点展示了如何在QuickSight中使用自然语言查询来分析非结构化数据，生成报表和预测未来趋势。此外，还演示了如何在QuickSight中配置和连接QBusiness，以访问企业内部数据源。该功能使用户能够从全视角分析业务问题，而不仅限于结构化数据。

演讲精华

以下是小编为您整理的本次演讲的精华。

亚马逊云科技QuickSight整合非结构化数据分析的详细叙述如下:

在当今商业环境中，企业面临着来自各方面的数据挑战。结构化数据虽然可以通过传统的商业智能工具进行分析，但非结构化数据却往往被忽视。非结构化数据可能存在于企业内部的各种形式，如供应商每月送来的月度报告、与外部研究机构合作分析的行业趋势报告等Word、Excel或PDF文件。这些数据虽然蕴含着宝贵的商业见解，但由于格式的多样性和分散的存储位置，使得整合和分析变得异常困难。

为了解决这一难题，亚马逊云科技借鉴了计算机领域中“分而治之”的解决问题方法。该方法分为三个阶段:首先将问题拆分为结构化数据和非结构化数据两个部分;其次分别对两类数据进行处理和分析;最后将两者的分析结果整合，得出完整的解决方案。

在结构化数据分析方面，亚马逊的QuickSight商业智能服务已经可以通过自然语言处理技术，为用户提供高效、直观的数据可视化和分析能力。而对于非结构化数据，亚马逊则推荐使用QuickSight Business(简称QB)服务。QB服务利用深度学习等人工智能技术，可以连接企业内部的各种非结构化数据源，如网页、文档库、S3存储等，对这些数据进行智能分析和见解提取。

然而，将QuickSight和QB两者的分析结果无缝整合，是一个长期困扰企业的难题。过去，企业的商业智能团队往往需要手动收集和整理分散在各处的非结构化数据，这一过程占用了大量的人力和时间。据一家全球零售企业的BI团队分享，他们在处理商业分析请求时，80%的时间都花在了数据收集环节，只有20%的时间用于实际分析。他们需要将分散在各个分店、个人电脑和文件夹中的数据一一收集，然后再导入QuickSight进行规范化处理，最后才能开始实际的商业分析工作。此外，这种手动整合方式也缺乏可持续性，每当有新的分析需求出现，就需要重新搭建数据整合的“临时木桥”，一旦需求变更，这些临时桥梁就会被“台风冲走”，不得不重新搭建。

为了彻底解决这一痛点，亚马逊于去年推出了QuickSight与QB服务层面的整合方案。该方案实现了两者的双向交互，用户在QuickSight中提出问题时，它会自动从QB中拉取相关的非结构化数据见解，并与QuickSight的结构化数据分析结果整合呈现;同样地，在QB中也可以直接显示QuickSight报表中的数据，支持彼此的分析推论。

我们可以通过几个QuickSight的实例来体验这一创新功能。在QuickSight的问答框中，用户可以提出自然语言的问题，如“按产品系列排序销售数据”。QuickSight会在左侧显示“Insight from QB”的标识，表明部分见解来自QB的非结构化数据分析;而在右侧，则会生成一个整合了两者数据的图表报表，直观呈现分析结果。

另一个示例是生成业务报表，如年报或季报。用户只需在QuickSight中简单操作，它就会自动将QB中的非结构化数据分析内容一并整合进报表，为决策者提供更全面的信息支持。

此外，QuickSight还支持直接上传临时文件的功能。假设用户手头有一份新收到的报告或数据文件，只需将其拖拽上传，QuickSight就会自动分析该文件的内容，并纳入当前的报表分析中。这一功能极大地提高了临时数据的分析效率，避免了手动处理的繁琐流程。

预测未来销售趋势是企业经常面临的分析需求，QuickSight与QB的整合在这一场景下也展现出了独特的优势。如果预测分析仅基于结构化的历史销售数据，而忽略了企业内部关于2024年和2025年的一些营销计划调整等非结构化信息，那么预测的准确性将大打折扣。有了QB的支持，QuickSight可以将这些关键的非结构化数据纳入考量，从而提高未来销售趋势的预测准确性。这个案例很好地说明了为什么需要将QB与QuickSight整合，避免仅依赖结构化数据导致决策失误。

最后，我们来看一下QB与QuickSight的配置流程。首先，用户需要在亚马逊云科技控制台创建一个QuickSight账号，只需提供邮箱等基本信息即可。之后，在QuickSight的管理界面中启用QB功能，可以直接创建一个QB应用程序。创建完成后，QB的控制台会自动显示该应用，用户可以在此连接企业内部的数据源，如S3存储桶、网页等。QB支持多种数据源连接方式，用户可以按需配置，包括连接内部网页等，并可创建数据抓取配置。

配置完成后，当用户在QuickSight中提出问题时，它就会自动从QB中获取相关的非结构化数据见解，并与QuickSight的结构化数据分析结果整合呈现在界面上，为用户提供全视角的商业洞察力。

总的来说，QB与QuickSight的整合实现了结构化和非结构化数据的无缝融合，让企业能够从全新的视角洞察商业运营，避免由于数据孤岛而导致的决策失误。这是亚马逊云科技在商业智能领域的一项重大创新，具有深远的意义。相信随着越来越多企业体验到这一创新功能的价值，QB与QuickSight的整合必将推动商业智能应用迈向一个新的里程碑。

下面是一些演讲现场的精彩瞬间：

Mark Wu， a Claude AI engineer based in Taiwan， introduces himself and his role in providing technical support for Chinese-speaking customers globally.

Amazon’s BI team spent 80% of their time gathering scattered data from various sources before they could perform business analysis， which took only 20% of their time after using QuickSight.

Introducing the new integration between Amazon QuickSight and Amazon QuickBright， enabling seamless data insights and visualizations across both platforms.

The speaker demonstrates how QuickSight can provide business insights and visualizations by simply asking questions in natural language and sorting data based on specific criteria.

A detailed sales trend chart showcasing the importance of integrating data from various sources (Q， B， C) to accurately predict future sales and make informed business decisions.

After navigating to the QuickSight page， the video demonstrates how to enable the feature by accessing the Security and Personalize Permissions section under Management， where you can connect to the QuickSight QB Business app or create a new one.

希望通过补充资料和分享两个 vlog 的方式，让大家能够更好地理解并尝试配置演示中的设备和步骤。

总结

亚马逊云科技 QuickSight 整合非结构化数据分析的演讲旨在展示 QuickSight 的新功能，让用户能够全面分析结构化和非结构化数据。演讲者 Mark 吴解释了为什么需要整合这两种数据源，以获得更全面的商业洞见。他阐述了三个关键点:

1)          仅依赖结构化数据分析可能会错失重要见解，因为非结构化数据如报告、文档等也包含宝贵信息。2) 亚马逊推出了 QuickSight 与 Amazon Kendra (企业智能搜索服务) 的集成，让用户可以在 QuickSight 中直接访问和分析非结构化数据。3) 集成后，用户可以在 QuickSight 中使用自然语言查询，系统会自动从结构化和非结构化数据源中提取相关见解，并生成报表和可视化效果。

Mark 吴总结道，这一创新解决方案使用户能够以全视角分析商业问题，不再被有限的结构化数据所束缚。他鼓励观众尝试这项新功能，以充分利用企业内外的所有数据资源。

我们正处在Agentic AI爆发前夜。2025亚马逊云科技中国峰会提出，企业要从“成本优化”转向“创新驱动”，通过完善的数据战略和AI云服务，把握全球化机遇。亚马逊将投入1000亿美元在AI算力、云基础设施等领域，通过领先的技术实力和帮助“中国企业出海“和”服务中国客户创新“的丰富经验，助力企业在AI时代突破。