构建对话数据助手,第2部分 - 快速添加Amazon Q嵌入生成商业智能

在这篇文章中,我们深入研究了如何将Amazon Q迅速地集成,以转换自然语言请求,例如“向我展示过去6个月在美国返回了多少个项目”为有意义的数据可视化。我们演示了如何在Quicksight中将亚马逊基岩代理与Amazon Q相结合,创建了一个全面的数据助手,该数据助理通过单个直观的对话界面(跨企业的数据访问)提供SQL代码和视觉见解。

来源:亚马逊云科技 _机器学习
在本系列的第1部分中,我们探讨了亚马逊的全球回报及推荐(WWRR)组织如何构建了回报和推荐数据辅助(RRDA) - 一种生成的AI解决方案,该解决方案将自然语言问题转换为使用Amazon Bedrock代理商进行了验证的SQL查询。尽管此能力改善了技术用户的数据访问,但WWRR组织的真正民主化数据的旅程并没有结束。对于WWRR的许多利益相关者,可视化趋势和模式比使用原始数据更有价值。这些用户需要快速见解来推动决策,而不必解释SQL结果。尽管我们为常见的指标维护预先建造的亚马逊快速仪表板,但企业用户经常需要支持长尾分析的支持,即深入研究特定问题,异常或区域变化的能力,该差距弥合了这一差距,我们将RRDA解决方案扩展到了SQL的生成以外的SQL解决方案到包括可视化的能力。在这篇文章中,我们深入了解了如何将Amazon Q迅速地集成,以转换自然语言请求,例如“向我展示过去6个月在美国返回了多少个项目”中的有意义的数据可视化。我们证明了如何在Quicksight中将亚马逊基石代理与Amazon Q相结合,创建了一个全面的数据助手,该数据助手通过单个,态度态度的对话界面(跨企业中的数据访问)提供SQL代码和视觉见解。在整个企业中进行了大众化的数据访问。用于视觉分析的整体体系结构的整体体系结构图是两个部分。在第1部分中,我们专注于生成SQL的上路。对于第2部分,我们探索了下部路径(以下图中以红色突出显示),该路径将用户直接连接到QuickSight.RRDA架构中的Amazon Q的视觉见解概述突出显示可视化途径(以红色显示),以通过q toce eborieva reterieva