Laboratoire - Exploration des fonctionnalités de l'intelligence d'affaires générative dans Amazon QuickSight

Aperçu

Dans ce laboratoire, vous assumez le rôle d'un Auteur (Analyste) chez AnyCompany Banking & Financial. Vous utilisez les capacités d'Intelligence Générative d'Affaires (BI) de QuickSight, y compris les ensembles de données QuickSight, l'analyse et QuickSight Q, pour analyser les données de portefeuille de prêts et créer un tableau de bord complet qui fournit des informations précieuses pour soutenir les processus de prise de décision.

De plus, vous explorez les capacités de BI Générative pour obtenir des informations à partir des données et partager des histoires prêtes à être présentées avec d'autres.

Programme

• Introduction à Amazon QuickSight
Aperçu d'Amazon QuickSight et son rôle dans l'intelligence d'affaires
Principales fonctionnalités et capacités
• Configuration et mise en place initiale
Connexion aux sources de données bancaires et financières d'AnyCompany
Création et gestion des ensembles de données QuickSight
• Préparation et transformation des données
Techniques de nettoyage et de transformation des données
Création de champs calculés et de métriques dérivées
• Exploration des capacités BI génératives
Aperçu du BI génératif
Utilisation de QuickSight Q pour les requêtes en langage naturel
Exemples concrets de BI génératif en action
• Création de tableaux de bord complets
Principes de conception de tableaux de bord
Ajout de visuels, graphiques et widgets dans QuickSight
Mise en œuvre de l'interactivité avec des filtres et des commandes
• Analyse des données de portefeuille de prêts
Indicateurs clés et KPIs pour l'analyse de portefeuille de prêts
Analyse des tendances et indicateurs de performance
• Aperçus et narration avec QuickSight
Création d'un récit avec des données
Partage et présentation des aperçus en utilisant le mode Présentation
• Collaboration et partage
Partage de tableaux de bord et d'aperçus avec les parties prenantes
Configuration des autorisations d'accès et de la sécurité des données
• Bonnes pratiques et conseils avancés
Optimisation des performances et de l'évolutivité
Conseils pour une narration efficace des données
• Conclusion et prochaines étapes
Révision des concepts clés
Ressources et opportunités d'apprentissage supplémentaires

Sujets

Programmation