标签

云平台

把 QuickSight 的业务语义从 Topics 迁到数据集层

来源: aws.amazon.com 45
Amazon QuickSight 正在把业务上下文的重心从 legacy Topics 推向更靠近数据本身的 semantic datasets，也就是 Dataset Enrichment。变化的关键不只是“入口换了”，而是语义定义的位置变了：字段别名、业务词汇、默认聚合、字段描述这类知识，不再只服务某个 Topic，而是沉到数据集层，供更多分析体...
# AI # AWS # 云平台
阅读全文

Amazon QuickSight 多数据集关系：别再把所有表提前拍平

来源: aws.amazon.com 37
Amazon QuickSight 新增的 Multi-Dataset Relationships 让 Topic 可以理解多个数据集之间的逻辑关系，并在查询运行时执行 join。这个变化的核心不是“多了一个 join 功能”这么简单，而是 BI 建模方式从“提前做一张大宽表”转向“保留业务表边界，在语义层声明关系”。 对做 QuickSight Q、...
# AI # AWS # 云平台
阅读全文

Amazon QuickSight 多数据集关系建模：从表结构到 SQL 落地

来源: aws.amazon.com 38
Amazon QuickSight 的多数据集关系建模，不只是把几张表拖到一起。真正麻烦的地方在于：不同业务表的粒度不同、维度表可能复用、事实表之间不一定能直接 join，错误的模型会让看板出现重复计数、指标膨胀或过滤器失效。来源文章的重点从概念转向模式：针对不同 schema，梳理表结构、适用场景、实现步骤、示例 SQL，并讨论高级场景下需要额外建模...
# AI # AWS # 云平台
阅读全文

为 Amazon QuickSight Chat 设计多数据集 Topic：让自然语言分析少走弯路

来源: aws.amazon.com 28
当业务用户开始用自然语言提问时，BI 团队面对的难点不再只是“图表能不能做出来”，而是 Chat 能不能把问题映射到正确的数据集、字段和业务口径。多数据集 Topic 的价值就在这里：它把多个相关数据集组织成一个可问、可解释、可治理的语义入口，让销售、运营、财务等用户不用先知道表名，也能探索数据。 这篇文章面向数据架构师、BI 工程师和分析工程师，讨论...
# AI # AWS # 云平台
阅读全文

用 Amazon QuickSight 多数据集 Topic 搭一层统一语义层

来源: aws.amazon.com 40
Amazon QuickSight 的 multi-dataset Topics 让一个 Topic 不再只能围着单张数据集回答问题。对零售、财务、运营这类天然分散的数据域来说，这个变化很关键：业务用户可以在同一个聊天入口里问跨数据集问题，而不是先猜订单、库存、门店、营销分别在哪张表里。 传统 BI 里的自然语言问答常卡在一个地方：字段名能解释，但数据...
# AI # AWS # LLM
阅读全文

用 Amazon Bedrock AgentCore 搭一个无服务器图片编辑 Agent

来源: aws.amazon.com 37
图片编辑正在从“打开专业软件、找按钮、调参数”变成“上传照片，说一句要改什么，然后等结果”。这篇内容介绍的是一个基于 Amazon Bedrock AgentCore harness 的无服务器图片编辑 Agent：用户上传图片，用自然语言描述编辑需求，系统在几秒内返回处理后的图片。关键点不是单个模型调用，而是把认证、加密存储、三类图片编辑工具、Age...
# AI # AWS # LLM
阅读全文

用 Evidently、SageMaker AI 和 MLflow 搭一条可追踪的模型监控链路

来源: aws.amazon.com 40
模型上线以后，真正的工作才刚开始。输入数据分布会变，业务人群会变，特征管道也可能悄悄变。来源文章讨论的是一条比较务实的路线：用开源 Evidently 生成数据与模型监控报告，用 Amazon SageMaker AI 承载执行与扩展，再把结果组织到 MLflow 里做对比，并通过流水线和漂移通知把监控变成持续机制。 对判别式机器学习模型来说，常见目标...
# AI # AWS # 云平台
阅读全文

用 Amazon Bedrock AgentCore 搭一个 AWS 支持助手

来源: aws.amazon.com 38
AWS 支持排障经常卡在几个系统之间：CloudWatch 里看日志，文档站里查限制和配置，re:Post 里找相似案例，必要时再去创建 Support Case。这个方案把这些动作收进一个对话入口：用 Amazon Bedrock AgentCore 承载智能体，用 Strands Agents 做编排，通过 Model Context Protoc...
# AI # AWS # LLM
阅读全文

AWS 财务团队如何用 Amazon Quick 把重复流程交给聊天代理

来源: aws.amazon.com 29
AWS Finance 的案例值得关注，不是因为“又多了一个聊天框”，而是因为它把财务团队最耗时的两类工作流交给了 Amazon Quick 里的 chat agents 和 Flows：前者负责对话式收集、解释和推进任务，后者把多步骤流程固化成可重复执行的路径。对财务团队来说，节省数百小时通常不是来自一次大重构，而是来自把每天反复发生的查找、核对、转...
# AI # AWS # LLM
阅读全文

用 Amazon FSx for NetApp ONTAP 快速切到只读灾备区

来源: aws.amazon.com 30
S&P Global Market Intelligence 为 Capital IQ 平台设计了一套基于 Amazon FSx for NetApp ONTAP 快照的灾难恢复方案：主区域出问题时，先在 15 分钟内把二级区域切成只读服务，保证全球金融用户还能读取一致的数据；随后再按需推进完整的读写恢复。这个思路值得关注，因为它没有把“灾备成...
# AI # AWS # 云平台
阅读全文