Amazon Q in QuickSight 实战：利用自然语言快速生成数据报表与洞察

背景介绍：传统 BI 的挑战与转变

在企业实践中，数据分析已成为推动业务增长和优化决策的核心能力。以电商为例，团队需要实时查看商品销量趋势、不同渠道的转化效果、用户浏览路径与复购行为；在运营或财务场景中，也常通过图表洞察成本结构、预算执行进度、活动投放回报等。这些关键指标往往通过 BI 报表以可视化方式呈现，让业务人员能更直观、更高效地理解数据背后的含义。

📢限时插播：Amazon Q Developer 来帮你做应用啦！

🌟10 分钟帮你构建智能番茄钟应用，1 小时搞定新功能拓展、测试优化、文档注程和部署

⏩快快点击进入《Agentic Al 帮你做应用 -- 从0到1打造自己的智能番茄钟》实验

免费体验企业级 AI 开发工具的真实效果吧

构建无限，探索启程!

然而，传统 BI 工具在实际使用中仍面临不小的挑战：首先，构建报表往往需要理解数据结构、掌握字段关系，甚至编写复杂的计算逻辑或 SQL 查询；其次，对于业务人员来说，如何选择合适的图表、设置过滤器、创建交互逻辑，都有较高的学习成本。很多时候，一个简单的业务问题可能需要技术团队支持才能完成，效率低且响应慢，严重影响了数据驱动决策的敏捷性。

随着生成式 AI 尤其是大语言模型的快速发展，数据分析领域正在发生显著变化。过去依赖手动建模、拖拽图表、编写查询语句的流程，正逐渐被“自然语言驱动分析”的方式所取代。这种变化带来的最大影响，是让业务人员可以用他们熟悉的语言与数据对话，不再依赖专业分析师或复杂工具，从而显著提升分析效率与业务响应速度。面对这样的趋势，越来越多的企业开始探索将 AI 与 BI 结合，以提升数据的使用效率和覆盖人群。

Amazon QuickSight 自 2016 年 re:Invent 正式发布以来，经历了从基础 BI 工具到智能分析平台的演进。2018 年推出的 SPICE 引擎和嵌入式分析，2019 年发布的 ML Insights，2021 年推出的自然语言查询功能 QuickSight Q，开始支持以自然语言对话分析的形式获取数据洞察。 2023 年 re:Invent 上发布的重大更新 Amazon Q in QuickSight，支持使用自然语言创建可视化，智能数据解释和洞察，自动生成仪表板和报告。这些进展体现了 QuickSight 在数据处理性能、分析能力和 AI 集成方面的持续创新，使其逐步发展成为一个强大的云原生 BI 平台。

本文将以一个完整的端到端示例为线索，介绍如何通过 Amazon Q in QuickSight 快速构建可视化报表，获取基于 Amazon Redshift 的业务洞察。我们将详细演示如何使用自然语言创建数据集、生成图表、执行自助式分析，并让 AI 自动总结关键趋势与建议。通过这个案例，你将了解如何在不依赖专业 BI 开发的前提下，迅速搭建业务报表，并高效地回答实际业务问题。文章最后还将结合实践，给出一些关于数据建模、字段命名、权限控制等方面的使用建议，帮助你更好地将 Amazon Q 应用于生产环境中。

实战操作演示：制作交互式报表与数据洞察

准备数据

以 Redshift 示例数据库 ticket 为例，这个数据库包含七个表：两个事实表和五个维度，可以帮助分析人员跟踪虚构的 TICKIT 网站的销售活动，用户可以在该网站上在线购买和销售体育赛事、演出和音乐会的门票。

进入 QuickSight 服务创建数据集，采用自定义 SQL 形式，将数据表组合成一个宽表。

建立 Redshift 链接

选择 Redshift 数据库及表

编辑自定义 SQL 进行 Redshift 数据预览

创建分析主题

QuickSight 中的 Amazon Q 主题是将业务问题与准确的数据洞察联系起来的基础。这些数据集合定义了 Amazon Q 如何解释和响应自然语言查询。Q 的自动数据准备功能可以从现有的表结构通过一系列模型处理建立语义理解机制，并且可以手动维护。它可以识别日期、维度和度量，以了解如何在答案中使用字段。

创建新的主题，关联数据集并且添加业务描述

查看自动数据准备为数据集添加的语义理解，同时可以手动维护

创建分析报表

关联主题及数据集

创建图标示例

what are the bottom 5 venuenames by total price per ticket with starttime from 2008 mar to 2023 apr?

Which event categories had the highest sales volume in 2008?

What was the total sales revenue for the year 2008?

Which venues hosted the most profitable events in 2008?

What was the average ticket price by category each month in 2008?

计算指标公式生成示例

报表发布

生成数据洞察

图标总结

The sheet provides insights on ticket sales data, combining information on total price paid, price per ticket by venue, and quantity sold by category.The total price paid across all data points is $110,765,431.The venues with the highest total price per ticket are Sahara Hotel (116,582), Caesars Palace (115,029), and Wynn Hotel (112,626).The categories with the highest total quantity sold are Pop (195,444), Plays (78,545), and Musicals (51,573).

生成数据故事

Which sellers consistently achieve fast sales with low discounts?Provide recommendations for new products as well

交互式自然语言查询

生产实践建议总结：安全及效率

在实际项目中，建议从以下几个方面入手，提升可用性、性能和数据安全性：

1、结合 SPICE 提升查询性能

使用 QuickSight 的内存引擎 SPICE（Super-fast, Parallel, In-memory Calculation Engine）可以显著提升报表响应速度。将数据集导入 SPICE 后，查询无需每次触发 Redshift 查询，既能减少对数据源的压力，又提升了用户交互体验，适用于频繁访问的仪表板和分析看板。

2、基于数仓模型优化数据结构

建议在 Redshift 中构建合理的数据建模结构，如星型模型或雪花模型，通过视图或数据处理管道预处理数据，使字段关系清晰、含义明确。这不仅有助于业务人员通过自然语言提问，更有利于 AI 模型理解上下文，生成准确图表与洞察。

3、管理员统一管理与分享关键报表

对于核心业务报表，建议由管理员使用 QuickSight 控制台的“资源管理器”功能进行集中管理，通过共享链接或群组访问权限控制进行分发，避免报表重复创建，同时提升可维护性和团队协作效率。

4、强化权限控制与数据安全管理

QuickSight 提供细粒度的访问控制能力，支持对数据源、数据集、字段级别和报表的权限设置。建议结合 IAM、用户组策略和 Row-level security（RLS） 机制，确保不同角色仅访问其有权限的数据，防止敏感信息泄露。在涉及财务、人事或战略性分析时，更应启用多层次的权限验证与数据脱敏处理，构建安全、合规的 BI 使用环境。

*前述特定亚马逊云科技生成式人工智能相关的服务仅在亚马逊云科技海外区域可用，亚马逊云科技中国仅为帮助您了解行业前沿技术和发展海外业务选择推介该服务。

参考资料与延伸阅读

• QuickSight 官方文档： https://docs.aws.amazon.com/zh_cn/quicksight/latest/user/welcome.html
  

• QuickSight 用户社区：https://community.amazonquicksight.com
  

• Workshop：https://catalog.us-east-1.prod.workshops.aws/workshops/56fa0cf7-a3d1-474f-8b2c-4befcaa99da8/en-US/2-authoring-experience/create-calculations-using-natural-language
  

本篇作者

本期最新实验为《Agentic AI 帮你做应用 —— 从0到1打造自己的智能番茄钟》

✨ 自然语言玩转命令行，10 分钟帮你构建应用，1 小时搞定新功能拓展、测试优化、文档注释和部署

💪 免费体验企业级 AI 开发工具，质量+安全全掌控

⏩️[点击进入实验] 即刻开启 AI 开发之旅构建无限, 探索启程！