AI賦能已經是BI軟體必備的功能,此番整合Amazon Q的AI能力後,Amazon QuickSight Q能否在競爭激烈的BI市場,繼續攻城掠地?
上週透過AWS邀請,在AWS參加了一場Amazon QuickSight Q的workshop,而在參加前,我完全沒有使用BI的經驗,所以這次算是我第一次的BI體驗,所以如果期待這篇文章會有跟其他BI軟體例如Tableau或是Power BI的比較,可以直接按上一頁離開,那就讓各位失望了,之後應該會另外寫一篇關於各種市面上主流的BI的評測比較,這篇的重點,就著重在我對於Amazon QuickSight Q這個服務的看法
訂閱制的SaaS服務
Amazon QuickSight Q不同於AWS大部分的服務屬於IaaS或PaaS,它是一個純SaaS服務,而且與一般雲端的pay-as-you-go計費模式不同,採取的是SaaS普遍使用的訂閱制計費,好處是包月吃到飽,對於有重度BI分析需求的公司來說,具有完整BI功能加上Amazon Q的AI輔助,每人每月的費率50美金,如果只有資料分析師跟決策階層會使用,那麼這個定價看起來還滿合理的
資料來源
既然是AWS底下的服務之一,Amazon QuickSight Q當然支援從眾多自家的服務中匯入資料,舉凡S3,Athena,RDS,Redshift,Aurora…等;或甚至從外部的服務例如salesforce,Github,Google BigQuer...匯入,串接自家地端的資料庫如Oracle DB,SQL Server也是BI基本功能,最基本還可以上傳csv,excel或json等檔案當成資料來源,如果已經是AWS的雲端服務用戶,AWS的眾多生態系整合當然是最大賣點,但Azure與Google Cloud也是有自己的雲端BI服務,生態系的整合才是雲端三強比拚服務的底氣
Amazon QuickSight Q支援眾多的匯入資料來源
這些匯入的資料,在系統內稱之為"資料集",是後續執行資料分析的基本單位,匯入的資料會出現類似資料庫的表格,可以針對每個欄位的資料類型(例如字串,整數,浮點數,日期...等)調整,或是排除特定欄位,在之後資料分析與視覺化的操作中,就不會使用到被排除的欄位,但不會影響到原始資料的完整性
主題 - 界定使用者詢問問題的範圍
主題這個概念很有趣,就像是先跟Amazon Q先講好我要問你問題的範圍,不會超過我要加入的資料集範圍,類似先做好RAG的概念,避免AI回答時過度胡言亂語發散,而且很貼心的讓使用者可以新增編輯類似標籤的"同義詞(synonyms)",讓AI學習某些欄位的其他表達方式(例如,我有個欄位叫做City,我可以新增synonyms,告訴AI說：地點、城市、城鎮等名詞,就是City的意思)
在2025年7月,主題多了一個新功能"custom instructions",讓使用者自訂指示(定義特定名詞或問題範圍)或是加入使用者自身的知識領域,讓AI可以透過自訂指示學習並據此回覆問題,例如下圖的範例,使用者告訴AI,我詢問customer purchase detail其實就是請你撈出客戶名稱+國家地區+是否為忠誠顧客(loyallty card)+烘焙類型....等,而loyallty card欄位中的yes就表示是忠誠顧客的意思,這樣AI就會依照你的指示撈出你想要的資料
customer instruction範例
分析 - 產生視覺化報表
視覺化報表就是BI的靈魂,QuickSight Q主打可以透過自然語言就產生視覺化報表,透過剛才建立的"主題",就可以使用"Build visual"按鈕,AI會自動把你的自然語言轉譯成精準的指令(因為每個人的表達精準度會有一些落差),一鍵產生豐富的報表,要是想要改變圖表類型,也可以隨時變更,這些產生的視覺化報表,也可以在下一步驟發布成儀表板
透過自然語言生成視覺化報表
在裡面有一個叫做"計算欄位"的功能,光看名稱讓人無法聯想到他的功能,其實就是BI軟體常見的條件判斷式,只是計算欄位功能可以用自然語言就讓AI產生條件判斷式,之後在分析資料時可以產生一個基於條件判斷式的結果的新欄位(例如資料格式轉換,條件判斷,數學運算等),範例中是產生一個計算欄位去計算折扣後的價格,就可以與原始價格欄位做比較
計算欄位產生的計算公式
儀表板 - 整合所有你有興趣的分析圖表
QuickSight Q的儀表板是透過將"分析",產生的圖表,勾選有興趣的圖表,全部整合在一個頁面上,之後就可以透過自然語言與AI互動問答,讓AI挖掘深層的資料含意與關聯分析,也可以分享你自己的儀表板給其他使用者觀看
與AI互動問答,產生資料洞見
資料故事 - 讓資料幫你講故事
想像一個情境,你是一名資料分析師,你老闆跟你說,明天早上要跟CEO報告這一季的業績分析報告,而你必須在成千上萬的報表中,理出脈絡頭緒,還得生出一份圖文並茂,又精美,又看起來頭頭是道的報告出來,所以你的夜晚只能淹沒在分析報表中,點一份麥當勞當晚餐,狂灌蠻牛中渡過,有了Amazon QuickSight Q,你只需要滑鼠點幾下,當你咖啡還沒喝完前,AI就會幫你產生一份既精美、具備嚴謹邏輯分析脈絡,又可以提出深度洞見的報告,簡直是拯救無數資料分析師或是業務主管的神隊友阿~
利用資料故事功能,產生預計與主管報告明年業務拓展的報告
就會產生一份有標題、完整架構與圖表的圖文並茂的報告
Scenario - 假設情境,挑戰AI思考的決策工具
假設你今天想做一個決策,比方說,調整商品的單價,但又不確定調漲商品價格後客戶會不會被嚇跑,反而造成營收下滑,想要做一個分析模擬,傳統上要先做價格影響評估,才能決定是否要漲價,漲幅多少,或是不漲價;而價格影響評估中,情境模擬(不漲價/漲幅5%/漲幅10%...)的分析,現在可以交給QuickSight Q幫你完成
Scenario可以透過透過不同假設情境,分析不同決策下的結果,用戶可以反覆挑戰,提出問題,讓AI思考不同情境下的風險與機會,例如用戶可以提出: "如果將產品定價漲價10%,會增加營業額與毛利嗎? 如果漲價5%又有什麼影響呢?"之類的假設性問題,以在決策前事先預測可能的結果,快速產生AI分析的結果,加速傳統情境模擬的時間,讓決策階層可以把時間精力更專注在營運決策上
詢問AI如果我們明年咖啡漲價的話,會不會影響銷售與利潤?
AI會透過一步步思考分析以及假設後,提供結論
結論: 好用好入門的雲端BI服務
如果企業本身就是AWS生態系的使用者,那麼我會建議不妨使用Amazon QuickSight Q,整合度最完整,學習門檻低,又可以節省資本支出;如果企業有專業的BI分析的需求,不見得要跟AWS生態系綑綁在一起,又或者是其他公有雲生態系的使用者,那麼Azure或GCP的雲端BI服務,或是傳統的BI軟體就會是QuickSight Q的最大競爭者,目前看起來雖然傳統BI還沒有跟上AI分析這一步,但這只是時間問題,Amazon QuickSight Q要不專注於維持AWS生態系的使用者,要不就要從AI服務上想辦法跟其他競品做出區隔,否則目前的平靜的藍海很快又會回到紅海的殺戮戰場了
