使用Amazon QuickSight自助业务智能工具赋能客户

文章要点

Prospect是一家数据分析公司，利用人工智能帮助体育行业优化决策。通过与Amazon QuickSight的合作，Prospect转变了业务模式，提供更直接的数据分析和业务智能工具。QuickSight的集成简化了数据洞察的获取，提升了客户独立使用分析工具的能力。新的商业模式提高了交付效率，减少了开发时间，客户能够实时获取数据分析结果。

这是由Prospect的Mark Einhorn博士撰写的客座文章。

Prospect是一家数据分析公司，致力于帮助体育行业利用人工智能AI做出决策，涉及从赛场到决策层的广泛领域。我们的客户包括球队、联盟、管理机构、广播公司、票务代理和赞助商。在此，我们分享了与Amazon QuickSight合作的经历，这让我们的业务模式从以咨询为主转向直接向客户提供强有力的数据分析和商业智能BI工具。

在Prospect的核心是一个由数据科学家、数据工程师和DevOps工程师组成的团队，他们为客户开发定制的分析产品，使客户能够从数据中获取洞察和价值，并利用我们的专有性能模型和数据实体。

随着公司的发展，我们需要扩展数据智能服务的可及性。这意味着我们必须考虑改变业务模式和技术架构。自2021年3月从4人增长到现在的45人，我们的客户基础和产品范围也有了显著增长。从最初的橄榄球领域的一位客户，现已扩展到多个领域，包括橄榄球、板球、曲棍球、电子竞技和足球。

将体育分析技术交到客户手中，依靠QuickSight

我们的咨询流程带来了时间和资源的挑战。在为客户提供影响之前，我们的团队需要完成多项繁重的工作，包括数据导入、为每位客户建立模型需求、将模型输出转化为清晰的可交付成果，并展示最终结果。

我们的目标是让客户自己能够使用我们的AI模型，允许他们互动、监控输出结果并持续评估数据，以便能够做出相应的决策，而不再依赖Prospect团队。

然而，首先我们需要解决一些严峻的挑战，才能切换到自助模式。我们寻找的技术解决方案需要具备以下几个要素：

提供一个强大且直观的客户端产品最小化最终用户在理解和解释数据时的障碍实现实时数据视图，随时更新并通过我们的AI管道处理与现有的数据存储、技术栈和AI模型管道集成与我们的持续集成和持续交付CI/CD管道相配合，确保遵循开发最佳实践

优先事项：集成和洞见的清晰性

我们评估了几种不同的自助BI工具，但发现过高的授权费用以及与现有基础设施模型的集成能力存在问题。

在与QuickSight团队接洽后，很快明确它在扩展费用和技术栈集成的便利性方面都是最佳选择。QuickSight提供了清晰的洞察。我们希望用户能够提取仪表板可视化中所需的确切信息，无论他们有1分钟还是30分钟的时间去查看。

QuickSight在几个关键领域给我们留下了深刻的印象：

与我们的AWS数据栈和CI/CD管道的强大且简单的集成快速原型和创建仪表板可视化的简便性仪表板能够实时显示数据内建的用户管理功能，使得客户上手和管理数据访问的成本分摊高效

快速创建定制洞察，借助仪表板模板和内置安全

我们的模型和所提供的仪表板根据最终用户的不同需求而复杂程度不同。我们可以为票务客户创建更模板化的方案，这些方案在外观和功能上大致相似，而两支不同足球队的仪表板可能在教练团队的需求上有所不同。

在我们的旧流程中，首先是在Terraform中构建CI/CD架构以进行部署。然后我们为数据构建管道，以导入、清理、聚合和存储数据，以便建模并呈现在仪表板中。最终，我们训练、测试和验证我们的AI数据模型，然后进行托管和监控。

与QuickSight的合作简化了这一过程，加快了部署速度。该配置仪表板让我们能够为新客户构建可配置的模板。

此外，QuickSight中的参数和行级安全性允许我们限制特定客户的数据，即便是在相同的数据湖中查询，这确保客户只能查看自己的数据。这意味着无需从头开始创建数据集，缩短了部署时间，降低了维护成本和数据集数量。

解决方案概述

我们的数据存储在Amazon S3中，通过AWS Glue进行爬取，在Amazon Athena中表格化，并通过QuickSight拉取到我们的仪表板中。这是一个无缝的AWS生态系统，大大减少了开发人员的工作负担。

下图展示了解决方案架构。

新的商业模式

QuickSight改变了Prospect的运营方式。在这一转型的核心是从咨询和大量内部工作的重大转变，变为一个更为实用且实时的系统，让客户可以自行使用。

QuickSight大大降低了我们的构建时间。其从共享数据湖提取数据的能力，同时保护客户数据隐私，以及模板化和可配置的仪表板，使我们能够更快、更有效地扩展。

我们仍在评估财务影响，但初步迹象表明收益显著。来自体育行业的客户更靠近我们的产品，了解最佳实践，以一种新方式获取洞察。

组织能够使用直接查询实时访问洞察的能力也非常强大。输入QuickSight的数据可以即时用于分析，这意味着我们的客户可以更快地做出更好的决策。

以下截图展示了我们提供的几种体育BI仪表板。

第一个仪表板量化了与特定足球队相关的品牌曝光的货币价值。

白鲸加速器电脑版

以下仪表板显示了多个足球联赛的预期电视观众人数，并可按不同国家市场进行筛选。

最后一个仪表板是对我们专有的Prospect Interest Index的可视化；这是衡量不同地理市场上对体育产品球队、联赛、运动员关注和情感的代理指标。它融合了多个不同的数据源，如网站搜索、网站访问和与实体相关的社交媒体活动。

展望未来

我们正在完善在初始模板、工作流和分析能力中使用QuickSight的方法，以便为更多客户提供服务。

在探索QuickSight的功能时，我们的路线图上添加了令人兴奋的新特性。我们计划将在我们的技术中嵌入QuickSight的可视化内容，并探索Amazon Q in QuickSight，这是一个自然语言模型，可以使我们客户团队中的任何人能够深入挖掘我们提供的数据，找到所需的洞察，而无需具备数据科学或工程专业知识。

开始使用QuickSight

要了解QuickSight及其尖端功能如何提供新应用、减少内部开发时间，并使数据洞察变得更快、更智能和更容易访问，请访问Amazon QuickSight。

关于作者

Mark Einhorn博士是Prospect的分析负责人。他是一位杰出的分析专业人士，拥有斯坦伦博斯大学的运营研究博士学位。作为Prospect的分析负责人，他利用在麦肯锡公司担任专职数据科学家的丰富经验。Mark在描述性、预测性和指导性分析方面的专业知识颇受认可，并成功领导了众多以数据为驱动的项目。他还在麦肯锡建立了分析学院，在那里他为客户人员提供培训，提升他们作为数据科学家和数据工程师的技能。Mark对培养优秀人才和推动创新充满热情，致力于帮助初级团队成员成长，并将新技术融入Prospect的客户服务中。

加载评论