AWS опубликовала третью часть руководства по созданию no-code ML-пайплайна, объединяющего Snowflake, Amazon SageMaker Canvas и Amazon Quick Sight (теперь часть Amazon Quick). Материал описывает, как импортировать предсказания модели в Quick Sight, строить интерактивные дашборды и использовать генеративные функции BI для анализа данных на естественном языке. Это завершающий шаг в серии, начатой с настройки инфраструктуры Snowflake и продолженной обучением модели детекции мошенничества на XGBoost в SageMaker Canvas.
Amazon Quick Sight — это BI-сервис для создания дашбордов и анализа данных. В составе Amazon Quick он получил генеративные возможности: пользователи могут задавать вопросы о данных на естественном языке, а система строит визуализации и расчёты по описанию. Для команд, уже использующих SageMaker Canvas, Quick Sight предлагает прямой путь от ML-предсказаний к дашбордам без дополнительной инфраструктуры или кастомных интеграций. В примере AWS дашборд показывает паттерны мошенничества по категориям транзакций, поведению мерчантов и временным трендам.
Процесс начинается с импорта датасета предсказаний Canvas в Quick Sight. После этого в консоли Quick Sight нужно выбрать «Create analysis» и построить визуализации. Генеративный BI ускоряет создание дашбордов: через панель с иконкой «sparkle» пользователь может описать желаемый визуал на естественном языке, например «fraud rate by transaction hour», и система предложит готовый график, который можно добавить в анализ. Для доступа к этим функциям требуется upgrade пользователей до ролей Admin Pro, Author Pro или Reader Pro в подписке Amazon Quick.
Quick Sight, входящий в Amazon Quick, поддерживает генеративный BI: запросы на естественном языке и создание визуализаций по описанию.
Этот материал полезен для специалистов, которые хотят использовать ML без написания кода, но нуждаются в BI-инструментах для визуализации результатов. No-code подход снижает барьер входа: данные из Snowflake обрабатываются в Canvas, модель обучается на XGBoost, а предсказания попадают в дашборды Quick Sight. AWS подчёркивает, что такой конвейер не требует дополнительных интеграций, что упрощает внедрение в организациях, уже использующих перечисленные сервисы.
Ограничения: генеративные функции доступны только на платных ролях, что может быть барьером для небольших команд. Кроме того, руководство предполагает выполнение предыдущих частей, поэтому новичкам стоит начать с первой статьи цикла. В целом, материал демонстрирует зрелость no-code ML-инструментов AWS, которые теперь покрывают полный цикл — от данных до бизнес-решений.
