QuickSight: el BI en cloud de AWS

Clase 44 de 52 • Curso de Big Data en AWS

Contenido del curso

Bienvenida e introducción al curso

Arquitecturas

Extracción de información

Transformación de Información

Carga de Información

Consumo de información

Seguridad, Orquestación y Automatización

Clase pública

52
Las cinco B de big data explicadas
01:44 min

Tomar examen

Resumen

AWS QuickSight destaca en AWS por su enfoque en visualización de información y análisis para business intelligence en cloud. Permite crear y consumir dashboards interactivos desde PC y dispositivos móviles, integrarse con múltiples fuentes y escalar hasta diez mil usuarios, posicionándose como el servicio principal de visualización en AWS.

¿Qué es QuickSight y por qué es clave en AWS?

QuickSight es un servicio en cloud enfocado en analítica y visualización para equipos de negocio. Ofrece un cliente móvil para ver, filtrar y crear gráficos desde el celular, lo que facilita el acceso a métricas en cualquier momento. Además, escala hasta diez mil usuarios, y Amazon ha invertido fuertemente en su evolución debido a la necesidad de un servicio competitivo frente a opciones del mercado como Tableau.

Servicio de AWS para business intelligence en cloud.
Cliente móvil para visualización y filtrado de datos.
Escalabilidad hasta diez mil usuarios.
Priorizado por AWS para cerrar brechas frente a Tableau.

¿Cómo funciona la arquitectura e integración de QuickSight?

La arquitectura parte de fuentes de datos diversas que puedes almacenar en S3 o Redshift, y luego conectar a QuickSight para lectura y creación de dashboards. Integra fácilmente con Athena, lectura directa desde S3, carga de archivos CSV, y conexión a otros proveedores de cloud, bases de datos y hojas de cálculo. También permite embeber dashboards en aplicaciones mediante su API, aportando flexibilidad operativa.

¿Qué fuentes de datos admite?

Bases de datos relacionales y no relacionales.
Otros proveedores de cloud.
Hojas de cálculo.
S3 como repositorio de archivos.
Redshift como almacén de datos.
Athena para consultas sobre datos en S3.
Archivos CSV subidos manualmente.

¿Cómo se embebe en aplicaciones con API?

Publicación de dashboards dentro de aplicaciones propias.
Integración mediante API para control de acceso y experiencia embebida.
Mayor flexibilidad en casos de uso internos o de clientes.

¿Qué hace SPICE en las recomendaciones?

QuickSight incorpora un motor de machine learning llamado SPICE que aconseja tipos de visualización según el origen y la naturaleza de la data. Este soporte guía la elección del tipo de gráfico más adecuado para comunicar mejor la información.

¿Qué impacto tiene en usuarios y decisiones?

Con QuickSight, los stakeholders consumen la información desde dispositivos móviles o PC, o directamente en aplicaciones embebidas, para tomar decisiones informadas. La plataforma facilita la entrega de insights a gran escala, manteniendo la consistencia entre equipos y fuentes.

Consumo de insights en móvil y PC.
Visualizaciones adecuadas según la data y el gráfico sugerido.
Distribución a grandes audiencias dentro de la organización.
Herramientas para filtrar, explorar y decidir en contexto.

¿Ya usas QuickSight o estás evaluándolo? Comparte tu caso y dudas en los comentarios para enriquecer la discusión.

Comentarios

Juan David Cajamarca Acuña

student•

AWS QuickSight es el servicio más dedicado a visualización dentro de AWS. Es un servicio en Cloud de AWS enfocado en Business Intelligence para análisis y visualización de información. Este servicio cuenta con un cliente para dispositivos móviles. AWS QuickSight puede escalar hasta 10.000 usuarios, y su cobro es por demanda.

Características

Machine Learning: Por detrás, cuenta con un motor de Machine Learning llamado SPICE, que incluye funcionalidades como detección de anomalías, prevención, alertas, sugerencias de visualización, entre otras.
Visualización: Utilizando el API permite realizar el embebido de Dashboards en diferentes sistemas.
Integración: Permite integración con una gran variedad de servicios dentro de AWS y servicios de terceros.

Alexander Bolaño Cervantes

student•

Es posible embeber los Dashboards generados en Kibana de igual manera que con Quicksight ??? , pensando en ofrecerle un servicio de visualización personalizado por cliente .

Carlos Andrés Zambrano Barrera

teacher•

No he visto esta funcionalidad de Kibana, con seguridad en el de AWS no se puede. Depronto en el opensource podrías hacerlo o en el open distro. Pero con el de AWS no se puede. Ahi se agrega una capa de complejidad y es manejar los permisos de ELK de AWS.

Darvin Orozco

student•

Con la característica de que QuickSight puede escalar hasta 10 mil usuarios, ¿Se refiere a 10 mil usuarios concurrentes?

Ana Lima

student•

¡Hola Darvin! Sí, el máximo sería 10 mil y es concurrente. Además, recuerda que el cobro es por demanda ;)

Darvin Orozco

student•

Hola @SoyAnaLima gracias por tu respuesta. Yo creo que 10 mil usuarios concurrentes se hace poco para ciertas apps parecidas o con el potencial de llegar a ser Instagram, snapchat, etc.

Mario Alexander Vargas Celis

student•

🚀 Introducción a Amazon QuickSight

Amazon QuickSight es una herramienta de Business Intelligence (BI) en la nube que permite crear dashboards interactivos y visualizaciones a partir de datos almacenados en AWS.

1️⃣ Configurar Amazon QuickSight

Ir a la Consola de AWS → Busca QuickSight.
Suscribirse a QuickSight (elige la versión Standard o Enterprise según necesidades).
Seleccionar almacenamiento de datos:
- Amazon S3
- RDS / Redshift
- Athena
- Archivos CSV / JSON
- Conexión a bases de datos externas (MySQL, PostgreSQL, etc.)

2️⃣ Conectar QuickSight a una Fuente de Datos

Ejemplo: Conectar a Amazon Redshift

En QuickSight, ir a Datasets → New Dataset.
Seleccionar Amazon Redshift.
Ingresar la información de conexión:
- Cluster ID
- Database name
- User y password
- Schema y tabla
Hacer clic en Validate Connection.
Importar los datos o conectarse directamente con "Direct Query".

3️⃣ Crear Dashboards en QuickSight

Seleccionar un Dataset y hacer clic en Create Analysis.
Agregar visualizaciones:
- Barras, líneas, mapas de calor, gráficos circulares, etc.
Aplicar filtros y cálculos con funciones como AVG(), SUM(), COUNT().
Publicar como Dashboard y compartir con usuarios.

4️⃣ Casos de Uso con AWS

Análisis de ventas con datos en Redshift.
Monitorización de logs desde AWS S3 y Athena.
Seguimiento de KPIs de negocio en tiempo real.

Alejandro Velazquez Mercado

student•

Que seria lo mejor para traer información de microsoft sql server, hacer el ETL correspondiente y usar Quicksight para visualizar la información, es recomendable usar redshift y luego conectarlo a quicksight o se conectaria directo del output que tengamos de aws glue , que es lo recomendable para este caso? Saludos

David Toca

student•

Si, si quieres usar quicksight debes primero almacenar todo en redshift, no puedes usar directamente quicksight y aunque pudieras perderias todo el historico

Carlos Andrés Zambrano Barrera

teacher•

Depende de tu caso de uso, no usaria Redshift por el alto costo que generaría. Lo que puedes hacer es un ETL de Glue tomar la data de SQL y la mandas a S3, creas un crawler que lea toda la data y alimente el glue catalog y desde athena puedas verla. Ahora conectas athena a quicksight y solo tendrás costo asociado cuando hagas query sobre la data, en redshift tendrias que pagar por el cluster.

Alejandro Velazquez Mercado

student•

Respecto a power bi report server hay alguna mejora o ventaja con este servicio que es a demanda?

Anibal Rojas

teacher•

Tal ves por un tema de madurez Power BI tiene más features, mientras que por diseño QuickSight puede ser un poco más sencillo de usar, pero ambas son herramientas muy completas.

LUIS RICARDO MARTINEZ TOBALINA

student•

QuickSight permite desarrollar nuevos gráficos o tiene algún tipo de marketplace como power bi?

Usuario anónimo

user•

Es un servicio enfocado para Business Intelligence en cloud para análisis y visualización. Cuenta con un cliente para dispositivos móviles. Puede escalar hasta 10000 usuarios. Incluye funcionalidades de machine learning para detectar anomalías y prevenir. Se puede integrar con varios servicios dentro de AWS y servicios de terceros.

LUIS GERARDO CAMBAL BARAHONA

student•

QuickSight es el servicio mas importantede AWS para Business Intelligence

john ct

student•

Amazon QuickSight is a fast business analytics service to build visualizations, perform ad hoc analysis, and quickly get business insights from your data. Amazon QuickSight seamlessly discovers AWS data sources, enables organizations to scale to hundreds of thousands of users, and delivers fast and responsive query performance by using a robust in-memory engine (SPICE).

john ct

student•

You can create Amazon QuickSight data sets by using your own data sources or other data sources that are shared with you. Then you can create Data Analyses, visualize the data, and share it through data dashboards. To get a first look at how it works, you can explore Amazon QuickSight using some sample data. These can be downloaded from the following links, in case you don't already have them:

john ct

student•

B2b Sales data

Business overview data (revenue)

ML insights data

People overview data (human resources)

Sales pipeline data

Web and social media analytics data (marketing)

Usuario anónimo

user•

QuickSight es para análisis y visualización en Cloud en Business intelligence, hasta 10 mil usuarios y cuenta con cliente para dispositivos móviles.

john ct

student•

Usuario anónimo

user•

QuickSight Visualization

john ct

student•

SPICE SPICE is Amazon QuickSight's Super-fast, Parallel, In-memory Calculation Engine. SPICE is engineered to rapidly perform advanced calculations and serve data. The storage and processing capacity available in SPICE speeds up the analytical queries that you run against your imported data. By using SPICE, you save time because you don't need to retrieve the data every time you change an analysis or update a visual.

john ct

student•

Typical Amazon QuickSight Workflow The first time you create an analysis, the typical workflow looks like this:

Add or upload a data source, and use it to create a new data set.

(Optional) Prepare the data – get it ready for reports by standardizing field names, or adding calculations, for example.

Visualize (create) a new analysis from the data set.

Choose some fields to create the first visual in the analysis. You can use AutoGraph to dynamically create a visual based on the number and type of fields you choose. Alternatively, you can choose the visual type you want to use.

(Optional) Make changes to the visual if you want to (for example, by adding a filter or changing the visual type).

(Optional) Add more visuals to the analysis. You can resize and arrange them in the workspace.

(Optional) Capture the analysis into a story to create a narrative about some aspect of the data analysis.

(Optional) Publish the analysis as a dashboard to share insights with other users.

john ct

student•

Data Preparation Data preparation is the process of transforming raw data for use in an analysis. This includes making changes like the following:

Filtering out data so you can focus on what's important to you

Renaming fields to make them easier to read

Changing data types so they are more useful

Adding calculated fields to enhance analysis

Creating SQL queries to refine data

To learn more about data preparation, see Preparing Data.

john ct

student•

The following options are available from the user profile menu:

Manage QuickSight – If you have appropriate permissions, you can access administrative functions such as managing users, subscriptions, SPICE capacity, and account settings.

Community – Choose this option to visit the Amazon QuickSight online community.

Send feedback – This is your direct connection to the product team. Use this simple form to report problems, request features, or tell us how you are using Amazon QuickSight.

What's new – Find out what new features are available in Amazon QuickSight.

Language setting – Choose the language you want to use in the Amazon QuickSight user interface.

Help – This will open the official AWS documentation, which you can view online, in Kindle, or as a PDF.

Sign out – Choose this option to sign out of Amazon QuickSight and your AWS session.

john ct

student•

Working with Data in Amazon QuickSight PDF Kindle RSS You can base your Amazon QuickSight analyses on a variety of data sources. These data sources include AWS data stores, Salesforce, files in common formats, and popular database engines. You connect to these data sources and create datasets, which identify the specific data from that data source that you want to work with. Data sets also store any data preparation you have done on that data, so that you can reuse that prepared data in multiple analyses. For more information on preparing data, see Preparing Data. https://docs.aws.amazon.com/

You can view your available datasets on the Your Data Sets page, which you reach by choosing Manage data on the Amazon QuickSight start page. You can view available data sources and create a new dataset on the Create a Data Set page, which you reach by choosing New data set on the Your Data Sets page.

Carlos Javier Guevara Contreras

student•

Excelente !!!

QuickSight: el BI en cloud de AWS

Bienvenida e introducción al curso

Big Data en la Nube: Análisis, Transformación y Seguridad

Big Data en Cloud desde origen a visualización

Por qué big data en cloud es más eficiente

Extracción vs ingesta en proyectos big data

Comparativa de AWS y GCP para proyectos BigData

Arquitecturas

Arquitectura Lambda: 3 capas para datos en tiempo real

Arquitectura capa: el tiempo real como ventaja

Cómo funciona la arquitectura batch

Extracción de información

Cómo mover datos a cloud con SDK y CLI

Python y boto3 para listar buckets S3

Boto3: inicializar clients de AWS en Python

API Gateway como puerta de big data

Storage Gateway: puerta entre on-premise y S3

AWS Kinesis: streaming masivo de datos

Cómo crear Kinesis Data Stream en AWS

Despliegue automatizado de Kinesis con CloudFormation

Cómo Kinesis Firehose entrega datos en tiempo real

Configuración de Kinesis Firehose en AWS

Configuración Básica de Amazon Kinesis Firehose en AWS

MSK vs Kinesis: cuál elegir en AWS

Creación de clúster AWS MSK desde la consola

Transformación de Información

Cómo AWS Glue transforma datos en la nube

Instalación de Apache Zeppelin paso a paso

Configurar developer endpoint de AWS Glue con Zeppelin

Conexión de Apache Zeppelin con AWS

Configurar AWS Glue Crawler para poblar catálogo

Configuración de Developer Endpoint en AWS Glue

Cómo configurar AWS Glue ETL desde S3 a Parquet

Qué es EMR y cuándo usarlo

Crear tu primer cluster de AWS EMR

Conectar Apache Zeppelin a EMR

EMR automatizado con CloudFormation

AWS Lambda para proyectos de big data

Lambdas en big data: real time y batch

Configuración de AWS Lambda para Big Data

Carga de Información

Cómo Athena consulta datos en S3 con SQL

Cómo funciona AWS Athena con S3

Redshift vs Athena: cuándo usar cada uno

Configuración de cluster Redshift en AWS

AWS Lake Formation automatiza tu data lake

Consumo de información

Cómo dimensionar shards de Elasticsearch en AWS

Cómo crear un clúster Elasticsearch en AWS

Cómo funciona Kibana con Elasticsearch