Erstellung von Multi-Region-Visualisierungen mit Highcharts in Amazon QuickSight für Telekommunikationsbetreiberanalysen
Amazon Web Services
Highcharts
Amazon QuickSight-Nutzer können native Diagrammbeschränkungen überwinden, indem sie benutzerdefinierte Highcharts-Visuals einbetten, um Multi-Region-Dashboards für Telekommunikationsbetreiber zu erstellen. Die Lösung unterstützt Kachelkarten, Radar-, Punkt-, Hantel- und Wasserfalldiagramme, während die Datensouveränität über AWS-Regionen hinweg durch föderierte Datensätze gewahrt bleibt.
Ein AWS Machine Learning Blogbeitrag beschreibt, wie Highcharts-Benutzerdefinierte Visualisierungen in Amazon QuickSight für Multi-Region-Dashboards von Telekommunikationsanbietern genutzt werden können. Native QuickSight-Visualisierungen können weder die Dominanz von Anbietern pro geografischer Kachel kodieren, Radardiagramme für mehrere Anbieter über verschiedene Kategorien hinweg rendern noch die für eine differenzierte Analyse benötigten Bullet- und Hanteldiagramme erzeugen. Durch Einbetten von Highcharts mit einer einzigen JSON-Konfiguration können Benutzer Kachelkarten, Polardiagramme, Bullet-Diagramme, Hanteldiagramme, Wasserfalldiagramme und Streamgraphen erstellen. Eine zentrale Herausforderung sind Datenresidenzanforderungen, wie etwa die britische DSGVO für Daten britischer Anbieter. Es werden zwei architektonische Optionen vorgestellt: eine einzelne AWS-Region (einfacher, kann aber die Datensouveränität verletzen) oder separate AWS-Regionen pro Land mit föderierten Dataset-Joins auf der QuickSight-Ebene. Der Beitrag erläutert Option 2, bei der Daten in regionalen SPICE-Instanzen aggregiert und zu einem einheitlichen logischen Dataset zusammengeführt werden, ohne dass Rohdaten über Grenzen hinweg verschoben werden. Das Dataset-Schema umfasst Anbieter, Kategorie, Land, Rang, Rootscore und Produktzeitraum. Die Schritt-für-Schritt-Anleitung umfasst die Einrichtung der Datenquellen, Aggregation, Feldbindungen mithilfe von Platzhalter-Token sowie einsatzbereite Highcharts-JSON-Konfigurationen.
Quelle: AWS ML blog —
Original
