Multi-versievisualisaties bouwen in Amazon QuickSight met Highcharts voor telecomoperatoranalyse
Amazon Web Services
Highcharts
Amazon QuickSight kan niet native complexe visualisaties maken (zoals tegelkaarten, radardiagrammen, bullet charts, enz.) bij het analyseren van gegevens van telecomoperators in meerdere regio's. De oplossing is om de Highcharts-bibliotheek te gebruiken als een aangepast visueel element: een enkele JSON-configuratie maakt het mogelijk om gegevens uit verschillende AWS-regio's te combineren met behoud van datasoevereiniteit, en dashboards te maken met tegelkaarten, radar-, bullet-, dumbbell- en waterfall-diagrammen.
Wanneer prestatiegegevens van telecomoperatoren meerdere regio’s beslaan (bijvoorbeeld de VS en het VK), schieten de standaardvisualisaties van Amazon Quick Sight tekort: ze kunnen niet tonen welke operator in elk geografisch gebied domineert, ondersteunen geen radardiagrammen voor vergelijking over meerdere categorieën, en evenmin bullet-, dumbbell- en watervaldiagrammen. Ontwikkelaars zijn gedwongen aparte dashboards voor elke regio te maken of gemiddelden te berekenen, waarbij belangrijke details verloren gaan. De oplossing is het inbedden van Highcharts als aangepaste visualisatie in Quick Sight. Highcharts biedt diagramtypen aan: tilemap met kleurcodering om de dominantie van operators weer te geven, polair lijndiagram (radar) voor multidimensionale vergelijking, bullet voor evaluatie ten opzichte van een doel, dumbbell voor spreiding tussen de beste en slechtste markten, en waterval voor periodieke veranderingen. Architecturaal worden twee opties overwogen: één enkele AWS-regio (eenvoudiger, maar kan in strijd zijn met vereisten voor gegevenslocatie) en gescheiden regio’s (die naleving van de Algemene Verordening Gegevensbescherming en andere wetten inzake gegevenssoevereiniteit garanderen). De tweede optie, die in het artikel wordt behandeld, houdt in dat gegevens in verschillende AWS-regio’s worden opgeslagen, maar op Quick Sight-niveau worden samengevoegd via federatieve datasets: ruwe gegevens worden niet over grenzen heen verplaatst, terwijl samenvattende metrieken in elke regio worden geaggregeerd en vervolgens via Data Prep worden verbonden. Het resultaat is één logische dataset die de Highcharts-configuraties voedt. Het artikel vermeldt de vereisten, stapsgewijze configuratie van gegevensbronnen, aggregatie en transformatie, een beschrijving van het datasetschema (operators, categorieën, rang, RootScore, periode) en voorbeelden van JSON-code voor elk diagramtype.
Bron: AWS ML blog —
origineel
