在这篇文章中，我们讨论了全球里程如何将其 BI 仪表盘和报告迁移到 Amazon QuickSight 中，以提高运营效率。全球里程是亚马逊内部的一个核心团队，负责构建、管理和运营跨越国际边界的全球运输网络。全球里程出口可视化平台于2019年成立，负责团队数据管理、战略及基础平台的搭建。
在亚马逊，客户承诺按时交付优质商品是我们的独特卖点，而我们在实现这一目标中扮演着重要角色，因此确保这一过程顺利进行对于我们至关重要。我们的关注点是快速、可扩展的全球架构，能够创造价值。
除了监督全球里程GM出口组织及其数据工程和商业智能BI外，我们还专注于：
利用洞察支持更广泛的业务和高层决策开发供应链控制机制以主动发现问题并减少风险运用数据科学进行规划、优化和自动化决策我们决定切换到 QuickSight 的原因在于我们所处理的关键数据量巨大目前为024 PB。我们需要使数据更易于访问和共享，同时提取出强有力的洞察。我们与一组国际承运人合作，他们依赖我们进行协调，因此这些数据对于识别和解决供应链问题至关重要，以免影响客户。
我们在广泛的全球网络中进行报告，这要求我们有一个安全的工具，能够提供更高效、整合的报告，并在不妥协数据保护的情况下与外部合作伙伴和内部利益相关者共享定制化仪表盘。
指标对我们而言至关重要；从交付估算准确性到扫描合规率及每百万次机会缺陷，我们必须找到更好的方式来从中央数据源报告和共享数据。通过仪表盘实现数据的民主化，我们能够减少手动任务，提升运营效率，并确保所有相关人员清晰了解指标和目标。
我们还能够通过整合额外的机器学习ML能力进一步提升我们的 BI，以提供更高水平的洞察和预测分析建模。因此，QuickSight 的内建 ML 功能和强大的 AI 让我们觉得它是一个理想的选择。
我们还想利用 QuickSight 来应对一些阻碍我们提供更好洞察的技术和架构挑战。这些挑战包括数据可用性、外部报告系统、自定义数据查询及技术栈集成阻碍。
我们一切工作的核心是数据的新鲜度和可用性。在当前系统中，我们面临数据容量问题，数据刷新率受调度限制。我们的目标是在尽可能接近实时的情况下进行报告，而我们目前的工作方式无法实现这一点。QuickSight 强大的数据管道、SPICE超快速并行内存计算引擎和云原生模型使我们能够避免任何停顿或延迟，而不需要额外的运营预算。
我们还面临着与外部合作伙伴每个合作伙伴都有不同需求、焦点和地理区域以互动、定制和有意义的方式共享数据的困难。即使在内部，报告通常以静态 PDF 文档形式生成，意味着它们很快失去相关性。QuickSight 允许我们创建定制化的互动仪表盘，与我们的合作伙伴安全共享。
此外，我们的利益相关者经常要求特定的数据集或有特定的问题需要解答，这通常需要大量手动审批和报告构建。迁移到 QuickSight 使我们能够为这些利益相关者添加自报告和查询的能力，极大加快了信息获取的过程。我们正在推广 Amazon QuickSight Q 自然语言查询，它将为这一过程增加更大的直观性。
最后一个挑战是常见的：试图让竞争系统顺利协同工作，而无需大量手动数据工程。QuickSight 是我们理想的选择，因为我们计划整合更多的 AWS ML 工具，以深入了解我们的数据，而 QuickSight提供的大量 API 和集成功能使这一过程变得更加容易。
考虑到全球里程和亚马逊的规模，我们知道更换我们的 BI 解决方案将是一次重大举措。
但实际上，从我们做出决定之日起，仅用了7个月的时间就将全球里程出口可视化的所有流程迁移到了 QuickSight。我们还成功避免了停机，因此日常运营没有受到影响。
以下是迁移到 QuickSight 的主要步骤： 根据使用统计淘汰低使用率的仪表盘 迁移高峰季节的仪表盘和其他高使用率的关键仪表盘 迁移每周业务审查、运营业务审查、每月业务审查及季度业务审查仪表盘 迁移剩余的非关键数据以适应高峰及深度仪表盘 淘汰遗留许可证
我们的数据系统复杂，因为它涵盖了大量的外部合作伙伴，因此构成我们 BI 基础的数据湖主要位于 Amazon Redshift。下面的图示展示了我们的数据仓库架构。
能够在如此短时间内将如此全面的数据网络整合到新架构中非常令人印象深刻，这再次得益于 QuickSight 灵活的 URL 和 API 功能。
迁移后的 QuickSight 仪表盘现在在我们整个组织中用于日常操作。我们有近实时的仪表盘，例如长途运输表现仪表盘，该仪表盘是获取每周约750次长途运输的按时表现及由于每日运输延误而影响的包裹数量的单一信息源。
我们还建立了一些深度分析仪表盘，例如 DEA/EAD 深度分析仪表盘，其中设置了动态选择参数和 URL 操作，以使利益相关者能够直接导航到某个货物在如出库查询工具、ATROPS 和 Eagle Eye 等工具中的详细信息。
我们的每周业务审查WBR会议使用我们的 WBR 仪表盘进行，该仪表盘是所有 WBR 指标的中央仪表盘。该仪表盘包含一个导航页面，使利益相关者能够根据需要浏览所需的选项卡，而不必在顶部的页面条中滚动。
我们还建立了一个 NASC 容量利用仪表盘，并设置了警报，通过可视化提醒运营团队，通知他们某个特定的分拣中心即将达到满负荷，这在高峰季节是一项非常关键的工具。
我们还为承运商的容量限制仪表盘安排了自定邮件报告，以便定期发送给相应的承运商经理，帮助他们主动联系承运商进行每天的量计划。
在迁移的同时，我们将 QuickSight 及其自然语言查询功能 QuickSight Q 嵌入了我们的出口控制塔系统 Pharos。Pharos 在其新版本中作为供应链合作伙伴的单一访问点，让每位合作伙伴可以在一个地方获取所有出口交付估算准确性DEA的风险。这使我们能够为每个合作伙伴定制数据集和用户界面，按目的地和来源国分解问题，从而在供应链中提供更细致的可视性。
在迁移之后，我们已经看到的结果是革命性的。
在近实时关键仪表盘上设置通知的能力，使我们的网络运营团队能够更加主动地解决供应链空白。我们估计，得益于 QuickSight 提供的 完美像素报告 和互动可视化，我们每周节省了 6 到 8 小时否则花在手动审计和数据分析上。
此外，各仪表盘的参数和书签对于利益相关者而言效率更高。每个用户都可以获取与其区域、市场和角色相关的数据，以提高洞察力，并且他们还能够在必要时更改视图和数据集。
URL 集成还为我们打开了更广泛的 AWS 世界。各种重要的内部工具如出库查询工具、FMC、ATROPS 和 Eagle Eye都通过 QuickSight 链接，这意味着我们不需要在不同应用间切换以访问数据，从而节省了更多时间。
QuickSight 有效提高了我们的整体生产力。例如，我们的 WBR 演示文稿之前是通过运行脚本从不同区域的 Tableau 仪表盘下载 PDF 快照并将其拼接在一起来生成的。这个端到端的手动流程每周大约需要3天。借助 QuickSight，我们构建了一个更清晰、更健壮的仪表盘解决方案，提高了推动 WBR 会议的敏捷性，并为我们的领导提供了更容易的访问方式。
由于是端到端的云解决方案，并且不需要依赖于授权的桌面程序，开发时间预计减少了 15 到 20。更不用提我们现在拥有的每周业务审查报告能力。在以前需要3天的流程最终报告中，现在看到的时间大幅缩减，与 QuickSight 的互动和完美像素报告系统提供了更高标准的报告。
尽管时间节省和数据智能方面最为重要，但我们也在利润方面看到了显著影响。随着我们快速发展的团队规模，抛弃数百个 Tableau 许可证大大降低了我们的成本。随着团队的扩张，这些节省也会不断增加。
鲤鱼加速器我们成功迁移到 QuickSight 的重要因素是团队自身的开放性和灵活性。
为了在亚马逊商业模型的基本组成部分上进行更改，我们每周举行培训课程，以提升团队能力。而且，每当我们有反馈时，QuickSight 团队都会加以采纳，并开发出新功能和系统来提升产品。采用端到端的无服务器模型后，系统将自动更新其功能，而无需处理更新。
我们对 QuickSight 的未来探索感到非常兴奋，并期待在系统发展中继续与团队协作。特别是我们推广的 QuickSight Q 预计将是一场变革，使用者可以以直观自然的方式查询、调整和检查数据，而无需依赖于审批、报告构建或仪表盘创建。
欲了解更多有关 QuickSight 如何帮助您的企业创建仪表盘、报告等信息，请访问 Amazon QuickSight。
Aishwarya Busi 是亚马逊全球里程出口可视化团队的商业智能工程师。在加入亚马逊之前，她曾担任肾脏护理初创公司的分析与商业智能负责人，专注于通过构建报告基础设施来改善和影响病人的健康结果，帮助护理团队推动患者参与和日常运营。
留言框-
