新闻中心

首页
Pinnacle Infotech的创新商业智能战略搭载Amazon QuickSight起航商业

Pinnacle Infotech的创新商业智能战略搭载Amazon QuickSight起航商业

Pinnacle Infotech 的商业智能战略与 Amazon QuickSight 的成功结合

关键要点

Pinnacle Infotech 通过使用 Amazon QuickSight 实现了高效的商业智能战略。迁移到云端优化了数据处理和报告流程。使用 QuickSight 使得数据可视化和交互性大幅提升，助力高效决策。

此文由 Pinnacle Infotech 的 Naman Patwari 和 Akash Chaurasia 撰写，我们分享了 Pinnacle 是如何通过 Amazon QuickSight 来实现新的商业智能BI战略的。Pinnacle Infotech 是全球领先的建筑信息建模BIM服务提供商，BIM 已成为建筑、工程和施工AEC行业数字化转型的基石。我们利用科技确保施工项目的协调、协作、资产管理、风险控制、物流规划和成本优化。我们的 BI 团队由六名成员包括三名数据分析师和三名数据工程师组成，虽然他们之前对 BI 和云计算并不熟悉，但在逐步成长中建立了复杂的 BI 团队。

云端转型的决策

在 Pinnacle，我们为超过 2000 家 AEC 行业客户提供服务，并拥有超过 3000 名全球工程师。优秀的工程人才成本高昂，因此我们大量投入自动化工具以减轻人工工作，提升效率、改善可视性和增强项目质量。

我们的研发团队需要了解工具的采用率、使用模式及节省的时间，从而引导我们的投资决策。同时，我们希望实现报告流程的自动化，消除使用 Excel 表格进行手动计算的需求。

最初，我们的开发人员使用 NET 和 JavaScript 等网络工具构建与生产数据库直接交互的仪表板，但这些解决方案未能快速满足我们的信息需求。仪表板提供的过滤选项和互动性均有限。此外，报告网页对实时数据库造成了较大负担，因此在高峰期需要禁用它们以减轻压力，导致用户体验差。

构建每个仪表板平均需要12小时的开发时间，对过滤器或指标的任何更改都会导致额外的开发时间。支持和维护同样占用了大量开发时间，造成了显著的机会成本。

我们知道需要更快速和灵活的仪表板解决方案，以及更少的手动干预，以为未来的机器学习ML和人工智能AI集成做好准备。这些需求的整合指向了一个解决方案：迁移到云端。

Pinnacle Infotech的创新商业智能战略搭载Amazon QuickSight起航商业

小团队应对云计算挑战

此次转型不仅是获取新的 BI 工具，我们在实施一项全新的 BI 战略。我们需要考虑如何构建和托管数据仓库，并在其上搭建仪表板平台。任何解决方案都必须经过良好的架构设计，以便轻松同步数据，并具成本效益，以便我们能够扩展使用。

我们在寻找数据仓库解决方案时找到了 Amazon Simple Storage ServiceAmazon S3。我们当前的托管基础设施已经建立在 AWS 上，并对 AWS 灵活的定价模式印象深刻，所以决定选择 Amazon S3 作为云数据仓库平台，以便于集成。

在选择 BI 工具时，我们考虑了几家竞争对手，但 QuickSight 最终脱颖而出它能够与我们的 AWS 资源无缝集成，并且像 AWS Glue 这样的数据管道和数据仓库服务，非常适合我们现有的工作流程。

QuickSight 还提供独特的按会话计费的定价模型，设定了每月费用上限，使我们能够以不同的消费层次提供仪表板。我们还为客户创建仪表板，定价模型使我们能够轻松地将费用转嫁给他们。

Amazon Q in QuickSight 功能帮助我们简化了复杂的仪表板，允许利益相关者使用自然语言询问仪表板信息。

最终，QuickSight 还以强大的安全性及简化与外部用户共享仪表板的方式如行级安全而受欢迎。

如何实现我们的商业智能战略

我们的网络服务托管环境使用了以下数据存储：

数据存储类型链接Amazon RDS for SQL ServerSQL Server的关系数据库服务Amazon RDS for MySQLMySQL的关系数据库服务Amazon RDS for PostgreSQLPostgreSQL的关系数据库服务Amazon OpenSearch Service开源搜索服务Amazon S3对象存储服务Amazon DynamoDBNoSQL数据库服务Amazon Kinesis Data Firehose数据流处理服务

我们还通过 Amazon AppFlow 或自定义管道聚合外部数据源：

SalesforceIntuit QuickBooksHROneDodge Construction Network 数据与分析

所有这些数据源都在 AWS Glue 中进行管理。提取、转换和加载ETL管道将数据聚合为 Parquet 格式存储在 Amazon S3 中，并在多个阶段中移动，以提供给特征存储和 BI 数据集，同时将模式存储在 AWS Glue 数据目录中。

我们使用 Amazon Athena 作为查询引擎，快速从我们的特征存储中获取数据，并在 QuickSight 上托管最终的仪表板。

以下是解决方案架构的示意图：

极光vqn

为实施该解决方案，我们完成了以下步骤：

将 AWS Glue 爬虫连接到我们的现有数据库Amazon RDS for SQL Server 和 Amazon RDS for MySQL。创建一个用于自动化工具使用分析的新仪表板。针对不同利益相关者与多个仪表板进行实验，以了解 QuickSight 的功能。实验 AWS Glue 在云端数据中的 ETL 工作。设置 AWS Glue 工作流以实施和部署数据仓库。我们将数据集导入 SPICE超级快速、并行、内存计算引擎以实现更快的加载时间和快速数据访问。创建特征存储，以简化 ETL 工作流。在 QuickSight 中重新创建现有部门仪表板。在 QuickSight 中创建面向客户的仪表板。将多个仪表板部署给超过 200 名日常用户的初步小组。

安全性

我们使用 Amazon Cognito 实现用户一键单点登录访问仪表板。我们还使用用户组将特定仪表板分享给某一群体，例如仅限部门。所有这些都增强了行级和列级安全性，使我们能够安全地授予不同利益相关者相应级别的数据访问权限。

仪表板示例

客户工作台仪表板帮助我们跟踪和理解使用情况及交互，并生成对客户喜爱的功能的见解。

PiVDC 是由研发部门开发的一组自动化工具，旨在优化建模过程并提高工作效率。PiVDC 使用仪表板帮助我们了解 PiVDC 工具的内部使用和客户使用情况，如谁在使用、何时和何地。这帮助我们跟踪产品实施并识别开发优先级。

我们的估算团队使用收入及预测仪表板进行报告。这帮助我们跟踪公司在不同地区的业绩。

结果与收益

我们已成功将 QuickSight 仪表板嵌入到不同的内部门户，并与超过 500 名用户共享。我们将来自第三方平台的数据与 Salesforce 潜在客户数据集成，构建了一个集成的潜在客户仪表板到 QuickSight 中，嵌入在 Salesforce 端。之前，我们的销售团队需要访问多个门户提取数据并进行数据清理才能使用。现在我们通过 QuickSight 和 AWS Glue 自动化了这一过程，在 QuickSight 中创建了合成仪表板。

我们还为客户提供带有分析报告的仪表板，以通过透明度建立信任和洞见。针对我们的服务项目，我们正在构建面向客户的项目仪表板，以提高项目可见性。对这些外部用户，我们使用按用户会话计费的定价来帮助成本透明，尽管我们通常会豁免收费。

我们还为客户提供产品使用情况的仪表板，以跟踪其使用情况。我们计划在不久的将来将这些费用转嫁给我们的用户。

大约 70 名客户用户一直在测试我们的 QuickSight 仪表板，我们预计到 2024 年 7 月将有 1000 名外部用户加入使用。

这一解决方案带来了以下关键收益：

仪表板创建的开发时间减少了 75，从 12 小时减少到 3 小时报告加载时间从 15 秒减少到几乎即时数据源负载卸载提高了仪表板的可用性，无需扩展实时数据源我们改善了数据可视化和交互，推动了更明智的决策昂贵的报告查询已被转移到 Amazon S3、AWS Glue 和 QuickSight 上

下一步

我们将扩展当前仪表板的范围并添加增强功能，如从建筑行业使用的自定义文件格式如 Autodesk Revit 和 AutoCAD Plant 3D提取数据。我们还正在尝试自动报告，并在当前的销售材料中整合仪表板。在发掘组织内部数据潜力的过程中，我们计划进一步利用更多 QuickSight 功能，并利用 Q 来加强我们的 BI 洞察，以驱动业务流程。

要了解更多关于 Pinnacle 和我们如何借助技术转型 AEC 行业的信息，请访问 Pinnacle Infotech。

开始使用 QuickSight

结合 AWS 和 AWS Glue 及 QuickSight 的策略性举措，解决了从数据准备到数据仓储，再到为 AI/ML 集成做好准备的各个方面这对于在商业分析中保持领先地位至关重要。QuickSight 为我们节省了大量开发时间，提供了更快速、互动性更强的仪表板，而不会对我们的实时数据库造成负担。想要了解更多，请访问 Amazon QuickSight。