Cuando los datos de rendimiento de su operador abarcan varias regiones, su panel debe conciliar estructuras competitivas fundamentalmente diferentes en una sola vista. Por ejemplo, en EE. UU., clasifica tres operadores (operadores 1 a 3) en 49 estados y cientos de mercados metropolitanos. En el Reino Unido, se comparan cuatro operadores (operadores 4 a 7) en un conjunto separado de regiones nacionales. El desafío al que se enfrentan no es sólo geográfico sino también estructural.
Las diferencias en el número de operadores, la densidad del mercado y los detalles regionales entre estas dos geografías significan que ningún tipo de gráfico listo para usar puede contar su historia completa. Necesita visualizaciones que respondan preguntas estratificadas simultáneamente: quién lidera, en qué medida, con qué coherencia y si están mejorando o disminuyendo.
Descubrirá que las visualizaciones nativas de Amazon Quick no cuentan su historia completa cuando intente responder estas preguntas a escala. Amazon Quick Sight no puede codificar qué operador o combinación de operadores domina cada mosaico geográfico. No puede generar un gráfico de radar que perfile a los siete operadores en siete categorías de desempeño simultáneamente. Y no puede producir tipos de gráficos como gráficos con viñetas y gráficos con mancuernas, que necesita para resaltar los matices de sus datos.
Cada vez que intenta aproximarse a estas imágenes en Quick Sight nativo, termina creando paneles separados por región, utilizando soluciones alternativas de barras apiladas para deltas o promediando métricas que enmascaran la volatilidad entre los mejores y peores mercados de un operador. Estos compromisos añaden gastos de mantenimiento y oscurecen la información que sus partes interesadas necesitan para tomar decisiones seguras basadas en datos.
Al incorporar Highcharts como un objeto visual personalizado en Quick Sight, aborda estas limitaciones con una configuración JSON única y unificada. Con su tipo de gráfico de mapa de mosaicos y colorAxis.dataClasses, puede codificar el dominio del operador (incluidos los vínculos entre múltiples operadores) en múltiples regiones en un solo objeto visual, con alternancia de leyendas para el filtrado de regiones. Su gráfico de líneas polares representa un verdadero radar poligonal para comparar múltiples operadores y múltiples categorías, brindándole el perfil competitivo completo.
Más allá de las vistas geográficas y de radar, Highcharts desbloquea los tipos de gráficos que exige su análisis. Puede utilizar gráficos con viñetas para mostrar el rendimiento frente a un objetivo de 100 puntos con zonas con bandas de colores, gráficos con mancuernas para exponer el diferencial entre el mejor y el peor mercado metropolitano de un operador y gráficos en cascada para desglosar los deltas de puntuación de un período a otro.
Esta publicación le muestra cómo crear paneles de rendimiento de operadores de varias regiones en Quick Sight utilizando visualizaciones personalizadas de Highcharts para superar las limitaciones de los gráficos nativos. Aprenderá cómo mantener la soberanía de los datos en las regiones de AWS mientras crea visualizaciones unificadas a través de la capacidad del conjunto de datos federados Quick Sight. La solución incluye configuraciones de gráficos listas para producción y aborda los requisitos de seguridad, cumplimiento y escalabilidad.
Descripción general de la solución
Su arquitectura depende de factores como los requisitos de residencia de datos, las necesidades de latencia y las obligaciones de cumplimiento. Dos patrones arquitectónicos abordan esto:
Opción 1: Región única de AWS
Con este enfoque, se almacenan datos de operadores (por ejemplo, EE. UU. y Reino Unido) en una región de AWS (por ejemplo, us-east-1 o eu-west-1), utilizando un único conjunto de datos Quick Sight SPICE (motor de cálculo en memoria súper rápido, paralelo) con una columna de país para identificar lógicamente los datos.
Si bien esta arquitectura es más sencilla de administrar con un conjunto de datos y una actualización de SPICE, tiene un inconveniente potencial: si elige una región con sede en EE. UU., sus datos residen físicamente fuera del Reino Unido, lo que puede entrar en conflicto con el Reglamento general de protección de datos (GDPR) del Reino Unido o las reglas de residencia de datos si su conjunto de datos contiene información de identificación personal (PII).
Opción 2: regiones de AWS separadas por país
A veces, las leyes de soberanía de datos requieren que usted almacene y procese físicamente ciertas categorías de datos (particularmente datos sobre individuos, patrones de uso de la red y métricas de rendimiento comercialmente sensibles) dentro de la jurisdicción legal donde recopiló los datos. Por ejemplo, para los datos de los operadores del Reino Unido, el RGPD del Reino Unido (conservado después del Brexit) exige que los datos personales y operacionalmente sensibles sobre los consumidores del Reino Unido y el rendimiento de la red del Reino Unido deben residir en infraestructura ubicada dentro del Reino Unido o en el Espacio Económico Europeo en general. Esto significa que debe colocar los datos de los operadores de EE. UU. en una región de AWS de EE. UU. (por ejemplo, us-east-1 o us-west-2) y los datos de los operadores del Reino Unido en una región adherente a la UE, sin mezclar datos sin procesar a través de esos límites. Los dos conjuntos de datos son soberanos. No puede fusionarlos en un único depósito de Amazon Simple Storage Service (Amazon S3) sin violar los requisitos de una o ambas jurisdicciones.
A pesar de que los datos residen en regiones de AWS separadas, puede crear un único panel unificado de Highcharts utilizando la arquitectura Quick sin mover datos sin procesar a través de fronteras. Se utilizan uniones de conjuntos de datos federados en la capa Quick en lugar de en la capa de almacenamiento: se ingiere el conjunto de datos agregado de EE. UU. (en us-east-1) y el conjunto de datos agregado del Reino Unido (en eu-west-2) en sus respectivas instancias SPICE regionales, y la capacidad de preparación de datos de Amazon Quick los agrega en el momento de la preparación de datos en un único conjunto de datos lógico. El conjunto de datos unificado resultante alimenta un único conjunto de configuraciones de Highcharts (mapa de mosaicos, radar, bala, mancuerna, cascada, gráfico de flujo) que representan portadores de varias regiones juntos. Ningún dato soberano bruto sale de su región de origen. Usted federa solo las métricas agregadas de RootScore, Rank y ColorValue calculadas dentro de cada región en la vista unificada, satisfaciendo los requisitos de residencia de datos y al mismo tiempo habilitando las visualizaciones combinadas que requiere su panel.
Si bien la Opción 1 se adapta a la mayoría de los escenarios, la publicación lo guía a través de la Opción 2 porque aborda los requisitos más complejos que las empresas de telecomunicaciones enfrentan con frecuencia.
Arquitectura de la solución
El siguiente diagrama muestra cómo la arquitectura multirregional federa los datos de rendimiento del operador manteniendo la soberanía de los datos. Dos canales de datos regionales, uno en us-east-1 para datos de operadores de EE. UU. y otro en eu-west-2 para datos de operadores del Reino Unido, agregan de forma independiente métricas de rendimiento dentro de sus respectivas regiones. En la capa rápida, la capacidad de preparación de datos federa estos conjuntos de datos agregados en el momento de la consulta en un único conjunto de datos lógico. Este conjunto de datos unificado alimenta los elementos visuales personalizados de Highcharts, lo que permite un panel combinado de varias regiones sin mover datos sin procesar a través de fronteras.
Requisitos previos
Antes de comenzar, asegúrese de tener lo siguiente:
Una cuenta de AWS con acceso a Quick. Fuentes de datos configuradas en varias regiones de AWS. Familiaridad básica con los paneles Quick Sight y la integración de datos. Comprensión de la configuración JSON para Highcharts. Permisos de AWS Identity and Access Management (IAM) para acceder a fuentes de datos en todas las regiones.
Preparación de datos
Para agregar datos de varias regiones, configure sus fuentes de datos en Quick. Este paso le ayuda a establecer las conexiones que permiten la recuperación de datos entre regiones.
En la consola rápida, navegue hasta Conjuntos de datos desde el panel de navegación izquierdo. Elija Crear fuente de datos para comenzar a agregar su primera fuente de datos regional. Seleccione su tipo de fuente de datos (como Amazon S3, Amazon Relational Database Service (Amazon RDS) u otra fuente de datos de su elección). Ingrese los detalles de conexión para su primera región, incluidas las URL de los puntos finales y las credenciales de autenticación. Elija Validar conexión para verificar la accesibilidad de los datos. Después de validar la conexión, elija Crear fuente de datos. Repita los pasos 2 a 6 para cada región de AWS adicional que desee incluir en su análisis.
Después de configurar sus fuentes de datos regionales, puede proceder a combinarlas en un conjunto de datos unificado.
Configurar la agregación y transformación de datos
Después de conectar sus fuentes de datos, configure reglas de agregación para combinar datos de múltiples regiones. Este paso ayuda a mantener un formato de datos consistente y produce un análisis unificado.
Elija Conjuntos de datos en Rápido. Elija Crear conjunto de datos. Seleccione una de las fuentes de datos que registró en la sección anterior y su esquema asociado. Elija Editar/Vista previa de datos. En la interfaz de Preparación de datos, elija Agregar datos. Seleccione su segunda fuente de datos regional de la lista. Elija Agregar para apilar los conjuntos de datos verticalmente. Verifique que los nombres de las columnas coincidan entre los conjuntos de datos (cambie el nombre si es necesario). Agregue un campo calculado llamado Región para identificar el origen de los datos (por ejemplo, IF(condición, 'EE.UU.', 'Reino Unido')). Obtenga una vista previa del conjunto de datos combinado para verificar el recuento de filas. Agregue campos calculados para normalizar los formatos de datos entre regiones si es necesario. Por ejemplo, convierta marcas de tiempo a una zona horaria común. Elija Guardar y publicar para publicar su conjunto de datos agregados. Después de publicar el conjunto de datos, configure el programa de actualización para este conjunto de datos en Programar actualización para mantener actualizados los datos agregados. Establezca la frecuencia según los requisitos de su negocio (por hora, por día o por semana).
Ahora puede crear visualizaciones de Highcharts utilizando su conjunto de datos agregado.
Para aprender cómo configurar datos analíticos entre regiones para sus visualizaciones de Highcharts, consulte este tutorial sobre cómo crear una solución de análisis multiregional.
Descripción general del conjunto de datos
El conjunto de datos de rendimiento de los operadores utilizado en este tutorial contiene registros que abarcan siete operadores en dos países (Reino Unido, EE. UU.). El conjunto de datos incluye siete categorías de rendimiento (llamada, datos, general, confiabilidad, capacidad de respuesta, texto, video), con clasificaciones y métricas de RootScore en dos períodos de medición (2024-2H, 2025-1H).
El esquema del conjunto de datos consta de los siguientes atributos:
Campo Descripción operador ID del operador (por ejemplo, operador1 a operador7) categoría Categoría de rendimiento (llamada, datos, general, confiabilidad, capacidad de respuesta, texto, video) país País de medición (EE. UU., Reino Unido) Clasificación Clasificación competitiva (1 a 4) dentro de ese mercado y categoría Rootscore Puntuación de rendimiento (escala 0 a 100) periodo_producto Período de medición (2024-2H, 2025-1H)
La siguiente tabla muestra una muestra representativa del conjunto de datos:
categoría de operador país clasificación puntaje raíz producto_period Operador1 Llamar a EE. UU. 1,0 99,53 2024-2H Operador1 Llamar a EE. UU. 1,0 98,08 2024-2H Operador1 Llamar a EE. UU. 1,0 82,18 2024-2H Operador1 Llamar a EE. UU. 1,0 99,99 2024-2H Operador1 Llamar a EE. UU. 1,0 98,79 2024-2H Operador1 Llamar a EE.UU. 1,0 98,37 2024-2H Operador1 Llamar a EE.UU. 1,0 99,96 2024-2H Operador1 Llamar a EE.UU. 1,0 99,12 2024-2H
Comprensión de los enlaces de pozos de campo dinámicos
Los bloques de código de esta publicación muestran cómo los datos fluyen dinámicamente desde el conjunto de datos mediante el uso de tokens de marcador de posición ({{token}}) que se asignan a consultas de conjuntos de datos específicos.
Cada bloque de código incluye dos componentes:
El mapeo de pozos de campo especifica qué campos del conjunto de datos (operador, categoría, puntaje de raíces, clasificación, periodo_producto, país) se asignan a qué pozos de campo. Estos definen cómo fluyen los datos desde el conjunto de datos al gráfico. La plantilla JSON utiliza tokens de marcador de posición (por ejemplo, {{carrier_list}} y {{avg_rootscore_period_1}}) que el motor de pozo de campo Quick Sight resuelve en el momento del procesamiento. La leyenda de mapeo que sigue a cada gráfico documenta lo que resuelve cada marcador de posición.
Tutorial de implementación de Highcharts
En esta sección, recorrerá las visualizaciones de Highcharts que abordan los requisitos de análisis de operadores de varias regiones que los elementos visuales nativos de Quick Sight no pueden cumplir por sí solos. Antes de profundizar en el código, revise la siguiente tabla de requisitos. Asigna cada visualización a su tipo de gráfico Highcharts, resume lo que debe lograr el objeto visual y explica por qué no se puede lograr el mismo resultado con los tipos de gráficos Quick Sight integrados. Cada gráfico que sigue incluye una configuración JSON completa que puede copiar directamente en su objeto visual personalizado Quick Sight Highcharts, junto con una vista previa renderizada que muestra el resultado esperado. Debido a que cada configuración se vincula dinámicamente a los campos de Quick Sight en lugar de codificar nombres de operadores o valores de región, puede adaptar estos ejemplos a su propio conjunto de datos sin tener que volver a escribir el JSON. Solo su tabla de búsqueda debe reflejar sus operadores y regiones.
Requisitos
# Nombre visual Tipo de Highcharts Resumen de requisitos Por qué Highcharts 1 Radar de rendimiento de operador de EE. UU. polar + línea Gráfico de araña/polígono que muestra la puntuación promedio de cada operador de EE. UU. en siete categorías (llamada, datos, general, confiabilidad, capacidad de respuesta, texto, video). No hay ningún tipo de carta polar o radar en Quick Sight. No se puede crear una superposición de múltiples ejes y múltiples portadores con una cuadrícula poligonal de forma nativa. 2 Gráfico de columnas superpuestas con columna de burbujas de destino Compare RootScore 2024-2H y 2025-1H para los siete operadores en una sola vista. La columna 2024-2H representa una barra sólida más ancha. La columna 2025-1H se superpone como una superposición semitransparente. Las burbujas naranjas en y=100 marcan el objetivo y una línea de referencia roja discontinua refuerza el punto de referencia. No hay ningún tipo de gráfico similar en Quick Sight. Si utiliza soluciones alternativas de barras apiladas, perderá por completo la narrativa delta. 3 Gráfico Variwide: Participación de ganancias × Volumen Variwide % de ganancias del Carrier1 como altura de la barra. Total #1 gana en esa categoría como ancho de barra, por lo tanto, dos indicadores clave de rendimiento en una barra. Todas las barras Quick Sight tienen el mismo ancho fijo. No puedes codificar una segunda dimensión (volumen de mercado) en el ancho de la barra. 4 Streamgraph: Gráfico de flujo de ganancias El ancho del flujo de flujo por transportista muestra el número 1 del recuento general de ganancias en todos los períodos y revela el impulso competitivo. No hay tipo de diagrama de flujo en Quick Sight. La forma de acción proporcional que fluye orgánicamente es exclusiva de Highcharts. 5 Mapa de mosaicos hexagonales para el mapa de mosaicos de participación de mercado Una cuadrícula hexagonal donde cada mosaico representa ~1% de los mercados ganados. Los transportistas llenan la cuadrícula proporcionalmente a su participación, creando una imagen inmediatamente intuitiva de concentración competitiva. Los elementos visuales de mapas integrados de Quick Sight (mapas rellenos, mapas de puntos) representan formas o coordenadas geográficas, no cuadrículas hexagonales abstractas. No existe un tipo de gráfico nativo tipo "mapa de mosaicos" o contenedor hexadecimal. 6 Burbuja empaquetada combinada de EE. UU. + Reino Unido Todos los transportistas en una única configuración de burbujas empaquetadas con distintas regiones de grupo por transportista. No hay ningún tipo de burbuja empaquetada disponible. No puede agrupar transportistas en regiones de clúster distintas dentro de un objeto visual.
Crear un objeto visual personalizado de Highcharts
Para crear cada visualización, siga estos pasos:
Navegue hasta Análisis y abra su análisis. Agregue un objeto visual de Highcharts. Asigne el análisis a su conjunto de datos preparado. Actualice la configuración JSON en el panel de formato. Asigne los campos de su conjunto de datos a los pozos de campo a los que se hace referencia en el JSON. Verifique que el gráfico se represente correctamente.
Gráfico 1: RootScore general promedio, 2024-2S en comparación con 2025-1S
El siguiente cuadro compara el RootScore general promedio de los siete operadores en dos períodos de medición (2024-2H y 2025-1H). Cada operador muestra dos columnas superpuestas, una barra sólida más ancha para el período anterior y una superposición semitransparente para el período posterior, de modo que pueda ver inmediatamente la mejora o disminución de un período a otro. Las burbujas naranjas colocadas en 100 marcan la puntuación objetivo y una línea de referencia roja discontinua refuerza este punto de referencia. Puede observar que los transportistas 1 a 3 obtienen consistentemente una puntuación superior a 95 y se acercan al objetivo de 100, mientras que los transportistas 5 a 7 permanecen por debajo de 90, lo que resalta una clara brecha de desempeño entre los dos grupos.
Gráfico de columnas superpuestas que compara el RootScore general promedio para 2024-2H versus 2025-1H en siete operadores. Las burbujas naranjas marcan la puntuación objetivo de 100, con una línea de referencia roja discontinua. Los transportistas 1 a 3 obtienen una puntuación superior a 95, mientras que los transportistas 5 a 7 obtienen una puntuación inferior a 90.
Leyenda de mapeo de marcador de posición:
{{carrier_list}} → DISTINCT(transportista) ORDEN POR transportista → ["Transportista1", "Transportista2", "Transportista3", "Transportista4", "Transportista5", "Transportista6", "Transportista7"] {{period_1}} → Primer valor del período_producto → "2024-2H" {{period_2}} → Último valor del período_producto → "2025-1H" {{country_list}} → DISTINCT(país) unido → "Reino Unido + EE. UU." {{avg_rootscore_period_1}} → AVG(rootscore) WHERE categoría='General' AND product_period='2024-2H' GRUPO POR operador → [97.2, 95.66, 97.33, 93.97, 85.71, 82.56, 89.93] {{avg_rootscore_period_2}} → AVG(rootscore) DONDE categoría='General' Y product_period='2025-1H' GRUPO POR operador → [97.92, 96.53, 97.83, 94.65, 87.52, 85.06, 88.93] {{target_bubble_data}} → Por operador: {x: idx, y: 100, z: 15, nombre: operador, gap2024: 100-AVG, gap2025: 100-AVG}
Gráfico 2: % de participación ganada por transportistas por categoría
El siguiente gráfico variado codifica dos dimensiones del desempeño competitivo en una sola visualización. La altura de la barra representa el porcentaje de ganancias del operador 1 en cada categoría de rendimiento, y el ancho de la barra representa el número total de clasificaciones de primer lugar en todos los operadores en esa categoría (volumen de mercado). Esta codificación dual le permite ver no sólo dónde gana Carrier1 con más frecuencia, sino también qué tan competitiva es la categoría en general. Las categorías en las que la barra es alta y ancha indican un fuerte dominio de Carrier1 en mercados de gran volumen. Por ejemplo, la categoría Call muestra la mayor proporción de ganancias con aproximadamente el 48% con un volumen de mercado sustancial.
Gráfico variwide que muestra el porcentaje de participación ganada de Carrier1 por categoría para el primer semestre de 2025. La altura de la barra representa el porcentaje de victorias, el ancho de la barra representa el número total de clasificaciones de primer lugar. La categoría Call muestra la mayor proporción de ganancias con un 48 por ciento, seguida por la Confiabilidad con un 43 por ciento.
Leyenda de mapeo de marcador de posición:
{{lead_carrier}} → Primer transportista (alfabético) → "Transportista1" {{period_2}} → Último product_period → "2025-1H" {{variwide_data}} → Por categoría: {nombre: cat, y: COUNT(rank=1 AND transportista=Carrier1)/COUNT(rank=1)*100, z: COUNT(rank=1)} WHERE product_period='2025-1H' → [{"name": "Llamada", "y": 42.3, "z": 385}, {"name": "Datos", "y": 23.8, "z": 290}, {"name": "General", "y": 32.0, "z": 303}, {"name": "Confiabilidad", "y": 39.7, "z": 307}, {"name": "Respuesta", "y": 18.2, "z": 319}, {"name": "SpCarrier4d", "y": 32.0, "z": 387}, {"name": "Text", "y": 33.5, "z": 520}, {"name": "Video", "y": 25.9, "z": 363}]
Gráfico 3: Flujo de ganancias desde 2024-2H hasta 2025-1H (las siete aerolíneas)
El siguiente gráfico de flujo muestra cómo fluyen las clasificaciones generales de primer lugar entre los dos períodos de medición (2024-2H a 2025-1H) para los siete operadores. El ancho del flujo de cada operador es proporcional a su número de clasificaciones generales de primer lugar, por lo que flujos más amplios indican un mayor dominio competitivo. Se pueden ver cambios en el impulso competitivo, por ejemplo, Carrier3 mantiene el flujo más amplio en ambos períodos (aproximadamente 138 a 140 victorias), lo que indica un dominio sostenido, mientras que Carrier1 muestra un crecimiento notable de 80 a 97 victorias. Este tipo de visualización no está disponible en los gráficos rápidos nativos.
Gráfico de flujo que muestra el flujo de victorias del operador 1 desde 2024-2H hasta 2025-1H para obtener clasificaciones generales en los siete operadores. El ancho de la transmisión representa el número de clasificaciones generales que ocupan el primer lugar. Carrier3 domina con el flujo más amplio, seguido por Carrier1 que muestra un crecimiento de 80 a 97 victorias.
Leyenda de mapeo de marcador de posición:
{{period_1}} → "2024-2H" {{period_2}} → "2025-1H" {{carrier_count}} → COUNT(operador DISTINTO) → 7 {{period_list}} → ["2024-2H", "2025-1H"] {{country_carrier_split}} → "EE.UU.: Transportista1-3 | Reino Unido: Transportista4-7" {{stream_series}} → Por operador: {nombre: operador, color: color, datos: [COUNT(rank=1 AND Category='Overall') por período]} → [{"name": "Operador1", "color": "#219FD7", "datos": [80, 97]}, {"name": "Operador2", "color": "#E66AB4", "data": [25, 45]}, {"name": "Operador3", "color": "#FF4433", "datos": [138, 140]}, {"nombre": "Operador…}
Gráfico 4: Gráfico de radar de rendimiento: RootScore promedio por categoría
El siguiente gráfico de radar (gráfico de líneas polares) presenta un perfil de los siete operadores simultáneamente en siete categorías de rendimiento: llamadas, datos, general, confiabilidad, capacidad de respuesta, texto y video. Cada operador aparece como un polígono coloreado cuyos vértices representan el RootScore promedio del operador en cada categoría para 2025-1H. La cuadrícula poligonal comienza con una puntuación mínima de 70, para que pueda comparar la forma general y la simetría del perfil de rendimiento de cada operador. Los transportistas con polígonos más grandes y uniformes funcionan consistentemente bien en todas las categorías, mientras que las formas irregulares revelan fortalezas o debilidades específicas de cada categoría.
Gráfico de radar que muestra el rendimiento del operador en todas las categorías (llamadas, datos, general, confiabilidad, capacidad de respuesta, texto, video) para 2025-1H. Siete polígonos de colores representan a cada operador, con puntuaciones que van de 70 a 100.
Leyenda de mapeo de marcador de posición:
{{period_2}} → "2025-1H" {{country_list}} → "Reino Unido + EE. UU." {{category_list}} → DISTINCT(categoría) → ["Llamada", "Datos", "General", "Confiabilidad", "Respuesta", "SpCarrier4d", "Texto", "Video"] {{radar_series}} → Por operador: {nombre: operador, datos: [AVG(rootscore) por categoría], pointPlacement: "on"} WHERE product_period='2025-1H'
Cuadro 5: Desempeño por categoría
El siguiente gráfico de burbujas empaquetadas agrupa los siete operadores en distintos grupos visuales, donde cada burbuja dentro de un grupo representa una categoría de desempeño. El tamaño de la burbuja corresponde al RootScore promedio del operador en esa categoría para 2025-1H; las burbujas más grandes indican puntuaciones más altas. Los operadores de EE. UU. (operadores 1 a 3) y los operadores del Reino Unido (operadores 4 a 7) aparecen con diferentes combinaciones de colores, lo que facilita la comparación del rendimiento entre regiones de un vistazo. Este tipo de gráfico le permite identificar tanto los de mayor rendimiento general (grupos más grandes) como los valores atípicos específicos de cada categoría dentro del perfil de cada operador.
Gráfico de burbujas empaquetadas que muestra el desempeño de los transportistas por categoría para 2025-1H. Cada operador forma un grupo distinto de siete burbujas que representan categorías de desempeño. El tamaño de la burbuja corresponde al puntaje de raíz promedio. Los transportistas de EE. UU. y el Reino Unido se muestran con diferentes combinaciones de colores.
Leyenda de mapeo de marcador de posición:
{{period_2}} → "2025-1H" {{country_carrier_split}} → "EE. UU.: Carrier1-3 | Reino Unido: Carrier4-7" {{packed_bubble_series}} → Por operador: {nombre: operador, color: color, datos: [{nombre: gato, valor: AVG(rootscore)}]} WHERE product_period='2025-1H'
Gráfico 6: Cuota de mercado de operadores: todos los mercados (2025-1S)
El siguiente mapa de mosaicos hexagonal proporciona una representación visual intuitiva de la participación de mercado de los operadores para el primer semestre de 2025. Cada hexágono representa aproximadamente el 1 % del total de mercados ganados y los hexágonos están codificados por colores según el operador. El llenado proporcional crea una sensación inmediata de concentración competitiva; se puede ver de un vistazo que Carrier3 (verde) domina con aproximadamente un 46,7 % de participación de mercado, seguido por Carrier1 (azul) con un 35,4 %, Carrier4 (naranja) con un 9,7 % y Carrier2 (rosa) con un 7,7 %. Este enfoque abstracto de cuadrícula hexagonal no es posible con los elementos visuales nativos de Quick Map, que solo representan formas o coordenadas geográficas.
Mapa de mosaicos hexagonal que muestra la participación de mercado de los operadores para todos los mercados en 2025-1H. Cada hexágono representa aproximadamente el uno por ciento de los mercados ganados, coloreados por operador. Carrier3 (verde) domina con una cuota de mercado del 46,7 por ciento, seguida de Carrier1 (azul) con un 35,4 por ciento, Carrier4 (naranja) con un 9,7 por ciento y Carrier2 (rosa) con un 7,7 por ciento.
Leyenda de mapeo de marcador de posición:
{{period_2}} → "2025-1H" {{tilemap_series}} → Por operador (ordenado por participación DESC): mosaicos proporcionales al porcentaje de participación de mercado → Cada mosaico = 1% del total de mercados ganados; organizado en una cuadrícula hexadecimal de 10 columnas → Participación derivada de: COUNT(rank=1 AND categoría='Overall' AND product_period='2025-1H') GROUP BY transportista
Seguridad sin sacrificio
Una preocupación empresarial común con las visualizaciones personalizadas es la seguridad, específicamente el riesgo de que los usuarios puedan inyectar JavaScript arbitrario en un panel para filtrar datos o comprometer su aplicación.
Sus configuraciones de Highcharts se tratan como datos estructurados, no como código ejecutable.
El motor de renderizado de Amazon Quick valida el esquema JSON antes de pasarlo a la biblioteca Highcharts. Elimina funciones personalizadas, controladores de eventos y devoluciones de llamadas del formateador en la capa de parámetros para que pueda obtener una rica interactividad (información sobre herramientas, zoom, desgloses) sin tener que ejecutar el código proporcionado por el usuario.
Esto significa que su equipo de seguridad puede aprobar una única política de representación de Highcharts una vez, y cada visualización que cree sobre esa política hereda la misma postura de seguridad.
Amplíe su solución con las funciones agentes de Amazon Quick
Funciones de ofertas rápidas que complementan su panel de análisis multirregional y lo ayudan a obtener información más profunda de sus datos.
Uso de agentes de chat para consultas en lenguaje natural
Con los agentes de chat de Amazon Quick, una capacidad de Amazon Quick, puede interactuar con su panel multiregión utilizando lenguaje natural. Puedes hacer preguntas como:
"¿Cuáles fueron las aerolíneas con mejor desempeño en el último trimestre?" "Muéstrenme la tendencia del desempeño de los operadores en todas las regiones". "Compare el rendimiento de los operadores entre EE. UU. y el Reino Unido".
El agente de chat comprende el contexto de su panel y genera visualizaciones o proporciona resúmenes de datos a pedido, lo que facilita que sus usuarios no técnicos exploren datos de varias regiones sin aprender la sintaxis de consulta o la navegación en el panel.
Organizar recursos con espacios
Cree un espacio dedicado en Quick Space para su proyecto de análisis de varias regiones. Dentro de este espacio:
Cargue documentación de respaldo sobre fuentes de datos regionales y definiciones comerciales. Almacene sus archivos de configuración de Highcharts para el control de versiones y la colaboración en equipo. Organice paneles de control, conjuntos de datos y artefactos de análisis relacionados en una sola ubicación. Comparte el espacio con los miembros de tu equipo para que todos tengan acceso a los mismos recursos y contexto.
Esta organización centralizada le ayuda a mantener la coherencia en todo su equipo de análisis y agiliza la incorporación de nuevos miembros del equipo.
Automatizar flujos de trabajo con Flows
Amazon Quick Flows puede automatizar tareas repetitivas relacionadas con sus análisis multiregionales:
Informes automatizados: cree un flujo que genere y distribuya informes semanales de rendimiento de varias regiones a las partes interesadas por correo electrónico. Notificaciones de alerta: configure un flujo para monitorear sus métricas clave en todas las regiones y enviarle alertas cuando se superen los umbrales, para que pueda responder de manera proactiva a los problemas. Coordinación de actualización de datos: automatice el proceso de actualización de datos de múltiples fuentes regionales y actualice sus paneles en un cronograma definido. Generación de información: cree un flujo que analice las variaciones de desempeño regional y genere información resumida para su revisión ejecutiva.
A través de estas funciones de Amazon Quick con sus visualizaciones de Highcharts, usted crea una solución de análisis integral que muestra sus datos de manera efectiva y lo ayuda a colaborar en análisis, automatizar flujos de trabajo e interactuar con sus datos de varias regiones utilizando lenguaje natural.
Limpiar
Advertencia: la eliminación de recursos rápidos es permanente y no se puede deshacer. Confirme que tiene copias de seguridad de cualquier análisis, panel o conjunto de datos que desee conservar antes de continuar. Si no está seguro de si un recurso se utiliza en producción, consulte con su equipo antes de eliminarlo.
Si creó recursos específicamente para probar esta solución, puede eliminarlos para evitar incurrir en cargos continuos:
En la consola rápida, navegue hasta Conjuntos de datos en Rápido. Seleccione cualquier conjunto de datos de prueba que haya creado y elija Eliminar. Confirme la eliminación de cada fuente de datos. Navegue hasta Paneles y elimine los paneles de prueba que ya no necesite. Navegue hasta Análisis y elimine los análisis de prueba que ya no necesite. Revise su uso de capacidad de SPICE y libere cualquier capacidad que haya asignado a conjuntos de datos eliminados. Si creó funciones o políticas de IAM específicas para esta implementación, revíselas en la consola de IAM y elimine aquellas que ya no necesite. Elimine los espacios de prueba, agentes de chat o flujos que ya no necesite.
Conclusión
En esta publicación, aprendió cómo ampliar Amazon Quick con visualizaciones personalizadas de Highcharts para crear paneles de rendimiento de operadores de varias regiones que cumplan con los requisitos de soberanía de datos. Al federar conjuntos de datos agregados en la capa Quick, mantiene el cumplimiento del RGPD del Reino Unido y las reglas de residencia de datos de EE. UU. y, al mismo tiempo, ofrece visualizaciones unificadas en todos los operadores.
Los tipos de gráficos Highcharts demostraron requisitos de visualización de direcciones que los gráficos Quick nativos no pueden cumplir. Debido a que estas configuraciones se vinculan dinámicamente a los pozos de campo Quick y utilizan una tabla de búsqueda central, sus paneles se escalan automáticamente a medida que agrega nuevos operadores o regiones.
Sobre los autores
Anupa Bhattacharyya
Anupa es líder de soporte empresarial en Amazon Web Services y ayuda a los clientes empresariales a navegar y acelerar su viaje a la nube. Aporta más de 15 años de experiencia para diseñar iniciativas estratégicas adaptadas a las necesidades del cliente. Fuera del trabajo, le gusta pintar, viajar, pasar tiempo en familia y saborear nuevas cocinas.
Praney Mahajan
Praney es líder de soporte empresarial en AWS y se asocia con clientes empresariales clave como su asesor estratégico. Le apasiona unir soluciones técnicas con resultados comerciales. Le gusta hacer largos viajes en coche con su familia y jugar al cricket en su tiempo libre.
Vishnu Elangovan
Vishnu es un arquitecto mundial de soluciones de IA agente con más de una década de experiencia en IA/ML aplicada y aprendizaje profundo. Le encanta crear y experimentar con soluciones escalables de IA/ML y se considera un aprendiz permanente. Vishnu es un líder intelectual confiable en la comunidad de IA/ML, habla regularmente en las principales conferencias de IA y comparte su experiencia sobre IA agente en eventos de primer nivel.