AWS 推出 Redshift 数据分析插件，接入 ChatGPT Work
DataHot 速览
AWS 发布 AWS Data Analytics 插件，接入 ChatGPT Work 中新的 Data agent。员工可以用自然语言提问，分析 Amazon Redshift 数仓与数据湖中受治理的数据，并生成可分享的看板。插件强调沿用企业现有的访问控制，让销售、运营、财务等非 SQL 用户也能自助获取分析结果。AWS 称已有数万客户每天用 Redshift 运行高负载分析任务，并可结合 Apache Iceberg 等开放格式的湖上数据形成完整视图。
为什么值得关注：这是 ChatBI/Data Agent 主流化的重要信号：数仓厂商开始把自然语言分析入口嵌入通用 AI 工作台，而非自建前端。数据从业者应关注权限治理与语义层如何在该模式下落地。
译文
AI 逐段翻译今天，AWS 宣布推出 AWS Data Analytics 插件，用于全新的 Data agent，该功能位于 ChatGPT Work 中。该插件帮助整个组织的团队用自然语言提问、分析其 Amazon Redshift 数据仓库和数据湖中受治理的数据，并创建可共享的仪表板。所有这些都在 ChatGPT Work 的对话中完成。
每天有数以万计的客户选择 Amazon Redshift 来运行他们最苛刻的工作负载，因为它以业界领先的性价比提供大规模分析。他们喜欢 Amazon Redshift 将数据仓库和数据湖的访问集中在一个地方。团队可以将精心整理的业务数据与数据湖中以 Apache Iceberg 等开放格式存储的更广泛的运营、历史和第三方数据相结合。这让他们获得完整的视图，从而基于其数据做出关键业务决策。
客户向 AWS 提出，希望将这种可信数据交到更多员工手中。这不仅意味着编写 SQL 的分析师和工程师，也意味着依赖这些结果的销售负责人、运营经理和财务团队。销售负责人想知道本季度客户管道发生了怎样的变化。运营经理想了解过去一个月履约时间变化的原因。这就是我们构建 AWS Data Analytics 插件的原因，将 Amazon Redshift 和 AWS 分析的能力带入 ChatGPT Work。
“当业务团队能够自行获取分析结果并构建所需的仪表板时，他们就能更快地做出决策。我们与 AWS 的合作让更多人具备了这种能力，帮助他们理解绩效变化并决定关注重点。AWS Data Analytics 插件将 Amazon Redshift 连接到 ChatGPT Work 中的 Data agent，因此员工只需提问就能分析可信的公司数据，同时保留其组织现有的访问控制。”
— Arpan Shah，OpenAI 技术总经理
新插件帮助所有人缩短从问题到决策的路径。员工使用 ChatGPT Work 中的 Data agent，通过用日常语言提问，即可探索他们在 Amazon Redshift 中有权访问的数据。随后，他们可以细化分析、调查变化，并在不离开 ChatGPT Work 的情况下将结果转化为仪表板。该插件同时适用于 Amazon Redshift 预置集群和无服务器工作组。客户可以将其集成到现有的多集群或多工作组环境中，并受益于他们已经设置好的成本和安全控制。
设想 Maya，一位支持收入运营团队的业务分析师。她想了解各细分市场和地区的收入表现。
Maya 首先在 ChatGPT Work 中加载 AWS Data Analytics 插件，然后提问：
过去 30 天的收入指标与前一个 30 天期间相比如何？
图 1：在 ChatGPT Work 中使用 AWS Data Analytics 插件询问收入指标
该插件将她的问题转换为 SQL，或根据需要转换为一系列查询，并针对 Amazon Redshift 中的相关数据运行这些查询。它基于其分析团队维护的同一套精心整理的收入数据，返回关键收入绩效指标。
图 2：从 Amazon Redshift 返回的收入绩效指标
Maya 注意到毛利率正在下降，于是提出一个后续问题：
过去 90 天按产品类别和地区划分的收入明细是什么？
图 3：过去 90 天按产品类别和地区划分的收入明细
该插件延续上下文，对结果进行细分，并帮助 Maya 了解过去 90 天每个细分市场的表现。她可以检查分析结果并提出更多问题，进一步深入探究，以了解为什么某些地区落后，或者为什么某些细分市场表现优于其他细分市场。
这种对话式工作流不会取代分析团队已建立的数据模型、指标定义或治理实践。它帮助更多员工直接使用这些数据，让分析师有更多时间从事高价值工作。
AWS Data Analytics 插件将 ChatGPT Work 连接到 Amazon Redshift，并利用所连接分析环境的上下文，帮助 Data agent 回答问题。在对话过程中，它可以：
- 发现用户可用的架构、表、列和数据类型。
- 将自然语言问题转换为 Amazon Redshift SQL。
- 针对客户的 Amazon Redshift 环境运行查询。
- 以表格或简明解释的形式呈现结果。
- 通过后续问题对结果进行筛选、比较或深入探究。
- 将分析转化为团队可以共享和探索的交互式仪表板。
由于分析针对客户现有数据运行，团队可以继续使用他们已在 Amazon Redshift 中维护的精心整理的数据集和业务定义。其 Amazon Redshift 环境同时查询数据仓库和数据湖中数据的客户，也可以通过向插件公开的受治理数据集提供这些数据。AWS Data Analytics 插件还支持我们更广泛的 AWS 数据和分析服务。这包括使用 AWS Glue Data Catalog、Amazon S3 表（Amazon Simple Storage Service（Amazon S3）的一项功能）、Amazon Athena 以及 AWS 上的向量搜索的能力。
自然语言分析不仅仅是把提示词传给数据库。代理需要理解 Amazon Redshift 特有的 SQL、发现元数据、选择正确的表和列，并构建遵循服务最佳实践的查询。该插件是使用 Amazon Redshift 技能构建的，这些技能来自 Agent Toolkit for AWS这些技能提供了经过测试的流程和特定于服务的指导，代理在使用 Amazon Redshift 时可以使用这些指导。
要开始使用，请在 ChatGPT Work 中安装 AWS Data Analytics 插件，将其连接到 Amazon Redshift。立即为您的团队提供一条对话式途径，以获取跨您的数据仓库和数据湖的受治理洞察。
要了解更多信息，请参阅以下资源：
这篇内容对你有用吗？
反馈只用于改善内容筛选，不等同于收藏