Amazon QuickSight: Panduan Praktis untuk Profesional Data

Membuat Visualisasi Data

Kekuatan utama Amazon QuickSight terletak pada kemampuannya mengubah data mentah menjadi wawasan yang intuitif secara visual dan dapat ditindaklanjuti.

Menyiapkan data Anda

Sebelum Anda dapat membangun bagan dan laporan yang bermakna, penting untuk memastikan dataset Anda bersih, akurat, dan terstruktur dengan baik. 

Amazon QuickSight menyediakan alat bawaan untuk persiapan dan transformasi data dasar, yang memungkinkan Anda membentuk data sebelum analisis.

01: Unggah atau hubungkan ke sumber data

Buka bagian “Datasets” dan klik “New Dataset.” Dari sini, Anda dapat:

• Mengunggah file (CSV, Excel)
• Terhubung ke sumber data

QuickSight mendukung berbagai opsi sumber data, termasuk:

• Amazon S3: Terhubung ke data terstruktur yang disimpan di object storage.
• Amazon Redshift: Ideal untuk mengkueri dataset besar di gudang data cloud.
• Amazon Athena: Mengkueri data langsung dari S3 menggunakan SQL, tanpa memindahkan data.
• Amazon RDS: Terhubung ke basis data relasional yang dihosting di AWS.
• MySQL/PostgreSQL/SQL Server/Snowflake: Terhubung melalui JDBC.
• Salesforce, file Excel, dan CSV: Unggah langsung atau atur penyegaran terjadwal.

Empat gambar di bawah membawa Anda melalui proses menemukan tab “Datasets”, mengeksplorasi opsi impor, dan akhirnya melihat dataset setelah berhasil diimpor:

Tangkapan layar konsol QuickSight yang menunjukkan tab ‘Datasets’.

Tangkapan layar konsol QuickSight yang menunjukkan opsi impor datasets yang tersedia (bagian 01).

Tangkapan layar konsol QuickSight yang menunjukkan opsi impor datasets yang tersedia (bagian 02).

Tangkapan layar konsol QuickSight yang menampilkan tampilan setelah sebuah dataset diimpor.

02: Bersihkan dan validasi data Anda

QuickSight memungkinkan Anda melakukan transformasi terbatas saat pembuatan dataset. Transformasi ini mencakup:

• Menghapus duplikasi: Menggunakan filter atau alat persiapan data untuk menghilangkan catatan redundan.
• Memperbaiki tipe data: Memastikan kolom tanggal, teks, dan angka dikenali dengan benar.
• Menangani nilai null: Mengganti atau memfilter nilai yang hilang.

03: Terapkan transformasi

Anda juga dapat memperkaya dataset dengan field terhitung, filter, dan logika sederhana untuk memperoleh wawasan baru dari data Anda.

Berikut contohnya:

Anda dapat membuat field terhitung untuk mengelompokkan nilai penjualan menjadi dua grup:

ifelse({sales} > 1000, "High", "Low")Didukung oleh

Rumus ini membuat kolom baru yang mengklasifikasikan setiap catatan sebagai "High" atau "Low" berdasarkan volume penjualan.

04: Pratinjau dan konfirmasi

QuickSight menyediakan pratinjau data Anda setelah transformasi apa pun. Anda dapat menggunakannya untuk memastikan nilai, label, dan format selaras dengan tujuan Anda.

Setelah data Anda terlihat benar, klik Save & Visualize untuk masuk ke antarmuka analisis.

Gambar-gambar di bawah menunjukkan proses impor dataset dari file CSV dan meninjaunya pada tahap persiapan data:

Tangkapan layar konsol QuickSight yang menunjukkan proses impor dataset dari CSV (bagian 01).

Tangkapan layar konsol QuickSight yang menunjukkan proses impor dataset dari CSV (bagian 02).

Tangkapan layar konsol QuickSight yang menunjukkan proses impor dataset dari CSV (bagian 03).

Membangun dashboard pertama Anda

Setelah dataset Anda disiapkan dan divalidasi, Anda dapat mulai membuat dashboard QuickSight pertama Anda.

Berikut cara memulainya:

01: Mulai analisis baru

Buka bagian Analyses , klik New Analysis, dan pilih dataset yang baru saja Anda buat atau impor.

Gambar di bawah menunjukkan tab Analyses, tempat Anda memulai analisis baru.

Tangkapan layar konsol QuickSight yang menunjukkan tab ‘Analyses’.

02: Tambahkan visual

Klik Add, lalu Add Visual untuk menyisipkan bagan baru ke dalam analisis Anda.

Pilih dari berbagai jenis visual:

• Diagram batang, grafik garis, diagram pai
• Heat map, scatter plot, tree map
• KPI, tabel, pivot table, combo chart

Gambar di bawah menunjukkan tempat mengakses opsi visual dalam antarmuka analisis.

Tangkapan layar konsol QuickSight yang menunjukkan opsi untuk menambahkan visual dalam tab ‘Analyses’.

03: Konfigurasi visual

Untuk mengonfigurasi visual, Anda dapat menyeret field ke zona yang sesuai:

• Sumbu X, sumbu Y untuk memplot metrik
• Group by, Color, Value untuk segmentasi dan pemformatan

Anda juga dapat menggunakan ‘filters’ untuk fokus pada subset data (misalnya, wilayah tertentu, rentang waktu, atau kategori) dan mengurutkan hasil berdasarkan field atau nilai untuk menonjolkan tren dan outlier.

04: Sesuaikan tampilan dan nuansa

Untuk menyesuaikan dashboard, klik Format Visual. Anda kemudian dapat: 

• Menyesuaikan judul sumbu dan ukuran font
• Mengubah warna bagan atau menerapkan pemformatan bersyarat
• Mengaktifkan atau menonaktifkan legenda dan garis kisi

05: Tambahkan narasi dan wawasan ML (opsional)

Anda dapat menggunakan “Auto-Narratives” untuk menghasilkan wawasan secara otomatis dalam bahasa natural.

Anda juga dapat mengaktifkan fitur ML bawaan seperti “Anomaly Detection” dan “Forecasting” untuk menambahkan elemen prediktif ke dashboard Anda tanpa membangun model.

06: Publikasi dan berbagi

Setelah dashboard Anda sesuai keinginan:

• Klik PUBLISH.
• Beri nama dashboard Anda dan tetapkan hak akses kepada pengguna atau grup.

Gambar-gambar di bawah menelusuri proses publikasi, dari penamaan dashboard hingga pengaturan opsi berbagi.

Tangkapan layar konsol QuickSight yang menunjukkan opsi untuk memublikasikan dashboard (bagian 01).

Tangkapan layar konsol QuickSight yang menunjukkan opsi untuk memublikasikan dashboard (bagian 02).

Tangkapan layar konsol QuickSight yang menunjukkan opsi untuk memublikasikan dashboard (bagian 01).

Perlu dicatat bahwa Anda juga dapat menyematkan dashboard ke dalam alat internal atau portal menggunakan API penyematan QuickSight.

Teknik Visualisasi Lanjutan

Setelah Anda familier dengan fitur dasar Amazon QuickSight, saatnya menjelajahi kemampuan yang lebih lanjut untuk meningkatkan kinerja dan menghadirkan wawasan prediktif. 

Ini termasuk memanfaatkan mesin SPICE dan fitur berbasis machine learning.

Memanfaatkan mesin SPICE

SPICE, singkatan dari Super-fast, Parallel, In-memory Calculation Engine, adalah mesin in-memory milik Amazon QuickSight. 

Mesin ini dirancang untuk meningkatkan kinerja kueri secara signifikan dengan melakukan caching data dalam memori, yang meminimalkan latensi dan mengurangi beban pada sumber data live.

Alih-alih mengkueri data langsung dari sumber setiap kali visual dimuat, SPICE memungkinkan Anda mengimpor data ke QuickSight, sehingga dashboard dan analisis dapat dirender jauh lebih cepat, terutama saat bekerja dengan dataset besar atau kompleks yang melibatkan banyak join dan agregasi. 

Hal ini menjadikan SPICE ideal untuk dashboard yang dibagikan lintas tim, sering diakses, atau berbasis volume data historis yang besar.

Untuk menggunakan SPICE, mulai dari tahap penyiapan dataset:

1. Saat mengunggah dataset, Anda akan diminta memilih mode kueri yang diinginkan. 
2. Pilih Import to SPICE for quicker analytics alih-alih Directly query your data. Ini menginstruksikan QuickSight untuk menyimpan dan memproses data dalam memori.
3. Setelah mengimpor ke SPICE, Anda dapat mengonfigurasi penyegaran otomatis agar data tetap mutakhir. Penyegaran ini dapat dijadwalkan per jam, harian, atau interval khusus berdasarkan frekuensi perubahan data sumber Anda. 

SPICE juga mendukung penyegaran inkremental, yang memungkinkan Anda memperbarui hanya data baru atau yang berubah, sehingga menghemat waktu dan sumber daya komputasi.

Menerapkan wawasan machine learning

QuickSight mendemokratisasi machine learning dengan membuatnya dapat diakses oleh analis dan pengguna bisnis tanpa memerlukan keahlian data science. Beberapa fitur berbasis ML sudah terpasang, membantu Anda menemukan tren, mendeteksi anomali, dan memperkirakan metrik masa depan hanya dengan beberapa klik.

• Anomaly detection adalah fitur kuat yang memungkinkan QuickSight memindai data Anda secara otomatis untuk menemukan pola tidak biasa atau perubahan tak terduga. 

Misalnya, jika Anda melacak pendapatan bulanan di berbagai wilayah, mengaktifkan deteksi anomali pada grafik garis Anda akan menyoroti perilaku outlier, seperti penurunan atau lonjakan tak terduga. 

Selain memberi penanda anomali, QuickSight menyediakan interval kepercayaan dan penjelasan kontekstual untuk membantu interpretasi penyebabnya.

• Forecasting di QuickSight menggunakan tren historis untuk memproyeksikan nilai masa depan. Ini sangat berguna untuk perencanaan dan penganggaran.

Anda dapat mengaktifkan peramalan dengan satu kali klik kanan pada visual deret waktu, dan QuickSight akan menampilkan titik data masa depan beserta batas kepercayaan, sehingga lebih mudah mengantisipasi permintaan, penjualan, atau keterlibatan pelanggan.

• Auto-narratives juga dapat ditambahkan ke dashboard Anda untuk merangkum temuan utama dalam bahasa Inggris sederhana. 

Kotak teks yang dihasilkan AI ini otomatis menyesuaikan saat data berubah, menawarkan wawasan tertulis dinamis seperti "Penjualan meningkat 15% di Q2 dibandingkan Q1" atau "Terjadi anomali pada pengembalian produk selama musim liburan."

Kemampuan machine learning ini meningkatkan QuickSight menjadi solusi BI yang lebih prediktif dan cerdas.

Penyematan dan Berbagi Dashboard

Amazon QuickSight menawarkan berbagai opsi untuk berbagi dashboard secara aman, baik secara internal dalam organisasi maupun secara eksternal melalui penyematan ke aplikasi web.

Menyematkan dashboard dalam aplikasi

Salah satu kemampuan terkuat QuickSight adalah kemampuan untuk menyematkan dashboard interaktif ke dalam portal, intranet, atau aplikasi yang menghadap pelanggan. 

Ini sangat berguna untuk platform SaaS, alat internal, atau lingkungan apa pun di mana pengguna harus berinteraksi dengan konten BI tanpa mengakses AWS Console.

Untuk menyematkan dashboard:

1. Mulailah dengan mengaktifkan “embedding support” di pengaturan akun QuickSight Anda. 
2. Setelah memublikasikan dashboard, dapatkan ID dashboard dan gunakan AWS SDK atau CLI untuk menghasilkan URL sematan yang aman. 
3. Anda perlu menggunakan panggilan API GenerateEmbedUrlForAnonymousUser atau GenerateEmbedUrlForRegisteredUser, bergantung pada model autentikasi Anda.
4. Kemudian Anda dapat menggunakan QuickSight JavaScript SDK untuk merender dashboard di dalam HTML <iframe>.

Keamanan sangat penting saat menyematkan dashboard:

• Anda harus menerapkan row-level security (RLS) untuk memastikan setiap pengguna hanya melihat data yang berwenang mereka akses. 
• URL sematan juga harus ditandatangani dan berumur pendek, menggunakan token autentikasi sementara yang cepat kedaluwarsa. 
• Gunakan peran IAM dan login federasi untuk pengguna anonim atau pihak ketiga bila diperlukan.

Berbagi dan kolaborasi

QuickSight menyediakan beberapa fitur untuk kolaborasi yang aman antar anggota tim:

• Berbagi dashboard memungkinkan Anda memberikan akses kepada pengguna atau grup individual dalam akun AWS Anda.
• Anda dapat menetapkan peran berbeda seperti “Authors” (yang dapat membuat dan mengedit konten) atau “Viewers” (yang hanya dapat melihat dashboard).
• Dashboard dapat didistribusikan secara otomatis melalui laporan email terjadwal, sehingga mudah untuk menjaga pemangku kepentingan tetap mendapat informasi.
• Di edisi Enterprise, Anda dapat meninggalkan komentar dan berkolaborasi secara real time, memungkinkan tim membangun pemahaman bersama atas data.

Gambar-gambar di bawah menunjukkan cara berbagi dashboard untuk tujuan kolaborasi.

Tangkapan layar konsol QuickSight yang menunjukkan opsi untuk berbagi dashboard guna kolaborasi (bagian 01).

Tangkapan layar konsol QuickSight yang menunjukkan opsi untuk berbagi dashboard guna kolaborasi (bagian 02).

Pertimbangan Keamanan dan Kepatuhan

Saat bekerja dengan data yang penting bagi bisnis atau sensitif, menjaga kontrol keamanan yang kuat dan memenuhi persyaratan kepatuhan adalah hal yang tidak dapat ditawar. 

Amazon QuickSight menyediakan fitur kelas enterprise yang selaras dengan standar keamanan dan tata kelola modern.

Menerapkan langkah-langkah keamanan data

Untuk melindungi data Anda pada berbagai level:

• Gunakan keamanan tingkat kolom untuk membatasi akses ke field tertentu, memastikan atribut sensitif seperti PII hanya tersedia untuk pengguna berwenang.
• Terapkan row-level security (RLS) untuk memfilter data berdasarkan atribut pengguna. Misalnya, manajer penjualan regional mungkin hanya melihat data untuk wilayah yang ditugaskan.

Berikut contoh aturan RLS menggunakan pemfilteran berbasis pengguna:

{
  "region": "${user.region}"
}Didukung oleh

Anda dapat mengelola atribut pengguna langsung di IAM atau meneruskannya secara dinamis melalui parameter sesi tersemat.

QuickSight juga terintegrasi dengan AWS IAM, yang memungkinkan kontrol akses terperinci. 

Semua data dienkripsi saat diam dan saat transit menggunakan AWS KMS, yang memastikan kepatuhan terhadap standar keamanan enterprise dan industri.

Kepatuhan dan tata kelola

Edisi Enterprise QuickSight mendukung berbagai fitur tata kelola:

• AWS CloudTrail mencatat setiap tindakan yang dilakukan di QuickSight untuk keperluan audit.
• Gunakan Amazon Macie dan GuardDuty untuk memantau eksposur data dan ancaman keamanan.
• QuickSight mematuhi kerangka kerja utama, termasuk SOC, ISO, dan HIPAA, sehingga cocok digunakan di industri yang diatur ketat.

Praktik terbaik termasuk memberi tag pada aset (dashboard, dataset), melakukan kontrol versi pada visual penting, dan meninjau log akses secara berkala untuk memastikan tata kelola yang tepat.

Strategi Optimalisasi Biaya

Meskipun Amazon QuickSight dibangun dengan efisiensi biaya, konfigurasi yang strategis dapat membantu semakin menekan pengeluaran sambil mempertahankan kinerja tinggi.

Memahami model penetapan harga

QuickSight menawarkan dua model harga utama:

1. Harga per pengguna (Standard Edition) – Anda membayar biaya bulanan tetap untuk setiap Author dan Viewer.
2. Harga berbasis kapasitas (Enterprise Edition) – Anda membayar berdasarkan jumlah sesi yang digunakan oleh Reader, yang ideal untuk skenario skala besar di mana pengguna masuk sesekali.

Untuk mengoptimalkan biaya:

• Gunakan “Readers” alih-alih “Authors” untuk pengguna yang hanya perlu melihat dashboard.
• Pantau aktivitas pengguna melalui “AWS Billing Reports” untuk mendeteksi lisensi tidak aktif.
• Manfaatkan harga berbasis sesi untuk dashboard publik atau portal klien B2B.

Optimasi penyimpanan SPICE

Kapasitas SPICE terbatas berdasarkan paket akun Anda, namun Anda dapat memaksimalkan efisiensinya dengan:

• Mengaktifkan penyegaran inkremental untuk memuat hanya catatan yang diperbarui alih-alih mengimpor ulang seluruh dataset.
• Menggunakan pemangkasan kolom untuk menghapus field yang tidak digunakan dalam dashboard atau perhitungan.
• Mengagregasi data sebelum impor untuk mengurangi ukuran dataset dan meningkatkan kinerja kueri.

Strategi ini membantu menjaga penggunaan SPICE tetap terkendali sekaligus meningkatkan kinerja dashboard.

Tips Optimalisasi Kinerja

Dashboard QuickSight sangat interaktif, tetapi kinerja dapat terpengaruh saat visual dan dataset bertambah. 

Berikut beberapa cara yang saya rekomendasikan untuk mengoptimalkan responsivitas dashboard:

Meningkatkan waktu muat dashboard

Jika dashboard Anda lambat dimuat:

• Batasi jumlah field yang disertakan dalam setiap visual hanya pada yang diperlukan.
• Hindari memenuhi kanvas dashboard Anda. Sebagai gantinya, atur konten menggunakan tab, kontrol, atau filter.
• Gunakan kueri berparameter untuk membatasi data pada cakupan pengguna saat ini atau filter yang dipilih.
• Tinjau filter, join, dan struktur dataset untuk peluang optimasi.

Menggunakan dataset SPICE komposit

Anda juga dapat menggunakan dataset SPICE komposit untuk menggabungkan dan menggunakan kembali data dari beberapa sumber sambil meningkatkan kecepatan muat:

• Gabungkan dataset terkait menggunakan dimensi bersama seperti waktu, lokasi, atau ID pengguna.
• Gunakan fitur “Join Data” di editor dataset untuk membuat struktur terpadu yang mengurangi redundansi.
• Dengan menyimpan dimensi yang sering diakses di SPICE, Anda meminimalkan kueri berulang dan menyederhanakan kinerja.

Teknik-teknik ini sangat efektif di lingkungan enterprise di mana skalabilitas dan konsistensi kinerja sangat penting.

> Jika Anda ingin menjelajahi tutorial serupa, lihat AWS EC2 Tutorial for Beginners atau Amazon Bedrock: A Complete Guide.

Kesimpulan

Setelah bekerja dengan Amazon QuickSight, saya semakin menghargai bagaimana layanan ini menyederhanakan proses mengubah data mentah menjadi visual interaktif.

Kemampuan machine learning bawaan, kinerja berkecepatan tinggi melalui SPICE, dan integrasi yang erat dengan AWS menjadikannya pilihan kuat untuk BI berbasis cloud yang skalabel. 

Jelas, QuickSight adalah solusi yang layak dieksplorasi untuk organisasi mana pun yang berorientasi pada data.

Untuk mendapatkan pemahaman yang lebih baik tentang ekosistem AWS, jelajahi AWS Cloud Technology and Services course. Jika Anda ingin memperluas keterampilan visualisasi di luar QuickSight, lihat Introduction to Tableau.