常见证券化解决方案使用 QuickSight 创建商业智能数据引擎 商业智能博客

Common Securitization Solutions利用QuickSight打造商业智能数据引擎

作者：Rishi Ranjan Madhan Merugu Neelima Veligeti Steve Doerrer 和 Tejas Thaker 于2024年2月15日，发布于亚马逊QuickSight，商业智能，客户解决方案，安全性 永久链接评论 分享

关键要点

快速报告生成：通过使用QuickSight，CSS成功将报告生成时间减少了90。创建互动仪表板：为用户提供动态的商业智能BI仪表板，以便更好地支持决策。简化数据处理：提高了数据准备和分析的效率，大幅度降低了员工的时间支出。

这是由Common Securitization Solutions的Rishi Ranjan撰写的访客文章。

Common Securitization SolutionsCSS是Fannie Mae和Freddie Mac的合资企业，管理着价值64万亿美元的抵押贷款支持证券组合。他们使用大量数据来促进投资决策。在这篇文章中，CSS分享了如何通过亚马逊QuickSight将报告生成时间缩短90，并通过互动仪表板增强用户的商业智能BI数据能力。

数据是组织的生命线，我们的数据团队利用BI工具、机器学习ML和人工智能AI来管理数据。

我们收到了组织的一项关键请求：从单类到更复杂的多类证券，提供发行人抵押贷款证券和贷款的360度视图。

这样的请求在企业中很常见，我们知道对数据分析的需求只会与日俱增。我们需要更好的工具来为用户提供支持，并能将花费在维护上的时间减少，更多的时间用于构建。

当时，我们使用多种工具和方法为不同的用例构建分析解决方案。由于缺乏标准架构指导，我们有冗余的架构模式，维护起来非常繁琐。在某些情况下，我们管理的BI环境需要技能熟练的人员进行管理和许可的相关工作，这使得扩展工作变得困难且耗时。在其他用例中，我们使用脚本从数据中生成可视化。

我们的能力过于依赖人力，这妨碍了我们支持新的用例或快速变更现有用例。

我们希望能有一个解决方案，在提供更多功能的同时，缓解能力问题。

建立商业智能数据的能力

我们发现大多数BI解决方案提供的互动性有限，并且需要耗费过多的员工时间来设置和维护。我们选择了QuickSight，原因有几方面：

加速器永久免费版加速器作为一种托管服务，QuickSight允许我们在无需设置新环境的前提下构建产品，提供极好的弹性来满足我们的扩展需求。仪表板用户友好，功能众多，如下钻探索、筛选和参数、自定义代码添加派生字段的能力、机器学习洞察和自然语言处理能力。我们使用AWS云服务，这使得QuickSight的集成变得无缝，并可以使用基于AWS的通用框架进行协调和监控。

此外，我们还可以通过使用内存中的SPICE超快速并行内存计算引擎存储来节约成本，大幅降低在开发和管理BI许可方面的员工时间。

快速的上线时间

我们于2021年第四季度开始探索QuickSight。在2022年第一季度结束时，我们发布了第一个产品。到下一个季度结束时，我们添加了更多功能和可视化，并且现在每两个月向该产品推送更新。

我们还启动了另一个项目，为公司数据建立一个分析仪表板。我们建立了数据获取管道，从一个应用程序摄取金融数据，从软件即服务SaaS平台获取合同详细信息，并通过SAP Fieldglass获取承包商详细信息，最终将数据传输到Snowflake平台。QuickSight从Snowflake获取所有这些平台的数据，以构建综合仪表板以支持我们的公司职能。

解决方案架构

我们使用不同的数据获取模式，将数据从各种数据平台提取到Snowflake。数据进一步转化为数据集市，以使其准备好进行分析。QuickSight与Azure AD集成，以实现单点登录。Azure AD组与QuickSight用户组集成。内部和外部用户设有几个活动目录组。内部用户组来自数据、单家庭业务和整个公司的读者。FHFA用户是唯一的外部组。

我们使用SharePoint作为我们的内部网和内容管理，并将QuickSight仪表板嵌入其中，以便让我们的员工轻松与客户共享仪表板。

Outcomes

QuickSight为我们节省了时间和成本，同时提升了我们的能力：

成果具体指标报告生成时间降低90数据准备时间降低100处理临时请求的时间降低70抵押贷款支持证券产品的整体视图提供统一视角

接下来的步骤

QuickSight让我们能够继续为不同的业务领域构建新应用程序，同时不断扩大数据从内部和外部来源的获取。我们还很兴奋地扩展对QuickSight中的Amazon Q的使用，它是一个基于AI的BI助手，使查询和其他数据收集方法对我们的用户变得更加简单和直观。最后，我们还在探索向QuickSight添加生成AI扩展的好处。

关于作者

Rishi Ranjan是Common Securitization Solutions的数据管理高级总监，负责管理从共同担保平台CSP获取的数据系统的设计和开发。作为大数据、实时技术、机器学习和现代云数据平台的专家，Rishi是一位拥有构建前沿企业级数据产品和服务才能的创新领导者。

Tejas Thaker是亚马逊网络服务的客户解决方案经理，自2017年以来一直为全球公共部门WWPS联邦金融服务组织提供服务。他的主要工作是加快客户的云转型旅程并最大化云投资的商业价值。Tejas热衷于帮助客户解决复杂问题并探索利用数据智能和最新生成AI能力的新用例。

Neelima Veligeti是CSS的数据和机器学习首席架构师，擅长使用AWS服务构建数据和机器学习解决方案。她在金融科技领域有超过15年的工作经验，担任云和金融科技技术的开发者和解决方案架构师。Neelima对云、数据和AI/ML如何带来显著的业务转型充满热情。

Madhan Merugu是CSS的首席数据与机器学习工程师，位于北卡罗来纳州。Madhan在数据和机器学习技术方面拥有23年以上的强大软件开发经验。他在CSS的角色专注于复杂数据解决方案的设计和开发。在工作之外，他是一名板球爱好者，参与当地联赛的比赛。

Steve Doerrer是CSS商业运营组的证券管理总监，在抵押贷款证券化行业拥有近20年的经验，担任运营和技术职位。Steve和他的团队通过利用数据、流程自动化和商业智能产品来提升运营效率，并做出更有根据的商业决策。

加载评论