企业数据往往包含数千万行、行级和列级安全策略以及跨多个业务领域的数十个数据集，需要AI生成的答案可信、可重复、快速，并且一致地遵守治理规则。Amazon Quick 的最新五项功能致力于消除从提问到获得可信答案之间的等待时间，使数据专业人员能够大规模交付可信的AI驱动洞察。
数据集问答：直接与数据对话 当业务副总裁询问“该产品的流失趋势如何？”时，传统做法是查找现有仪表板或等待分析师编写查询。数据集问答功能通过将自然语言问题转化为SQL，并在全量数据集（数百万行，无抽样）上执行，数秒内返回结果。系统利用数据集元数据中的业务定义来消除歧义，例如判断“增长”是指交易量、客户数、收入还是单位数。更重要的是，AI生成的查询会自动应用您在仪表板中配置的行级和列级访问策略，无需额外配置即可将现有安全态势扩展到对话式答案。
解释：验证推理过程 速度固然重要，但准确性更不可或缺。聊天解释功能展示完整的推理链：调用的工具、生成的SQL、应用的过滤器、做出的假设以及面向非技术人员的平实语言总结。对于BI工程师和数据分析师，这相当于开发阶段的加速器：您可以提出基准问题、检查推理、策划额外上下文并调整护栏，从而将原本需要数周的迭代测试压缩为集中式会话。
语义丰富：教会AI您的业务语言 数据集问答的准确性在很大程度上取决于系统对业务词汇的理解。数据集丰富功能允许作者在数据集级别提供自然语言描述和自由格式指令，例如“此处的收入是退货后的净收入；同比比较请使用财务年度而非日历年度”。此外，还支持上传来自数据目录或团队维基的元数据文件，并在列级别组织字段、添加描述和注释边缘情况。几分钟的投资，便能确保下游问题使用团队已商定的定义。
AI驱动的仪表板生成：从数天到数分钟 操作型仪表板是企业决策的核心。AI驱动的仪表板生成功能让作者选择最多三个数据集，描述想要的业务问题、指标和组织方式，系统即可生成包含多个工作表的分析，其中包含匹配数据的可视化、筛选控件以及同比增长、环比等计算字段。整个过程仅需数分钟，输出是原生的Amazon Quick分析，可编辑、发布、嵌入或加入CI/CD流水线。早期用户报告仪表板创建时间减少90%以上。
实时数据访问：直接查询S3 Tables 企业越来越多地使用Apache Iceberg等开放表格式构建数据湖。Amazon Quick 现在可以直接连接到S3表桶中的Iceberg表，无需中间引擎。作者可以在SPICE模式（高并发亚秒级仪表板）和直接查询模式（对数据新鲜度要求高的场景）之间选择。在直接查询模式下，传统仪表板和对话式AI代理都从同一份实时数据读取，交易在通过流式管道到达S3表桶后即可在图表、指标或聊天答案中显示。这简化了现代湖仓一体架构，实现单一受管数据层服务于人类和AI消费者。
这些功能共同消除了分析工作流中的繁琐步骤，同时保留了人类判断、治理和领域专长的作用。分析师仍然决定如何计算流失率，数据工程师仍然管控谁能访问什么数据，但工具现在能够承担机械性工作，使团队能够专注于更高价值的分析任务。