HRampA如何利用Amazon Redshift空间分析技术测量美国各州数字平等状况

关键要点

在当今数字化世界中，快速的宽带接入是全面参与社会的必要条件。但仍有数百万美国家庭缺乏互联网接入。HRampA Advisors利用Amazon Redshift Serverless和CARTO，通过分析数字包容需求，帮助政府机构制定个性化的数字平衡计划。该过程包括数字鸿沟的映射、数据收集、转化和可视化，从而实现更高效的数据分析和决策制定。

在本文中，我们将探讨HRampA如何使用Amazon Redshift空间分析并结合CARTO，进行各州数字包容和互联网接入的量化分析。

在我们日益数字化的世界里，经济实惠的高速宽带接入已成为参与社会的必要条件。然而，仍有数百万美国家庭没有互联网接入。HRampA Advisors作为一家多学科咨询公司，在宽带和数字平等领域开展了广泛的工作，帮助各州、县、市的客户提供负担得起的互联网接入服务。HRampA通过分析当地特定的数字包容需求，制定量身定制的数字平衡计划，从而实现这一目标。

流程的第一步是映射数字鸿沟：哪些家庭没有家庭互联网接入？他们居住在哪里？他们的具体需求是什么？

公共数据源不足以建立对数字包容需求的全面理解。为了填补现有数据的空白，HRampA开展数字平衡调查，以便在制定数字平衡计划之前，绘制出更完整的图景。HRampA利用Amazon Redshift Serverless和CARTO有效处理调查结果，并创建自定义交互仪表板，以便于对结果的理解。这种合作使HRampA在整体部署和仪表板管理时间上减少了75，并帮助团队达成以下技术目标：

在接下来的部分中，我们将更详细地讨论每个工作流程阶段。

数据获取

HRampA以宽CSV文件格式接收调查数据，每个文件中有数百列，相关空间数据则以十六进制扩展已知二进制EWKB的形状文件形式存储在Amazon Simple Storage ServiceAmazon S3中。

使用Redshift COPY命令从形状文件中获取空间数据。通过结合使用Amazon Redshift Spectrum和COPY命令，获取存储为CSV文件的调查数据。对于结构未知的文件，使用AWS Glue的crawlers提取元数据并创建表定义。这些表定义将作为Amazon Redshift中外部表的元数据存储库。

数据转化

HRampA使用多个存储过程将原始表数据拆分，并加载到相应的目标表中，并应用用户定义的转化规则。这些转化规则包括使用本地Redshift地理空间功能对GEOMETRY数据进行转化。所有数据的获取和转化步骤通过AWS Lambda函数进行自动化，当Amazon S3中的任何数据集发生更新时，将运行Redshift查询。

数据可视化

HRampA团队利用CARTO的Redshift连接器连接到Redshift Serverless终端，并使用CARTO的SQL界面和小部件构建仪表板，以协助映射和动态计算地图数据。

以下是仪表板的示例截图，展示了按邮政编码划分的调查响应。较浅的县表示调查响应有限，需要在目标数据收集策略中加以关注。

结果：全新标准化的数字包容仪表板

HRampA基于这种方法开发的第一个互动仪表板原型后，五个州的客户CA、TX、NV、CO和MA对此方案表示出极大的兴趣。HRampA能够在两个月内为每个州实施这一解决方案，为一个定制的、交互式的数字包容仪表板提供了非常快速的周转。

HRampA还发现整体部署和仪表板管理时间减少了约75，这意味着咨询团队可以将更多精力转向帮助客户解释和战略规划结果。最后，仪表板用户友好的界面使得调查数据对更广泛的利益相关者变得更加可访问。这有助于在评估每个州的数字包容现状时建立共同理解，并从响应有限的地区制定针对性数据收集策略，从而支持更有效的协作。

结论

在这篇文章中，我们展示了HRampA如何利用Amazon Redshift Serverless和CARTO分析海量的地理空间数据。HRampA的成功实施清楚表明，Redshift Serverless凭借其灵活性和可扩展性，可以作为推动积极社会变革的催化剂。

我们鼓励您探索Redshift Serverless结合CARTO分析空间数据，并在评论中分享您的体验。

关于作者

Harman Singh Dhodi 是HRampA Advisors的分析师，热衷于将数据分析与可持续基础设施实践、社会包容、经济可行性、气候韧性以及构建利益相关者能力结合在一起。他的工作往往集中在将复杂数据集转化为视觉故事和可访问工具，帮助社区理解所面临的挑战并创造解决方案。

Kiran Kumar Tati 是一名分析专业解决方案架构师，驻扎在内布拉斯加州的奥马哈，专注于构建端到端的分析解决方案。他在设计和实现大规模大数据和分析解决方案方面拥有超过13年的经验，闲暇时喜欢打板球和观看运动。

Sapna Maheshwari 是亚马逊网络服务的高级解决方案架构师，帮助客户在AWS上以规模架构数据分析解决方案。工作之余，她喜欢旅行和尝试新美食。

Washim Nawaz 是AWS的分析专业解决方案架构师，在构建和调优数据仓库和数据湖解决方案方面工作超过15年。他热衷于帮助客户现代化他们的数据平台，提供高效、性能优越的分析解决方案。工作之外，他喜欢观看比赛和旅行。