re:Invent 2024: Amazon QuickSightでGenerative AIを活用したBI革新
はじめに
海外の様々な講演を日本語記事に書き起こすことで、隠れた良質な情報をもっと身近なものに。そんなコンセプトで進める本企画で今回取り上げるプレゼンテーションはこちら！
📖 AWS re:Invent 2024 - Reimagine business intelligence with generative AI (BSI101)
この動画では、Amazon QuickSightにおけるGenerative AIの活用について、AWS社内のリーダーと2社の導入事例を交えて詳しく解説しています。Generative BIと呼ばれる新しいアプローチにより、Amazon Q in QuickSightを活用することで、データアナリストによるダッシュボード作成の効率化や、一般ユーザーによるセルフサービス分析が可能になった実例を紹介しています。特に、医療情報プラットフォームのAvailityと教育テクノロジー企業のAnthologyによる実践的な活用事例では、Amazon Q in QuickSightの組み込み機能を活用して、データ分析の民主化を実現した具体的な取り組みが示されています。
※ 動画から自動生成した記事になります。誤字脱字や誤った内容が記載される可能性がありますので、正確な情報は動画本編をご覧ください。
※ 画像をクリックすると、動画中の該当シーンに遷移します。
re:Invent 2024関連の書き起こし記事については、こちらのSpreadsheet に情報をまとめています。合わせてご確認ください！
本編
re:Inventセッション開始：Generative AIがBIを再定義する
はい、それでは始めましょう。皆様、Las Vegasへようこそ。re:Inventへようこそ。私はJesse Gebhardtと申します。QuickSightのソリューションアーキテクチャチームのワールドワイドリーダーを務めています。本日は素晴らしいお客様であるMichael PrivatさんとSteve Baileyさんにもご参加いただいています。後ほど、お二人に自己紹介をしていただきます。会場の皆様がヘッドフォンを着けている様子は、まるでサイレントディスコのようですね。各会場で同時配信をご覧の皆様にもご挨拶申し上げます。本日のセッションにご参加いただき、ありがとうございます。このセッションでは、Generative AIがビジネスインテリジェンスの可能性をどのように再定義できるかについてお話しさせていただきます。
本日の議論の枠組みとして、まず私からビジネスインテリジェンス機能の簡単な歴史と、Generative AIがすべてのユーザーのデータ活用をどのように支援できるかという可能性についてお話しします。その後、QuickSightのQ機能について具体的に説明し、デモンストレーションをご覧いただきます。そして、AvailityのMichaelさんとAnthologyのSteveさんに、社内での活用事例と、顧客向け製品への組み込みにおけるQとQuickSightの活用についてお話しいただきます。最後に、トライアルの入手方法や学習教材、そして今週開催されるAmazon QとQuickSightに関する他の学習機会についてご紹介します。サイレントセッションのため、Q&Aではマイクを回すことはいたしませんが、セッション後に私たちのところまでお越しいただければ、喜んでご質問にお答えいたします。
それでは、早速始めましょう。先ほど申し上げた通り、私はJesseで、QuickSightソリューションアーキテクチャチームのリーダーを務めています。お二人、簡単な自己紹介をお願いできますでしょうか。皆様、こんにちは。Michael Privatと申します。Availityのチーフアーキテクトおよびチーフデータオフィサーを務めています。エンジニアリングとデータが大好きで、まさに理想的な組み合わせです。本日は、QuickSightとQを活用したセルフサービスの実現についてお話しさせていただきます。皆様、こんにちは。Steve Baileyと申します。Anthologyのデータ＆アナリティクス部門のプロダクトマネジメントディレクターを務めています。過去10年間、特に学習分野でデータに携わってきました。本日は、AnthologyがQuickSightと最近導入したAmazon Q in QuickSightを活用して、お客様にインサイトを提供している方法についてお話しさせていただきます。
Amazon QuickSightの概要と顧客基盤
概要として、Amazon QuickSightは統合型のBIサービスです。一般的な組織では、ダッシュボードと可視化用の複数のツール、より静的で配布可能なピクセルパーフェクトや運用型レポート用の別のツールセット、さらには自社アプリケーションにアナリティクスを組み込むための独自技術や、自然言語クエリ用の別のツールなどを使用しているかもしれません。QuickSightでは、これらすべてを1つのサービスに統合しています。サーバーレスアーキテクチャを採用しているため、ユーザー数、データ量、ダッシュボード数、同時アクセス数に関係なく、一貫したパフォーマンスを実現できます。
様々なユースケースに対応する柔軟な価格モデルをご用意しています。社内利用の場合はユーザーごとの課金モデル、自社アプリケーションでの利用の場合は、製品の収益化に適した使用量ベースの課金モデルを提供しています。一般的に、他のツールと比べて総保有コストを抑えることができます。最後に、AWSのセキュリティフレームワークとの緊密な統合を実現しています。自社アプリケーションに組み込む場合、そこで管理している認証・認可ルールとも統合することができます。
現在、QuickSightは10万社以上のお客様にご利用いただいています。これらのお客様は、あらゆる業界、さまざまな規模の企業から、世界中のあらゆる地域に及んでいます。これは、私たちがQuickSightで行ってきたイノベーションと投資の成果を示すものです。実は今日はQuickSightにとって8周年にあたります。8回目のre:Inventで発表してから、今日で8年が経ちました。皆様もぜひこれらのお客様の仲間入りをしていただければと思います。
BIの歴史とGenerative AIの可能性
それでは、BIの機能の歴史を少し振り返ってみましょう。80年代まで時計の針を戻してみましょう。
80年代、90年代、そして2000年代初頭、Business Intelligenceは通常、高度なスキルを持った少数の開発者グループが、静的な表形式のレポートをコーディングし、運用責任者や企業の上級幹部など、比較的少数の人々に配布するものでした。組織全体に配布されることは決してありませんでした。そして2000年代後半になると、インタラクティブなドラッグ＆ドロップのダッシュボードの時代が到来しました。
この変化により、権限が高度なスキルを持つ開発者からビジネスアナリストやデータアナリストへと移行し、より多くの人々が自分でダッシュボードを作成し、データから質問の答えを得ることが可能になりました。その結果、同じデータから洞察を得ようとする、より大きなコミュニティと洞察を共有できるようになりました。これで現在に近いところまで来ましたが、この先の未来がどうなるかについては後ほどまたこのスライドに戻って説明させていただきます。
では、ダッシュボードは問題を解決したのでしょうか？こんな例え話があります：新車を購入して店から乗り出した瞬間に価値が下がるように、そのテクノロジーはすぐに古くなってしまいます。おそらく皆さんの大半は、これまでにダッシュボードを作成した経験があるのではないでしょうか。ダッシュボードを共有した後、最初に起こることは何でしょう？誰かが異なるデータソースの追加や、別の切り口での表示、フィルターの追加、あるいは新しいビジュアルの追加を依頼してきます。そのため、ダッシュボードを作成した後、 私たちはそれを見直し、修正し、このサイクルを繰り返します。しかし実際には、これによってダッシュボードが増殖してしまうことがよくあります。私自身、とてもよく似た10個のダッシュボードを持っています。元のダッシュボードとは少し異なる質問に答えるものかもしれませんが、次々と出てくる質問に答えるために、今や10個の異なる情報源を持つことになってしまっています。
Generative AIの時代が到来しています。 もしまだご存じない方でも、この数年間で聞いたことがない方でも、今週中にきっと何度も耳にすることになるでしょう。Generative AIは特定の分野で非常に優れた能力を発揮します。例えば、パブリックインターネット上のあらゆる情報に関する幅広い知識へのアクセスを可能にします。コードのトラブルシューティング、新しい分野の学習、または大量のドキュメントやメールの要約など、学習や教育のアシスタントとして優れています。テキスト情報や特定のタスクセットの処理が得意なのです。
一方、Business Intelligenceは全く異なるタスクセットに適しています。非常に正確な質問に答えられるように設計されています。生データを取り込み、それを分析可能な形式に自動変換してインサイトを得て、それを他者に提供するという一連のプロセスを得意としています。数値の出所を確認できる真実性の検証にも優れています。私はいつでも、どのビジュアルがどのデータソースから来たのか、どのクエリが実行されたのか、元のシステムは何だったのかを追跡して確認することができます。このパイプライン全体を常に検証できるのです。
これら2つを組み合わせることで、両方の長所を活かすことができます。私たちはこれをGenerative BIと名付けました。次に、QuickSightのAmazon Q機能に、これをどのように適用したのかについてご説明します。これが現在のQuickSightにおけるQ の機能の概要で、3つの主要な機能セットがあります。1つ目は、Authorと呼ばれる人々（アナリストやデータワーカーと呼ばれる方々）が、より効率的にダッシュボードを構築し、インサイトを見つけられるようにする機能です。
QuickSightにおけるAmazon Q機能の詳細
残りの2つのカテゴリは、より一般的なエンドユーザー向け、つまりQuickSightの世界ではReaderと呼ばれる人々向けです。1つは、誰かが新しいダッシュボードを共有してくれた時のためのものです。私自身よく経験することですが、詳しく調べる前に主要なインサイトを把握しようとする時、エグゼクティブサマリーを求めてダッシュボードの重要なデータポイントへと導いてもらい、そこから追加の質問をすることができます。これがQ&Aの機能です。最後の機能セットはストーリーテリングと呼ばれています。データの中で興味深い発見をした後、通常はそこで終わりではなく、他の誰かにアクションを起こすよう説得する必要があります。
これについては後ほど詳しくお話しします。ちなみに、Amazon Q Businessをご存知かもしれませんが、Q BusinessのProライセンスまたはQuickSightのProライセンスをお持ちの場合、もう一方のライセンスも付与されます。基本的に同じライセンスなので、Proライセンスを取得すれば両方のサービスの機能を使用できます。
それでは、これらの機能についてもう少し詳しく見ていきましょう。最初に挙げたオーサリング体験に戻りますと、できることは3つあります。1つ目は、画面に表示したいものを説明するだけでビジュアルを作成できます。2つ目は、新しい数式を作成してデータの新しい指標を計算することができます。そして3つ目は、これらのビジュアルを洗練させることができます。つまり、シンプルなプロンプトを使って、チャートタイプの変更、フィールドの追加、新しい書式の適用などが可能です。ここに計算の例がありますが、デモでもいくつかご紹介させていただきます。
次に閲覧者の視点に移りまして、データに対するQ&Aについてお話しします。Q&Aは、現在お使いのダッシュボードの拡張機能として考えていただくとよいでしょう。どんなダッシュボードを作成しても、ユーザーが将来どんな質問をするかを完全に予測することは不可能です。たとえ全ての質問を予測できたとしても、考えられる全ての質問に対して、必要なフィルターやビジュアルを事前に用意することはできません。そこで、予測可能な質問の80%に答えられるダッシュボードを作成し、Q&Aでその体験を補完します。これにより、状況やユーザー固有の具体的なフォローアップ質問に対応することができます。
画面に表示されている例では、「最も成績の良い製品」のような測定方法さえ指定していない曖昧な質問から、特定の期間における特定の2つの値の特定の指標を比較するような非常に具体的な質問まで、両方に対応できることがわかります。このように、曖昧な質問にも具体的な質問にも対応可能です。次にストーリーテリングについてですが、これは意思決定を促すために、これらのインサイトを他者に伝えることを目的としています。来週のクライアントミーティングや経営陣とのミーティングで、ある方向に決定を下すべき理由をデータに基づいて説明しなければならない場面を想像してみてください。
現在の一般的なやり方では、スクリーンショットを撮って、PowerPointやドキュメントに貼り付けて、それを会議に持っていきます。しかし、そうすると全てのガバナンスが失われ、誰とでも共有できるファイルとなってしまい、セキュリティも失われます。また、簡単に更新することもできなくなります。ストーリーテリングでは、このプロセス全体を最適化することを目指しています。つまり、ダッシュボードと同じセキュリティを持ち、インタラクティブで、簡単に更新可能な共有可能なアセットを作成できます。さらに、ダッシュボードのビジュアルからのインサイトとLLMsの幅広い知識を組み合わせることができます。
最後に、これらの機能を独自のアプリケーションに埋め込むことができることをお伝えしたいと思います。画面に表示されているスクリーンショットは、実はAnthologyのIlluminate製品からのものです。これについては後ほどSteveが詳しく説明してくれます。特に、Q&A機能は、ダッシュボードや個別のビジュアル、その他の機能と共に、社内の業務アプリケーションや、顧客向けの製品を開発している場合はそれらにも埋め込むことができ、これらの機能を収益化することも可能です。
Formula Oneデータを用いたQuickSightとAmazon Qのデモンストレーション
では、先ほど見ていたスライドに戻って、現在の状態、あるいは1、2年前の状態まで振り返ってみましょう。Generative BIにより、データからインサイトを得たり、質問をしたり、データを分析したりする能力は、質問を入力できる人なら誰でもアクセス可能になったと私たちは確信しています。 これらの機能がどのように動作するか、実際に見てみましょう。 セットアップの説明をしますと、ここにあるデータはFormula Oneレーシングシリーズのものです。ご存知かもしれませんが、2週間前にLas VegasでFormula Oneレースが開催されました。このデータには、全ドライバーの各レースにおけるスタート位置、最終順位、獲得ポイントなど、今年行われた22ラウンドの全レース、全ドライバーのポジションデータが含まれています。今年は残り2ラウンドありますが、シーズンはほぼ終わりに近づいているので、かなり完全なデータセットと言えます。
QuickSightの新規ユーザーになったつもりで、このデータを初めて探索し、画面上で情報を確認してみましょう。まず、年間を通じたトップドライバーを示すビジュアルの作成をお願いします。 すると、適切な可視化タイプが選択され、それを分析に追加することができます。また、「これをお探しですか？」「それとも他のものでしょうか？」といった提案も表示されます。
次の例では、もっと具体的なリクエストをしてみましょう。全レースの詳細、全ドライバー、彼らの順位を表示するようお願いします。 さらにフィルターも適用してみましょう。1位、2位、3位でフィニッシュしたドライバーのみを表示するように設定すると、それに応じて表示が更新されます。もし項目を忘れていた場合は、レース日付やラウンド番号などの追加フィールドを加えることもできます。さらに細かい調整も可能です。例えば、条件付き書式を使用して、1位を金色、2位を銀色、3位を銅色にカラーコード化することもできます。 各レースで1位、2位、3位の順になるように、複合ソートで並び順を調整してみましょう。
次に確認したいのは、シーズンを通じて各レースで獲得したポイントの累計です。現時点での状況を見てみましょう。ここでも、作成したい計算の種類を説明するだけで、 Qが全ての構文を書き出してくれます。これは世界で最も複雑な計算というわけではありませんが、 新しいツールを使い始めたばかりのユーザーにとって、QuickSight特有の構文があるかもしれません。ヘルプやQuickSight Communityで情報を探し回る代わりに、求めているものを説明するだけで済みます。
その計算を使用して、最後のビジュアルを作成してみましょう。各ラウンドにおける累積ポイントを表示し、ドライバーごとに分類するようお願いします。画面上で もう少し大きく表示してみましょう。現在のリーダーボードのトップはMax Verstappenです。彼は昨年チャンピオンを獲得しました。 彼の累積ポイントを見ると、4、5ラウンド目あたりから実際にリードを広げていることがわかります。このデータをさらに掘り下げてみましょう。これは、アナリストがダッシュボード、ビジュアル、計算などをより迅速に構築するのを支援する作成機能のまとめでした。
もう少し作業と整形を進めると、このようなきれいに仕上がったダッシュボードが完成します。トップフィニッシャーが表示されていますね。最初のシートは、Las Vegasのレースに特化したものです。そして、もう1つのシートには、年間累計順位が表示されています。画面中央のビジュアルは「Bump Chart」と呼ばれるもので、時系列での順位変動を見るのに最適です。左側にドライバーのスターティンググリッドポジション、右側にレース終了時の順位が表示されています。George Russellは1位からスタートして1位でフィニッシュしました。Lewis Hamiltonは10位からスタートして2位でフィニッシュしました。このように、中央部分で順位の変動が線で表現されているのがわかります。
スパゲッティのように入り組んでいる部分は、最初のピットストップの時期です。これはレースの非常に重要な部分で、全ドライバーが新しいタイヤに交換するため、他のドライバーを抜くチャンスとなります。そのため、この部分で多くの順位変動が見られます。さらに下部のビジュアルでは、各ドライバーの各ラップタイムが表示されています。先ほど素早く触れましたが、Lando Norrisが最速ラップを記録しました。それは彼の最終ラップである50周目でした。右側のビジュアルは、レース中の各ドライバーの獲得・失った順位の合計を示しています。最後のビジュアルは、先週リリースされた新機能を使用しており、High Chartsのコアライブラリを活用してQuickSightでカスタムビジュアライゼーションを作成できるようになりました。
右上に表示されているRadio Bar Chartも、私たちが作成したカスタムビジュアルの一例です。2枚目のシートには、2024年の累計順位が表示されています。ドライバーズランキングでは、Verstappen、Norris、Leclercが1位から3位を占めています。F1にはチームもあります。10のチーム（コンストラクターと呼ばれます）があり、各チームには2人のドライバーがいるので、常に20人のドライバーと10のチームが存在し、個人とチーム両方のチャンピオンシップが争われています。そのため、両方のチャンピオンシップの累計ポイントが表示されています。
このデータからは興味深い洞察が得られます。2024年だけでなく、1950年まで遡るF1の全データを持っています。画面では小さくて見づらいかもしれませんが、よく知られた名前がいくつか表示されています。一番上の行にはLewis Hamiltonが表示されています。先ほどのレースで2位でしたが、彼は約17年間レースを続けており、歴代最多ポイント獲得ドライバーです。今年も昨年も既にチャンピオンを決めているMax Verstappenは、歴代3位となっています。
同様の観点から、ダッシュボードの機能性を拡張し、過去のデータも持っているので、必ずしもダッシュボードに表示されているデータだけに限定されない質問もできるようにしたいと考えています。「Maxは今シーズン何勝していますか？」といった質問をすると、Natural Languageでの要約が得られます。常に左上のビジュアルが元の質問に対する回答として表示されますが、さらなるコンテキストを提供するために、データの他の切り口も表示されます。
たとえば、ここではMaxの平均順位が表示されていますが、時系列での推移や各レースの詳細な情報を確認することができます。また、特定の数値が何パーセント上昇したか下降したかといった洞察も自動的に抽出してくれます。このように、より詳しいコンテキストを提供することで、より適切な判断を下せるようにしています。 最後の質問は、Maxが表彰台（トップ3）に入ったレースの割合についてです。全体では約60%ですが、 昨年は90%以上が表彰台入りという結果でした。
これがQ&Aの一例です。最後に、Data Storiesについてお話しします。他者にこれらの情報を伝える際、私はプロンプトを使って物語を構築します。ドライバーとコンストラクターのトップパフォーマンスについての要約をリクエストしてみましょう。アクセス権のあるダッシュボードから好きなビジュアルを選択できます。そうすると数秒で、 ダッシュボードのデータとインサイトを含む、完全に構造化された文書が生成されます。 さらに、LLMsの幅広い知識も組み込まれています。
これらは完全に編集可能です。テキストを手動で編集したり、データには含まれていない追加のコンテキストを加えたり、アイテムのサイズを調整したり、追加の画像やビジュアルを挿入したりすることができます。非常に柔軟に編集できるのです。そして最後に、これを共有可能なアセットとして、リンクを誰かに送ることができ、ダッシュボードと同じセキュリティを維持することができます。以上でデモを終わります。ここで、Michael Privatさんに彼の経験についてお話しいただきたいと思います。ありがとうございます。ありがとう、Michael。そうそう、青い耳が素敵ですね。
AvailityによるセルフサービスBI実現の事例
今日は、Availityが日々の意思決定にQuickSightをどのように活用しているかについてお話しします。文脈は説明しますが、特にAmazon Qによるセルフサービスに焦点を当てたいと思います。なぜかというと、もしあなたがデータチームにいるなら、ビジネス部門の人々が常にレポートや分析のリクエストを出してくることをご存知でしょう。それはスケールしませんし、彼らには自分で対応してほしいところです。逆に、データチーム以外の方であれば、常にJiraチケットでリクエストを出して、レポートが戻ってくるまで1、2日かかることをご存知でしょう。正直なところ、自分で対応できた方がいいですよね。
みなさんはおそらくAvailityとは何かと思っているでしょう。もし考えていなかったとしても、今私がそう言ったので気になり始めたと思います。アメリカの医療システムについて説明させてください。患者が選択できる医療保険プランは数万種類もあります。医師や病院はこれらの保険プランと連携する必要があります。問題は、みんな基本的には同じ言語を話していますが、バリエーションや方言があることです。コンピューターに詳しい方ならご存知の通り、2つのコンピューターが通信するためには、非常に正確である必要があります。ここでAvailityの出番です。私たちはすべての方言やバリエーションを知っており、すべての病院とすべての保険プランを接続する方法を知っています。
結論から申し上げますと、アメリカで病院にかかる場合、担当医が保険会社とやり取りする際に、私たちのシステムを通すことになる可能性が極めて高いのです。極めて高いというのは、80-90%の確率という意味です。Availityは言わば管制塔のような存在で、患者さんのために、これらすべての通信がリアルタイムでスムーズに行われるよう管理しています。
患者さんがどう関わっているのか、具体例でご説明しましょう。病院に行くと、まず最初に行われるのが自己負担額（コペイ）の確認です。保険でカバーされない分として、いくら請求すべきかを確認する必要があるのです。その確認は、私たちのシステムを通じて保険会社に問い合わせることで行われます。もっとわかりやすい例を挙げると、手術が必要だとわかった場合です。担当医は手術のスケジュールを組む前に、その手術が保険適用対象かどうかを確認する必要があり、その確認も私たちのシステムを通じて行われます。
繰り返しになりますが、私たちは管制塔のような存在です。毎年何十億ものやり取りを仲介しています。これから皆さんを舞台裏にご案内しましょう。今日が Availityのアナリストとしての初日だと想像してください。このネットワークについて、私たちがどのように考えているかをお見せします。初日、パソコンの電源を入れると、あちこちでリンクが点滅しているのが見えます。これらはすべて、病院や医師、事務担当者、政府系保険プランが相互にやり取りしている様子です。あなたの仕事は、すべてがスムーズに動くよう確認することです。過負荷を防ぎ、障害を回避し、必要に応じて経路を変更し、不正を防止し、データを保護する―数万のシステムが同時に通信し合っているのです。
これは医療の世界です。失敗は許されません。患者さんが待っているのですから。ストレスを感じている方もいらっしゃるようですが、ご心配なく。私たちには20年ほどの経験があります。この仕事には自信があります。ただし、すべてが自動的に上手くいくわけではありません。あなたのようなアナリスト―ようこそチームへ―が常にネットワークを監視し、最適化し続ける必要があるのです。だからこそ、優れたBIツールが必要なのです。
先ほど申し上げたように、常にデータチームにチケットを発行する必要があります。ある病院と保険会社の間で何か問題が発生した時、そのネットワーク上で何が起きているのかを知る必要があります。レポートを取得しようとすると、Jiraでチケットを発行して数日待つことになります。データチームが遅いわけではありません。単に、常に多くの人からリクエストが集中しているだけなのです。
私たちがよく直面するもう一つの問題は、このデータの全体像を把握することの難しさです。私たちは常時何十億もの相互作用を処理していますが、これらのデータポイントの背後にあるストーリーを見出すのは困難です。これらの相互作用の一つ一つが新しいデータポイントを生み出し、最終的には何兆ものデータポイントになってしまいます。そのため、データチームにチケットを発行し、データアナリストやデータサイエンティストにデータの背後にあるストーリーを抽出してもらう必要が出てきます。
航空管制官の比喩に戻りますが、こう考えてみてください。もし実際の航空管制官が管制塔に座っていて、「ニューヨークからのフライトです。着陸許可をお願いします」という連絡を受けた時に、滑走路の状況レポートを得るためにJiraチケットを発行して待つことなどできません。そんなことは機能しないはずです。これこそが、私たちがセルフサービスを実現しなければならない理由なのです。では、どのように実現したのでしょうか？これはre:Inventのトークなので、QuickSightについて話すことになります。
まず、優れたBIスタックの4つの重要な要素について共有したいと思います。4つのキーワードを思いつく方はいらっしゃいますか？そうです - シンプルであること。シンプルでなければ使いたくなりません。直感的でなければ使い方が分かりません。表現力がなければ、何を伝えようとしているのか分かりません。そしてアクション可能でなければ、何の意味もありません。文字通り、BIスタックの全ての目的は、アクション可能なインサイトを生み出すことです。これが優れたツールに必要な要素です。先ほど私がセルフサービスについて話したことを思い出してください - 優れたツールだけでは十分ではありません。ツールと白紙を渡して「はい、どうぞ」と言っても、うまくいきません。問題はツールではなく、白紙から始めることなのです。
セルフサービスを実現するための私の戦略は、顧客やユーザーにデータポイントを出発点として提供し、そこから自分で探索してもらうことです。白紙から始めるよりもずっと簡単です。
ユーザーに出発点を提供する一つの方法は、ダッシュボードを通じてです。私たちは完全に架空のデータセットを作成し、10月に小さな変動を加えました。これにより、ステークホルダーはすぐに「ちょっと待って、10月に何が起きているんだろう？」と考えるようになります。そこが出発点となって、Amazon Q for QuickSightに入り、フォローアップの質問を始めることができます。 Amazon Q for QuickSightは完全にコンテキストを理解しており、あなたが直前に見ていたダッシュボードを把握しています。そのため、そのデータの月次推移について平易な英語で質問すると、 単純なYesやNoの回答ではなく、次の出発点となる完全なレポートを提供してくれます。そこからセルフサービスの旅が始まるのです。これは素晴らしいことです。
ユーザーのセルフサービスを可能にするもう一つの方法として、社内で制作しているデジタル新聞「Availity Data Story」があります。Availity Data Storyのコンセプトは、データの観点からAvailityで起きていることを説明する記事（ブログ記事の集まりのようなもの）を作成することです。チャートなどの要素も含まれていますが、基本的な考え方は同じで、アイデアを引き出すきっかけとなるストーリーを提供し、それを基にユーザーが自分でデータを探索できるようにしています。
Data Storyの記事の作成方法についてお話しします。QuickSightには、偶然にも「Data Story」という機能があります。他のチャットボットと同様に、単に欲しい内容を説明するだけでプロンプトを作成できます。使っていくうちにプロンプトエンジニアリングが上手くなっていきます。例えば、「データから見えることを説明し、そのデータについての考察を共有し、次のステップを書く」といった具合に、見たい全体的な構造を指定することができます。
プロンプトを入力し、1つまたは複数のビジュアル（確か20個程度まで追加可能）を加えます。これらのビジュアルが、記事を書きたいデータセットの基礎となります。先ほどと同じチャートを選択すると、数秒で完全な記事が生成されます。QuickSightはピューリッツァー賞を受賞するような文章は書きません。文体は無味乾燥で、ユーモアのセンスもありません。文字通り、見えることとその考察を書くだけです。しかし、その中には非常に賢い洞察が含まれています。私たちのプロセスでは、このコンテンツを生成した後、編集チームが初めて読む人にもわかりやすい内容に編集します。
まとめますと：1日目に出社したら、まずData Storyを読んでいただきます。理解が深まってきたら、ダッシュボードへのリンクも追加して、すぐに仕事を始められるように follow-up の質問もできるようにしています。2日目には自信がついて、直接ダッシュボードにアクセスしてQ&Aを使い始めます。3日目には、意欲的なアナリストとして独自のダッシュボードを作りたくなるでしょう。これは先ほどJesseが紹介した内容と似ています。QuickSightには、欲しいダッシュボードを説明するだけで作成できる機能があります。「ユーザーごとの1日あたりのトランザクション数を集計したテーブルが欲しい」と言えば、テーブルが生成され、それをダッシュボードに追加できます。
さらに微調整も可能です。例えば、日次集計ではなく、ビジネスをより適切に表現できる月次集計に変更したい場合もあるでしょう。望む内容を伝えるだけでよく、目的の表示が得られるまでビジュアルを調整し続けることができます。データテーブルが最適な可視化方法ではないと判断した場合は、その変更を説明するだけでチャートに変更することもできます。
たった1〜2分ほどで、完全なダッシュボードを構築することができました。 もちろん、さらにウィジェットを追加できるダッシュボードですが、1〜2分でコーディングなしでダッシュボードを作成できます。データについてあまり詳しくなくても、左側にあるデータディクショナリーを見ることができます。 これで私のダッシュボードができました。これが毎日使用するダッシュボードになります。そして、4日目くらいに気分が乗ってきたら、誰かのダッシュボードを拝借して改良し、自分のものにすることもできます。このように、様々な選択肢があるわけです。
まとめとして、ダークモードに戻りますが、このリリース以降、 約100人のユーザーがセルフサービスを利用できるようになりました。6つ以上のスターターダッシュボードをリリースしました。ダッシュボードはビジネスの様々な部分に焦点を当てており、営業チーム用のダッシュボード、ネットワーク運用チーム用のダッシュボードなどがあります。結果として、新入社員でも15分ほどでゼロからヒーローになり、システムを操作できるようになります。つまり、チケットを発行する必要がなく、数日待つのではなく、数秒で自分の疑問を解決できるということです。これにより、医療提供者や保険会社、そして当然ながら患者さんにとってもより良い体験を提供できます。
最後にこの考えを皆さんに残したいと思います。次に病院に行くとき、具合が悪くて、だるくて、少しイライラしているかもしれません。すべてがスムーズに進むことを望むはずです。医師に診てもらい、薬をもらって、帰宅して、良くなりたいと思うでしょう。家に帰って元気を取り戻し、また楽しい気分になったとき、Availityと、最高の患者体験を提供するために私たちが行っているすべての仕事のことを思い出してください。それでは、Steveにバトンタッチします。ありがとうございました。
AnthologyのIlluminateプラットフォームにおけるQuickSightとAmazon Qの活用
皆さん、こんにちは。これから、AnthologyがQuickSightとAmazon Qをどのように活用して「together（共生）の力」というコンセプトをサポートし、すべての顧客基盤にインサイトを提供しているかについてお話しします。 私たちは、複数の企業合併によって形成された教育テクノロジー企業で、教育ビジネスの様々な要素をサポートする幅広いEdTechソリューションを提供しています。 地理的な分布に関して、これらの合併と顧客基盤により、私たちがサポートするクライアント数は非常に広範囲に及びますが、私たちの本質は学習者と教育機関をより成功に導くことにあります。
そのための方法の1つがデータの活用です。 AnthologyにはIlluminateというデータ分析プラットフォームがあります。私たちは様々なEdTechソリューション全体からデータを収集し、それらを組み合わせてインサイトを提供します。つまり、より多くのAnthologyソリューションを利用すれば、それだけ多くの価値が得られる - 本質的に部分の総和以上の価値が生まれるということです。まず、これらのソリューションについて少し説明させていただきます。私たちには3つの主要なフラッグシップソリューションがあります：1つは学習管理システムのBlackboard、1つは学生情報システムのStudent、そして1つはCRMのReachです。もちろん他のソリューションも提供していますが、基本的にIlluminateプラットフォームの主な初期の焦点は、これら3つのフラッグシップソリューション全体からデータを組み合わせ、製品全体にそのデータを表面化することにあります。
QuickSightがこれまでどのように発展してきて、今後どこに向かおうとしているのか、その全体像についてご説明させていただきます。 私たちは数年前、主にBlackboardというLMSからデータを取り込むところから始めました。 当初は、LMSデータのデータモデルへのアクセスをSQLで提供し、お客様が自身のBIツールを持ち込める環境を整えていました。 多くのお客様がこの方法で成功を収めましたが、残念ながらこれは単に問題をお客様側に押し付けているだけでした。 Michaelが先ほど話していたような課題を、お客様が全て抱えることになってしまうのです。データの扱い方について疑問が生じた場合、誰かに質問して回答を待たなければなりません。さらに、Anthologyは長年この分野で活動してきたことから、実はLMSの真のエキスパートなのです。 私たちこそが、お客様のためのレポートコンテンツやインサイトを構築するのに最適な立場にいました。そのため、お客様向けにプリビルトレポートを作成する必要があることは、常に認識していました。 最初は手動でビジュアルを作成していましたが、
すぐにそれが拡張性に欠けることに気づきました。すべてのビジュアライゼーションを手動でコーディングし、それを維持管理していくのは、 特に大量のレポートを作成する必要がある場合、本当に時間がかかってしまいます。
そこで市場調査を行い、すぐにAmazon QuickSightを選択しました。その理由はいくつかあります。まず第一に、既存のAWSとの関係があったため、新しいベンダーとの関係を一から構築する必要がありませんでした。次に、これは非常に重要なポイントですが、QuickSightの従量課金制という特徴です。 開始時に多額の初期費用がかからず、 小規模から始めて徐々に拡大できるという点が、私たちのスタート地点から見て非常に有用でした。
しかし、私たちにとって最も重要だったのは、このBIツールを実質的にホワイトラベルとして埋め込み、製品のユーザーエクスペリエンスの中に組み込めることでした。これにより、Anthologyのソリューションとして表示され、それに見合ったユーザーエクスペリエンスを提供できます。また、QuickSightで構築したレポートと、以前の手動で構築したレポートを並行して運用できる移行期間を設けることができ、既存のものを捨てて一からやり直す必要がありませんでした。現在では、基本的なレポートはすべて置き換えが完了しています。現在、私たちは学習、教育、リーダーシップの3つのレポート領域にわたって20のダッシュボードを持ち、世界中の何百ものクライアントにサービスを提供しています。
また、QuickSightのRow-level securityの機能を活用して、お客様がレポートを より簡単に区分けできるようにしています。これにより、組織内でより広くレポートを配布することが可能になります。さらに、QuickSightは 埋め込み型のオーサリング機能も提供しています。これは私たちがお客様向けに構築するレポートでは使用していませんが、 次のステップとして非常に理にかなった選択でした。つまり、この機能をお客様に提供することです。先ほど話題に上がっていたのは、 「これこそがゴールドスタンダードだ、誰もが気に入り、変更を望む人はいないだろう」というダッシュボードを作成することでした。しかし、すぐに何百人もの人々から様々な面での変更要望が寄せられます。そこで、お客様自身がダッシュボードを作成してカスタマイズできるようにすることで、自分たちのものとして活用し、データに独自の組織的なコンテキストを適用できるようになりました。
これは全てのクライアントに無償提供できるものではないため、プレミアムアプローチを採用することにしました。クライアントには読み取り専用のダッシュボードと、閲覧専用アクセス用の一定数のシートライセンスを提供し、さらに作成者用シートと追加の閲覧者シート向けにプレミアムアップグレードを用意しています。また、多くのクライアントが既存のBIツールを持っているため、単なるBIツールの一つに留まらないようにしています。事前に構築されたデータセットの再利用や、標準レポートで使用しているRow-level securityデータセットの再利用など、当社のソリューション内でダッシュボードを構築しやすくするための基盤とリソースを提供しています。
Blackboardから始まり、最近ではSISとCRMソリューションからもデータを取り込むようになりました。これらのデータは、レポート作成に最適化され、製品に依存しない「カノニカルデータモデル」と呼ばれるものにロードされます。これにより、理論的にはAnthology以外のソリューションからもデータを取り込むことができます。実際にはまだ始まったばかりですが、例えば、SISは持っていないがLMSを利用しているクライアントのために、Anthology以外のSISデータを取り込むことができます。この標準化されたデータモデルがあることで、SISデータを必要とするすべての構造やレポートにデータを流すことができます。
これら3つの領域のデータを組み合わせることの威力を示す例として、利用可能なデータの種類をご紹介したいと思います。CRMからは、リスクのある学生を見つけた際のアドバイザーの介入に関する全てのデータが得られます。介入のタイミングや方法など、全ての指標がそこに保存されています。LMSからは、実際にどの学生に介入が必要かを特定し、どのような文脈で学生と話す必要があるかを理解するのに役立ちます。例えば、エンゲージメントやパフォーマンスに関する問題を理解するための先行指標を使用します。そして、Student Information Systemからは、全ての人口統計データと最終的な結果が得られます。学生が留年したか、コースに合格したか、進級したか、卒業したかといったデータです。
これらのデータを全て組み合わせることで、分析に使用できる非常に強力なデータセットが得られます。製品の境界を越えた組み込み体験で行っていることの一つは、LMSにおける学生のエンゲージメントとパフォーマンスに関するデータを、LMSに属さないアドバイザー、つまりCRMを使用しているアドバイザーに提供することです。
CRMソリューション内にQuickSightダッシュボードを組み込むことで、アドバイザーは介入が必要な学生を特定できるだけでなく、LMS内での過去と現在の全般的な状況についても、より広い文脈で把握することができます。また、これらのダッシュボードには機械学習を使用して導出されたデータポイントも追加しており、さらに最近では、この文脈により関連する形でQuickSightでAmazon Qも使用し始めています。
これは少し前から使い始めたもので、当初はQuickSight Qとして提供されていた時から、会話形式のデータ探索の可能性を強く感じていました。約1年前にはプレミアム層でのみ提供していましたが、この夏からすべてのクライアントにQ&A機能を利用可能にしました。その具体的な様子をお見せしましょう。これは私たちの組み込み型インターフェースですが、QuickSightにおけるAmazon Qの完全な機能を備えています。
ここには学生のアクティビティ、エンゲージメント、パフォーマンスに関するトピックがあり、エンドユーザーはデータの探索や質問を始めることができます。ご覧の通り、最初は学生のエンゲージメントについて広く質問しているだけですが、Amazon Qはそれを様々な方法で探索するのに役立つ複数の視覚化を提供しています。そこから、ユーザーは次に見たい内容について考えるよう促されます。
このワークフローで最も重要だと考えているのは、左上に今まさに表示されようとしている視覚化です。これは、それらの異なる視覚化の結果を平易な言葉でまとめたものです。これが非常に重要なのは、ユーザーが平易な言葉で質問を入力している場合、最も望ましい結果は平易な言葉での回答だからです。視覚化があることで、見ている内容が正しいことを確認でき、さらにデータを深く探索する機会も得られます。私にとって、これは現時点での会話型データ探索における理想的な組み合わせであり、理想的なユーザー体験です。将来的には、これほど多くの視覚化は必要なくなり、Q&Aに直接進めるようになるかもしれません。しかし、やはりこれらの視覚化があることは非常に有用だと考えています。
次のステップとしては、Generative BIの機能をさらに拡充していく予定です。現在は主に組み込みインターフェースを使用しているため、一部の機能が組み込みクライアントではまだ利用できないという制約があります。しかし、利用可能になり次第、これらの機能を作成者に提供したいと考えています。Data Storiesは、学期末レポート、定期的なプログラムレビュー、その他様々なものが必要とされる教育現場において、特に有用だと考えています。さらに、クライアントが自身の組織のコンテキストに合わせてカスタムQ&Aトピックを作成できるようにすることも、非常に役立つでしょう。
QuickSightとAmazon Qの始め方とリソース
最後に、最近AWSと一緒にQuickSightの活用、特に機械学習モデルとそれをクライアントに提供する方法についての録画済みウェビナーを実施したことをお伝えしたいと思います。より詳しい情報をお求めの方は、こちらのQRコードをスキャンしてください。では、Jesseに戻したいと思います。ありがとうございました。Steve、そしてMichaelもありがとうございました。機能面では、ビジネスアナリストやビジネスデータアナリストが、Amazon QとQuickSightを使用してGenerative AIを活用し、ダッシュボードや計算の構築、変更をより効率的に行える様子を見てきました。また、一般のエンドユーザー、つまりデータ消費者がどのように活用できるかも確認しました。
一般のエンドユーザー、つまりデータを消費する立場の方々が、どのようにデータに対して質問を投げかけ、エグゼクティブサマリーを作成し、そしてアクションを促すためにデータを使ってストーリーを語ることができるのかを見てきました。また、これらのエクスペリエンスを独自のアプリケーションに組み込む方法についても探ってきました。
では、始め方についてお話ししましょう。まず、QuickSightを使用していない方であれば、無料トライアルをご利用いただけます。新しいQuickSightアカウントを設定すると、30日間、4人分のあらゆるタイプのユーザーアカウントを使用できます。つまり、本日ご紹介したすべてのQ機能を、このトライアルでお試しいただけます。次の2つのQRコードは重要なリソースです。1つ目はAmazon QとQuickSightのウェブサイトへのリンクで、より詳しい情報が得られます。2つ目は私たちのコミュニティへのリンクです。このコミュニティは、QuickSightに関する学習リソースのワンストップショップとして最適で、すべての製品情報、デモ動画、ブログ、録画されたウェビナーを含んでいます。また、様々な役割に応じた学習パスや、活発なコミュニティメンバーによるQ&Aフォーラムもあります。本日のリンクの中で1つだけ覚えていただくとすれば、このQuickSightコミュニティをお勧めします。
これが今週の残りのビジネスインテリジェンストラックの概要です。ここでピンク色でハイライトしているのは、特にQとQuickSightに焦点を当てたセッションです。これらのセッションはQとQuickSightに焦点を当てています。木曜日にはプレースホルダーのスライドがいくつかあります。本日ご紹介した内容は、QとQuickSightの現在の機能を表しています。今週のキーノートにご注目ください。とてもエキサイティングな新情報が発表される予定です。木曜日のプレースホルダーは、今週発表される内容の詳細な解説となります。水曜日の「最新情報」セッションでは、今週発表される新機能と今年リリースされた機能について説明します。このセッションは特にお勧めです。
re:Inventの関連セッションと締めくくり
最後に、これらのQ機能を実際に体験したい方のために、水曜日にワークショップを開催し、木曜日にも同じ内容を繰り返し実施します。次のスライドでは、水曜日午後のハンズオンワークショップと木曜日のハンズオンワークショップの詳細とコードについて説明します。これらは2時間のワークショップで、実験用のAWSアカウントを提供し、すべてのアセットとステップバイステップの手順をご用意しているので、実際に体験していただけます。
以上で、本日午後の時間を私たちと共に過ごしていただき、re:Inventの初日にご参加いただいた皆様に感謝申し上げます。ゲストスピーカーのMichaelとSteveには、彼らの体験を共有していただき、ありがとうございました。私たちの連絡先情報を掲載していますので、今週末や来週、ご自宅に戻られてからご連絡ください。セッションアプリでのアンケート回答にもご協力をお願いします。Q&Aの時間も設けていましたが、サイレント形式でしたので、ここで終了とさせていただきます。質問がある方は、この後個別にお答えさせていただきますので、お声がけください。ありがとうございました。
※ こちらの記事は Amazon Bedrock を利用することで全て自動で作成しています。
※ 生成AI記事によるインターネット汚染の懸念を踏まえ、本記事ではセッション動画を情報量をほぼ変化させずに文字と画像に変換することで、できるだけオリジナルコンテンツそのものの価値を維持しつつ、多言語でのAccessibilityやGooglabilityを高められればと考えています。
Discussion