re:Invent 2024: Amazon QuickSightの新機能 - Core BIからAmazon Qまで
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 - What’s new with Amazon QuickSight (BSI102)
この動画では、Amazon QuickSightの2024年の新機能について、ワールドワイドGo-to-MarketリーダーのNeal Cauleyらが詳しく解説しています。Core Business IntelligenceやPixel-perfect reportingの進化に加え、Shape MapsやNested filtersなど1,100以上の機能追加の中から重要な機能を紹介しています。特に注目すべきは、Amazon Q in QuickSightによる自然言語での分析機能で、製品評価と売上の相関分析などの複雑な分析が簡単に実行できるようになりました。また、IAM Identity Centerとの統合による認証管理の強化や、VPCエンドポイント制限の導入によるセキュリティ強化など、エンタープライズでの利用を意識した進化も紹介されています。
※ 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
Amazon QuickSightの概要と進化
Amazon QuickSightの2024年の新機能についてご紹介させていただきます。私はNeal Cauleyで、QuickSightのワールドワイドGo-to-Marketリーダーを務めており、QuickSightに携わって約7年になります。本日は、MEAソリューションアーキテクトリーダーのThomas Schlosserと、アメリカ地域のソリューションアーキテクトリーダーであるDouglas Bergquistも参加しています。
QuickSightを初めて使用される方のために、主な特徴をご説明します。モダンなダッシュボード、Pixel-perfectレポート、Embedded Analyticsなど、あらゆるニーズに対応する統合BIツールです。私たちが何年も前から正しく実現してきたことの一つが、サービスアーキテクチャによる一貫したスケーラブルなパフォーマンスです。必要な分だけ支払うコスト最適化も実現しており、後ほど新しい料金体系についてもお話しします。QuickSightはポリシーベースのガバナンスを採用しており、共有セキュリティモデルの一部として、カラムレベル、ロールレベルのセキュリティ、さらにはNamespaceによる深い分離など、お客様のニーズに対応できます。
QuickSightに携わって約7年になりますが、私が最初に参加した頃は、テーブルに合計値を表示する機能さえなかったと思います。それ以来、1,100以上の機能を追加してきました。特に過去2年間は150以上の新機能をリリースするなど、非常に活発に開発を進めてきました。2020年には、QuickSightをどこにでも埋め込めるOEM Embeddingを発表し、自然言語クエリフレームワークの一部としてQをローンチしました。2021年には、OEM Embeddingのアラートとパーソナライゼーションを導入しました。2022年は私の特に好きな年で、予測のためのQ Whyコンポーネント、Visual-based Embedding、Pixel-perfectレポートを発表しました。2023年には、新しいオーサリング体験を提供するGenerative BIを発表し、集中管理型のAWSアイデンティティをリリースしました。
QuickSightがすべてのユーザーにインサイトを提供する際の重要な側面として、サーバーコンポーネントによるユニークなアーキテクチャ、経済性、そして消費モデルやフォーマットの選択における管理のシンプルさがあります。モダンなダッシュボードとPixel-perfectレポートを提供しています。私が特に気に入っているもう一つの魅力的な機能セットは、オンデマンドでデータストーリーを語ることができるData Storiesです。データの民主化を本当に実現したいのであれば、QuickSightは究極のツールと言えます。
Core Business IntelligenceとPixel-perfect reportingの新機能
ここでDougに投資分野についての説明を譲りたいと思います。彼はCore Business IntelligenceとPixel-perfectレポートについて説明します。私たちは、革新的な大規模機能と、お客様が日々リクエストする小規模な機能のバランスを保っています。私たちはカスタマーオブセッションなサービスを提供しており、毎日お客様と対話し、BIサービスに求められるニーズを理解し、お客様の業務をより簡単にする機能を確実に提供しています。 私たちの主要な投資分野は、Core Business Intelligence、Pixel-perfectレポート、Embedded Analytics、管理機能、そしてAmazon Q in QuickSightです。
まずはコアとなるBusiness Intelligenceの機能についてお話しします。最も注目すべき新機能の1つは、 Highchartsのビジュアルをカスタマイズできるようになったことです。QuickSightでは長年、可視化のためのJavaScriptライブラリとしてHighchartsを使用してきました。今回、 ユーザーがどのような種類の可視化を使用するか、そしてデータの表示方法をカスタマイズするためのオプションを指定するJSONを編集できる、新しいタイプのビジュアライゼーションを作成しました。Highchartsのコアライブラリ全体を利用することができ、これらの例をDemoCentralサイトにリポジトリとして用意する予定です。
今年の初めに、Cross-sheet controlsをリリースしました。 これは、ハードコードされたフィルターやその他のフィルタリングの仕組みにおいて、ダッシュボード内のどのシートがフィルターの影響を受けるかを指定できる機能です。
以前はパラメータを使用してシート間の一貫性を保つことで同様の機能を実現できましたが、今回QuickSightのネイティブ機能として追加されました。これにより実装が容易になり、ドロップダウンやその他のフィルタリングオプションを通じて、ユーザーがより一貫性のある方法でデータを選択できるようになりました。
Nested filtersは、フィルター内にフィルターを設定できる機能です。 例として示されているのは、顧客が購入した商品に基づいて顧客をフィルタリングするケースで、基本的にSQLを2回実行して、より絞り込まれた顧客リストを生成しています。これは特に、マーケットバスケット分析のような実務的な用途に役立ちます。そのスクリーンショットでは、牛乳やコーヒーを購入した顧客をフィルタリングし、それらの特定の顧客が購入した他の商品を確認することができます。これらのNested filtersを組み合わせることで、より複雑な分析が可能になります。
ユーザーからのリクエストに応えて、ドロップダウンに複数選択用のApplyボタンを追加しました。これまでは、フィルターを操作する際に値を選択すると、SPICEにキャッシュされたデータやデータウェアハウスに対して即座に新しいクエリが発行されていました。これは正常に機能し、新しい選択が行われた場合は以前のクエリがキャンセルされていましたが、データベース管理者がウェアハウスへのトラフィックを制限したい場合や、ユーザーがデータの読み込みを待ちたくない場合があります。今回、作成者はこれらのドロップダウンにApplyボタンを追加できるようになり、ユーザーは単一のクエリを送信する前に、必要なものをすべて選択できるようになりました。
また、マルチカラムソート機能も導入しました。これにより、ユーザーは、ディメンション、日付、値を含む複数のフィールドに基づいてテーブルをソートできるようになりました。使用したいフィールドの階層を選択し、それぞれに昇順または降順を設定することで、テーブル内で最も重要なデータに焦点を当てることができます。
最も要望の多かった機能の1つがShape Mapsです。Shape Mapsを使用すると、カスタムのGeoJSONファイルをQuickSightにロードし、それらのオブジェクトをデータポイントに紐付けることができます。 例として表示されているのは、アメリカ合衆国の全国立公園の輪郭をポリゴンで作成し、来場者数のデータと紐付けたものです。メトリクスに基づいて透明度や色を調整するフォーマットオプションがあり、インタラクティブ性を加えると特に便利です。 ユーザーがダッシュボードを操作する際、Shape Map上のポリゴンを選択すると、ページ上の他のビジュアルがフィルタリングされます。 また、ユーザーが必要に応じてオン・オフを切り替えられる複数のポリゴンレイヤーを追加することもできます。
イメージは、ダッシュボードのブランディングやIoTデータなどの表示に役立ち、お客様に関連する特定のデータポイントと紐付けることができます。 このような美しいダッシュボードを作成することができます。 以前は、S3に画像をアップロードし、URLを介してダッシュボードに表示する必要がありましたが、現在では画像を直接QuickSightにアップロードでき、アカウント内で安全に保存されます。
ユーザーからフォントのカスタマイズオプションの拡充を求める声がありました。 以前は、Small、Medium、Large、Extra LargeといったTシャツサイズと、いくつかの制御オプションを提供していました。現在では、フォントファミリー、ピクセル単位のサイズ指定、さまざまなスタイル、色など、ダッシュボードのあらゆる面で細かな制御が可能になりました。ここではテーブルのヘッダーや値の例を見ることができます。 ダッシュボードのタイトルについても同様です。これらの詳細なフォーマット制御により、ユーザーにデータをよりクリーンに表示することができます。
ビジュアルのインポートは、すでに他の場所でビジュアルを作成しているダッシュボードを扱う際に特に便利です。ダッシュボードでビジュアルを再作成する代わりに、所有している別のダッシュボードにアクセスし、そのビジュアルを選択してインポートすることができるようになりました。これによりダッシュボードの構築がより効率的になり、分析やダッシュボードの複数の作成者が様々な場所からビジュアルを取り込んで、より効果的にダッシュボードを構築できるようになりました。
Embedded analyticsとブランドカスタマイズの進化
Pixel-perfect reportingは2022年にリリースされ、PDF、CSV、Excelフォーマットをサポートしています。
ここでのコンセプトは、すべてのユーザーがダッシュボードにログインしたいわけではないということです。私は長年ダッシュボードを構築してきました - 美しく、とても有用なダッシュボードですが - しかし、誰もが必ずしもそれにログインするわけではありません。データを異なる媒体で扱いたいユーザーもいます。毎朝コーヒーを飲みながら、PDFやCSVを受信トレイで確認し、好きなように活用したいと考えるユーザーもいるでしょう。ここでの価値は、Pixel-perfect reportingとダッシュボードの両方が同じデータセットを活用しているということです。他のプラットフォームでは、異なるツールのデプロイメントがあり、ETLルールやロジックが異なる場合がありますが、このプラットフォームではすべて同じロジックです。そのため、データの正確性に関する議論は自然と消えていきます。なぜなら、同じ信頼できるソースが両方を支えているからです。
今年は多くの機能を追加しました。 Repeating sectionsは、Pixel-perfect reportにおいて、 ディメンション内の値に基づいて、ビジュアル、セクション、さらにはページ全体を複製する機能です。 例えば、業種別の売上を示すビジュアルがあり、それをAPACやEMEAなどの地域ごとに複製したい場合、自動的に複製してくれます。ドキュメント全体で最大3層のディメンションを複製できます。これにより、ユーザーに送信する長いページのレポートを作成する際、非常に効率的になります。
Prompted reportsは、 閲覧者がPDF上のデータを選択できる機能を提供します。これまでは、PDFをユーザーに送信すると、受け取ったものがそのままでした。今では、ユーザーが選択して 実行ボタンを押すと、PDFが再生成され、まさに見たい内容を確認できます。Reader schedulingは、 閲覧者がこれらのレポートを受け取るタイミングを選択できる機能です。Prompted reportsとうまく連携し、ユーザーは見たいデータを選び、それを受け取るタイミングも選択できます。
QuickSightのEmbedded analytics機能を使用すると、ダッシュボード、ビジュアル、さらには完全なオーサリング体験などのQuickSightの機能を独自のアプリケーションに統合でき、ユーザーの通常のワークフローの中でデータ駆動型のインサイトを利用できるようになります。 次に、この分野で昨年リリースした主要な機能をいくつか見ていきましょう。まず、Embeddedダッシュボードの特定のビューに対して共有可能な リンクを生成できる新しいコラボレーション機能です。ユーザーがアクションやコントロールを通じてフィルターを変更すると、その特定の状態が ビューとして保存され、アプリケーション内で参照できます。
匿名ユーザー向けにインサイトを提供する場合、後ほど詳しくご紹介するAmazon QとQuickSightを使ってダッシュボードを構築する必要はありません。自然言語で質問するだけで、Qがビジュアルな形式で回答を提供します。今年初めに、新しいマルチビジュアルQ&A機能をリリースしましたが、これを独自のアプリケーションに組み込むことも可能になりました。その際、サイズや配色をカスタマイズして、アプリケーションに自然に溶け込むように調整できます。
カスタマイズと言えば、QuickSightのユーザーインターフェースをカスタマイズする上で、ブランドカスタマイズ機能が最近リリースされ、大きなインパクトを与えています。これまでは、テーマ機能を使って分析やダッシュボードの外観をカスタマイズし、独自のアプリケーションにシームレスに統合することができました。新しいブランドカスタマイズ機能では、カスタマイズの可能性がさらに広がり、カラースキーム、ロゴ、ファビコンなどを通じて、組織のブランドにQuickSightのユーザーインターフェースを合わせることができます。このブランドカスタマイズは、QuickSightを組み込んで使用する場合でも、スタンドアロンで使用する場合でも利用可能です。画面では、ダークカラーのQuickSightユーザーインターフェースをご覧いただけます。これがブランドで制御できる部分で、中央のダッシュボードを構築するキャンバス部分は引き続きテーマで完全に制御されます。ブランドとテーマを統一するか、それとも個別に設定するかは、ユーザーの判断に委ねられています。
管理機能とセキュリティの強化
次に、管理機能、ワークフローの自動化、データ接続性の分野で昨年行ったリリースについて見ていきましょう。QuickSightをデータに接続する際、基盤となるデータソースに対して直接クエリを実行するか、QuickSightの堅牢なインメモリエンジンであるSPICEにデータをインポートして分析クエリを高速化するかを選択できます。
SPICEは、個々のデータセットごとに1テラバイトまたは10億レコードまでスケールアップできます。今年、SPICEデータセット間の結合の制限を1ギガバイトから20ギガバイトに引き上げました。これにより、まずSPICEにデータを取り込んでから、SPICE上でデータを結合する場合のクロスデータソース結合も、新しい20ギガバイトの制限で実行できるようになりました。
従来、SPICE容量は事前に購入する必要がありましたが、新しい自動購入機能をリリースし、QuickSightが使用要件に応じて必要な容量を自動的に取得できるようになりました。現在では、インフラストラクチャのコードスクリプト内からAPIを使用して自動購入をオンにすることもできます。データコネクタに関しては、既存のSPICEサポートに加えて、Google BigQueryの直接クエリモードのサポートを開始しました。直接クエリモードにより、BigQueryデータ上でほぼリアルタイムのクエリを実行できるようになりました。Amazon Redshiftデータソースについては、GetClusterCredentialsWithIAMを使用したIAMロールによる接続をサポートしており、データベースユーザーと認証情報のパラメータがオプションとなり、一時的なユーザーIDがIAM認証情報に暗黙的に紐付けられます。これにより、クロスアカウントのユースケースでLake Formationが管理するRedshiftデータ共有機能を活用することも可能になります。StarburstとSnowflakeのデータソースでは、クライアント認証情報フローベースのOAuthをサポートするようになり、インフラストラクチャのコードの作業内からユーザーの介入なしで接続を作成できるようになりました。
次に暗号化についてお話しします。デフォルトでは、QuickSightはQuickSight所有のAWS Key Management Serviceキーを使用してデータを暗号化します。SPICEに保存されたデータを暗号化するために独自のCustomer Managed Keyを使用できることに加えて、データソースの認証情報やOAuthトークンの暗号化にも使用できるようになりました。独自のCustomer Managed Keyを使用することで、暗号化されたアイテムへのアクセスをワンクリックで取り消すことができ、また暗号化されたアイテムへのアクセスを追跡可能な監査記録を維持することができます。すべてのキー管理操作は APIを通じてプログラムで実行することも可能です。
セキュリティの分野についてさらに詳しく見ていきましょう。IP制限により、管理者はユーザーがQuickSightのユーザーインターフェースにアクセスできるネットワークを制限することができましたが、お客様からコンプライアンスや規制上の理由でQuickSightにプライベート接続する必要があるとの声がありました。VPCエンドポイント制限の導入により、Amazonのネットワークを離れることなく、VPCとQuickSightの間にプライベート接続を確立できるようになりました。例えば、AWS Direct Connectを使用してオフィスネットワークとVPCの間に専用接続を作成した場合、VPCエンドポイント制限と組み合わせることで、ユーザーがオフィス内からQuickSightアカウントのユーザーインターフェースにアクセスする必要があるという制限だけでなく、データがパブリックインターネットを経由しないことも保証できます。
アイデンティティとユーザー管理の分野では、IAM Identity Centerとの統合を開始しました。これにより、既存の従業員IDを一元的かつ安全に作成および設定できます。AWSアカウントやアプリケーション全体でのアクセス管理が可能になります。また、IAM Identity CenterではQuickSightからAWSデータサービスへのユーザーIDの受け渡しや、ユーザーレベルでのアクセス認可が可能です。IAM Identity CenterはQuickSightを含むAWS上での従業員の認証・認可に推奨されるアプローチです。今年は、既存の組織インスタンスのサポートに加えて、IAM Identity Centerアカウントインスタンスのサポートを開始しました。これは、組織インスタンスのユーザーとは別の独立したユーザーセットにQuickSightを展開したい場合に役立ちます。
カスタム権限により、管理者はQuickSightの機能へのアクセスを制限できます。先月まで、IAM Identity Centerユーザーに対するユーザーレベルでのカスタム権限をサポートしていませんでしたが、現在ではIAM Identity Centerを含むあらゆるタイプのユーザーにカスタム権限を割り当て、すべてのカスタム権限操作を管理できるようになりました。
IAM Identity Centerでは、APIを通じてすべてのカスタム権限操作を管理します。カスタム権限の例として、特定の作成者がデータソースやデータセットを作成・更新できないように制限し、既存の事前定義されたデータセットのみを使用するよう強制することができます。バックアップとデプロイメントの自動化を可能にするため、1年前にAmazon EventBridgeとの統合をリリースしました。アセットが変更された際にQuickSightから送信されるイベントをサブスクライブすることで実現します。今年は、ワークフローのこの部分を完全に自動化できるよう、データソースやデータセットなどの追加のイベントタイプとアセットタイプを追加しました。
イベント駆動型でダッシュボードとレポートを配信できるようにするため、スケジュールをトリガーできる新しいAPIをリリースしました。このAPIを使用すると、設定されたコンテンツが生成され、そのスケジュールの受信者にメールが送信されます。 フォルダは、大規模なアセットの整理、ナビゲーション、発見を簡素化する優れた要素です。また、Asset Job Bundle APIを使用して、メンバーのアセットやサブフォルダを含む共有フォルダのインポートとエクスポートが可能になりました。これにより、バックアップと復元、継続的なレプリケーション、そしてアカウント間でのQuickSightフォルダの移行が可能になります。
Restricted Folderは、QuickSightの特別なフォルダタイプで、フォルダ内のアセットを外部で使用、共有、または移動して設定された権限を変更することができないため、ガバナンスの効いたデータ共有を実現します。今年、これらのRestricted Folder内にデータソースとサブフォルダを作成する機能を追加しました。サブフォルダを使用することで、特定のユーザーグループとコンテンツの一部を共有することができます。今年、QuickSightが5つの新しいリージョンで展開されたことで、 現在では世界6大陸の21のリージョンで利用可能となり、AWSやオンプレミスのデータソース、そしてユーザーベースの近くでBIワークロードを展開するオプションが増えました。
Amazon QとQuickSightを活用したAI搭載分析機能のデモンストレーション
次の数分間でお見せするデモの中でも特に興味深い部分についてお話ししましょう。 昨年のおさらいをすると（現在も機能を追加中ですが）、ダッシュボードの作成時間を数時間から数分に短縮するAI搭載ダッシュボードをリリースしました。また、オンデマンドのExecutive Summaryや、Thomasが先ほど説明したMulti-Visualsもリリースしました。Executive Summaryの強力な機能について考えると、私たちは皆、適切な数のダッシュボードビジュアルを見つけようとするリサーチチームの一員として、最終的に約35個のビジュアルに行き着いた経験があります。Executive Summary機能を使用すると、そのような文脈に沿った情報を得ることができます。
2020年にNatural Language Query機能をリリースした際の経験から、質問をして1つのビジュアルを得た場合、多くの場合、質問の表現が正しくないか、十分ではないことがわかりました。そこで、Multi-Visual機能を追加しました。AIアシスト型のData Storytellingについて話すと、ナラティブやPowerPointを作成する必要があり、その後、経営陣がキャンセルして2週間不在になるというシナリオを私たちは皆経験したことがあります。複数のソースからPowerPointにスニップしたデータは古くなってしまい、更新が必要になります。Data Storytellingはこの問題を解決します。
では、非構造化データからのインサイトについて話しましょう。 ビジネスアナリストとして仕事を始めた頃、上司からマーケティングキャンペーンの戦略文書を作成するように言われた場合、 組織内での真実であるべき構造化データのコンポーネントが必要でした。しかし、それらを全てまとめるために、PowerPointや様々な文書で補完する能力も必要でした。通常、構造化データと非構造化データの両方の情報がどれだけ容易に入手できるかによって、このような作業には数日から数週間かかる可能性がありました。
非構造化データの機能は、構造化データから得られるインサイトの観点を補強することを目的としています。関連文書を追加してQ&Aを行うと、ここでQuickSightウィンドウに表示されているように、Q for businessから回答が表示されます。
このデモの構築を始める前に、私はマーケティングキャンペーンの構築を任されているので、業界別の状況と予測を見ていきたいと思います。月単位で主要な変動要因は何だったのかを確認し、最終的にそれをストーリーにまとめていきます。最初に尋ねる質問は、トップの業界についてです。金融業界が目立っていますが、非構造化文書の形で隠れているデータもあり、運輸業界も私たちが注目すべき有望な製品分野であることを示しています。
ここで作成されているように、非構造化データからのインサイトが得られたところで、予測の要素がどのようになっているかも見てみましょう。左側にソース情報が表示されており、2025年の月別売上予測を見ると、まさに百聞は一見に如かずです。QuickSightには、ご覧のように予測の一部として影付きの線で表示されるランダムカットフォースアルゴリズムが組み込まれています。また、その予測に関連する販売戦略からの他の文脈データも得られます。
私たちがやりたいことの1つは、その予測に関連する販売戦略をより深く掘り下げることです。11月には何が起こったのでしょうか？多くの場合、これを理解するには文書やナラティブを詳しく調べる必要があります。ブラックフライデーに、スパイクの原因となった256,000通のメールを送信するキャンペーンを実施しました。これはQ for businessによって明らかになりました。構造化データに関するQuickSightと非構造化データに関するQ for businessの間で、機能のフレームワークが深く統合されているのがお分かりいただけると思います。
ここでは業界別の割引を表示しており、素晴らしいデータが見られます - まさに百聞は一見に如かずですね。非構造化データから得られた補完情報として、40%の割引があり、さらに15%のバンドルも提供されていたことが分かります。このポイントは、ストーリーを構築する際に重要になるので覚えておいてください。「2025年のマーケティング戦略を作成する」というプロンプトを入力して、エグゼクティブサマリーから導き出せる関連するビジュアルを選んで追加していきます。
その戦略を補強するファイルをドラッグしていきます。 ビルドをクリックして処理が始まりますが、これは本当にすごいんです。というのも、これは Amazon の規模で社内のお客様にも実際に活用されているからです。黄色でハイライトされているのが導入部分で、次に パフォーマンス分析のコンポーネントをお見せします。Finance が上位に来ていて、そして Transportation が主要なコンポーネントの1つとして浮かび上がっているのがお分かりいただけると思います。
また、主要な製品提供についてもハイライトしており、ストーリーのスタイルやテーマを調整することができます。このセクションではディスカウント戦略について説明していますが、これは Q&A コンポーネントで扱った非構造化データと構造化データを 再確認しているわけです。そしてキャンペーンのタイムラインが重要になってきます。 すべてのデータを取り込んで、最終的には予算まで作成してくれます。もちろん、人間による確認は必要ですが、これによって価値創出までの時間を短縮できます。Amazon 内部でこれをテストしている中で、生産性が9〜10倍に向上していることが確認されています。
共有の精神で言うと、昨年を振り返ってみると、私は Doug のデモを拝借しました。今年は、それを Doug に返して共有できることを嬉しく思います。彼が素晴らしいシナリオ分析のデモをお見せする予定でしたが、私が再び拝借してしまいました。では、Amazon Q と QuickSight を使用したシナリオ分析についてお話ししましょう。 シナリオ分析は、エージェント型のデータ分析体験を提供します。つまり、Generative AI を活用してデータに対して非常に複雑な質問をすることができます。データの変換や What-if 分析を行い、さらにチャット内で ML モデルを活用することができます。それでは、デモを見てみましょう。
左側に新しく Scenarios というセクションが追加され、ここで複雑な質問をすることができます。上に行って新しいシナリオを開始し、分析したいデータを追加します。 CSV や Excel ファイルをアップロードしたり、ダッシュボードにある既存のテーブルからデータを選択したりできます。そして、どのフィールドを 取り込むかをプレビューで確認できます。これでよさそうですね。データを追加したら、Q が目的を理解できるように、シナリオの全体的な目標を設定することができます。
ここでは、製品ごとの平均評価と総販売数を組み合わせてみます。これらのデータセットはすべて電子製品に関するもので、ユーザー評価と販売数が含まれています。 全体的な目標に基づいていくつかの提案が表示されます。このデモでは、同じ質問を使用してみましょう。まず最初に、レビューデータセットから製品ごとの平均評価を 集計します。次に、販売データセットから製品ごとの総販売数を合計します。 そして最後に、適切な粒度でこれら2つのデータセットを組み合わせます。リアルタイムでデータを変換してくれて 、さらに一歩進んで、評価と販売数の関係を示す各製品の散布図まで追加してくれました。
もっと複雑な質問をしてみましょう：平均製品評価は販売台数全体にどのような影響を与えているでしょうか？これは通常、かなり複雑な質問です。統計分析やMLモデルを使用する必要があり、一般のビジネスユーザーであれば、データサイエンティストの助けを借りなければならないかもしれません。通常、この分析は非常に困難です。ご覧のように、いくつかの異なる方法を試してみます。そのため、まだ「分析中」と表示されており、このデータを分析するための最適な方法を選択します。この場合、線形回帰分析を示しています。統計情報も提供されますが、より重要なのはビジネス分析の結果です：平均評価が1単位上がるごとに、411台の追加販売が期待できます。
では、最も評価の低い製品について、より深く掘り下げてみましょう。顧客が不満を感じた理由は何でしょうか？まず、製品ごとの平均評価を理解し、最も評価の低い製品（CDプレーヤー）を特定します。そしてさらに重要なのは、実際の顧客レビューを分析し、テキスト分析を行って、顧客が不満を感じた理由を理解することです。これは非常に複雑な質問です。データセット内の自由形式のテキストに対してテキスト分析を行う必要があります。ここでは、そのテキストの実際の要約を提供します。顧客は信頼性の問題を抱えており、電源の問題、CDプレーヤーにとって明らかに重要な音質の問題、そして過熱や腐食といった安全性の懸念もありました。何千もの製品と何千ものレビューに対してこのような自由形式のテキスト分析を行うのは非常に困難です。しかし、Qはこのテキスト分析を簡単に実行できることがお分かりいただけると思います。
最後に、What-if分析を行ってみましょう。平均製品評価が0.5上昇した場合の総販売台数を予測します。顧客満足度を向上させることができれば、どれだけ多く販売できるでしょうか？Qは実施した統計分析に基づいて、一般の人にも分かりやすい形で分析結果を提供します。製品評価を0.5上げることができれば、9.9%の増加が期待できます。さらに重要なのは、重点的に取り組むべき分野を特定したことです。例えば、あるBluetoothスピーカーは、製品評価を向上させることができれば、売上が約30%増加する可能性があります。下部には完全な分析が表示され、全体的な影響とともに、製品固有の分析も確認できます。そのBluetoothスピーカーと、20%以上の成長潜在性を持つ他の2つの製品が表示されています。Qは私のために一歩進んで最も重要な部分を抽出し、さらにモデルに関する情報や、分析の方法に関する制限事項や注意点も提供します。
新価格設定と今後の展開
Amazon Qがユーザーのデータ理解と深い分析の方法を革新し、より簡単にしていることがお分かりいただけたと思います。では、Neilにバトンを渡します。ありがとうございます。はい、Jeff。さて、ここで締めくくりますが、いくつかの異なる点について話しましょう。明らかに、これは技術プレゼンテーションでした。51で新しい価格設定をリリースしました。
新価格設定でリリースした価値は、すべてのライセンスタイプにQとAを組み込んだことです。この機能と、シナリオで見たような構造化データに関する高度な機能は、Reader ProとAuthor Proエクスペリエンスと呼ばれるものに組み込まれています。Q for Businessとのライセンス互換性により追加の価値が生まれ、QuickSightを含むQ for Businessスイートを構築する際に、この機能がReader ProとAuthor Proライセンスに含まれています。
現在は Reader の価格は固定されていますが、最初に Q を導入したときと比べて、より柔軟性を持たせています。当初は全員に対して有効にする必要がありましたが、今では必要に応じて組み合わせを選択できます。組織によっては、$3の Reader と Q&A を60%のユーザーに提供することで満足している一方で、より先進的な組織では Reader Pro や Author Pro へのアクセスを提供したいと考えています。これらは定価ですが、皆様の組織が当社とエンタープライズ契約を結んでいる場合もありますし、民主化を検討される際には個別価格も提供しています。
それでは、これらのリソースにアクセスするために、少しカメラを取り出していただけますでしょうか。左側の最初のリンクは Q のランディングページに繋がっており、そこでインサイトを得ることができます。2番目のリンクは DemoCentral に繋がっており、業界別や様々なユースケース別に私たちが継続的に作成している多くのデモをご覧いただけます。私が特に嬉しく思っているのは、私たちのコミュニティが成長し続けていることです。数年前に、デモから世界中で実施しているビデオ、What's New ブログ、そして re:Invent イベントの最新情報まで、すべての学習体験のワンストップショップとしてローンチしました。
また、コミュニティに貢献してくださっているトップ QuickSight エキスパートの方々も称えています。質問に対しては2日間のSLAを設けていますが、通常はそれよりも早く回答を提供しています。本日午後にもまだいくつかのセッションがありますし、木曜日にもさらに深く掘り下げたい方のために追加のセッションが用意されています。今日のお話に興味を持っていただけた方は、明日、構造化データと非構造化データからのインサイトを統合するセッションがあり、そこではこのトピックについてより詳しく深く掘り下げていきます。また、Amazon Q と QuickSight のシナリオを使用した簡素化された詳細分析のセッションでは、Douglas と私が先ほどご紹介した内容を扱います。最後に、Amazon Q のハンズオンワークショップでは、ステップバイステップのガイダンスを提供します。
EBC の観点からミーティングをご希望の方は、キオスクまでお越しください。Q Lounge もございますので、LinkedIn で私か Douglas、Thomas にご連絡いただければ、適切な担当者をご紹介し、ミーティングのセッティングをさせていただきます。最後に、皆様、そして Thomas と Douglas の参加に感謝申し上げます。質問については横で受け付けており、Q&A の時間も十分にございます。もちろん、LinkedIn でつながることもできますので、今後の展開について情報をお届けし、最新情報をお伝えできればと思います。ご参加いただき、ありがとうございました。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