re:Invent 2024: AWSがAmazon QとQuickSightで構造化・非構造化データ分析を統合
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 - Unify insights from structured and unstructured data with Amazon Q (BSI103-NEW)
この動画では、Amazon QuickSightとAmazon Q Businessの統合機能について詳しく解説しています。構造化データと非構造化データの世界を統合することで、ダッシュボードやレポートの作成時に、データベースの情報だけでなく、メールやPDF、Wordドキュメントなどの非構造化データからも洞察を得られるようになりました。KeplerやWhole Foodsの事例を通じて、この統合機能により分析時間が10分の1に短縮され、データの前処理時間も30-40%削減できることが示されています。また、40以上の非構造化データソース向けコネクタを備え、自然言語での質問に対して、構造化・非構造化データの両方から包括的な回答を提供する機能について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とAmazon Q Businessの統合：自己紹介とセッション概要
みなさん、こんにちは。本日はご参加いただき、ありがとうございます。今日は、構造化データと非構造化データの統合についてお話しさせていただきます。 手を挙げていただきたいのですが、Amazon QuickSightをすでにご利用の方は何人いらっしゃいますか？かなりの数ですね。では、Amazon Q Businessについてはいかがでしょうか？ご存知の方、使用されている方はいらっしゃいますか？本日のセッションでは、この構造化データと非構造化データという2つの世界をどのように統合し、ユーザーの皆様に価値のあるインサイトを提供できるかについてお話しします。
私はAmazon QuickSightのSenior Product Managerを務めるRahul Easwarと申します。本日は、Amazon Q BusinessのPrincipal Product ManagerであるJean-Pierre Dodelと一緒に登壇させていただきます。また、お客様からもWhole FoodsのRaviさんとKeplerのNoahさんにもご参加いただいています。後ほど、彼らからこれらのサービスと機能をどのように活用されているのか、そのユースケースと、この統合からどのような価値を得られているのかについてお話を伺う予定です。
構造化データと非構造化データの統合課題
まず、今週のre:Inventについて考えてみましょう。GenAIについて耳にされたことと思います。今や、すべてがAIに関連していることは驚くことではありません。興味深いのは、AIがエンドユーザーの生産性向上に貢献していることです。私たちは、AIを活用して人々の生活をより良く、より簡単にし、これまでなら数分、数時間、あるいは数日かかっていたプロセスを簡素化しています。 しかし、一歩下がって考えてみましょう。私たちは常にすべてのインサイトを手に入れることができているでしょうか？おそらくそうではありません。その理由は、このビジュアルが示すように、私たちは非常に近視眼的で偏った視点を持っており、その結果として全体像を見失ってしまうのです。
私たちは相互に関連するすべてを見ることができず、点と点を結びつけることができていません。これは私たちのユーザーも同じように経験していることです。皆さんは偏った視点を持っています。自分のデータ、つまり構造化された情報が一方にあり、もう一方には非構造化情報、メール、PDFファイル、Wordドキュメントがあり、その間には壁があって、これら2つの世界はうまく融合していません。この状況は、非構造化シナリオを考えるとさらに複雑になります。どこかに存在するはずの1つの重要な情報、あのメール、あのSalesforceのエントリー、あの顧客とのやり取りを探そうとする場合を想像してみてください。それを探すだけでも時間のかかる面倒な作業になってしまいます。
例として、Amazon S3を見てみましょう。S3には膨大なエクサバイトのデータが保存されていますが、それが重要なポイントではありません。 興味深いのは、そのアクセス頻度です - 1秒あたり平均1,500万以上のリクエストがあります。ここには2つの問題があります。大量の情報があり、頻繁にアクセスされていますが、アクセスされているのは構造化情報だけではなく、非構造化情報もあり、実はそちらの方が多いのです。 私たちが直面している問題は、この未完成の橋のようなものです。2つの世界が接続されておらず、そのニーズを満たすことができていないのです。
今、ユーザーはフラストレーションを感じています。2つの異なるアプリケーションにログインしなければならない状況に直面しているのです。本来得られるはずの重要な洞察を見逃してしまうかもしれません。点と点を結びつけることができていないのです。なぜ売上が下がっているのか？なぜ売上が増えているのか？それはイベントや誰かがどこかに書いた内容が原因かもしれませんが、それらの要素を結びつけることができていません。結果として、それを行うために膨大な時間を費やすことになってしまいます。 では、私たちが解決しようとしている問題は何でしょうか？それは、構造化データと非構造化データの世界を統合することです。火曜日のMattのキーノートを聞かれた方はご存じかと思いますが、
これら2つのサービスを統合できるようになったことを、正式リリースとしてお知らせできることを嬉しく思います。 構造化情報のソリューションであるAmazon QuickSightと、非構造化情報のソリューションであるAmazon Q Businessという、この2つの世界を統合することが可能になりました。これは双方向の連携であり、この後より詳しくご説明させていただきます。
Amazon QuickSightの機能と特徴
まず、あまり馴染みのない方のために、これらのサービスの詳細について、統合の仕組みを説明する前に掘り下げてみましょう。まずAmazon QuickSightについてですが、 これは約7年前に誕生したクラウドファーストのビジネスインテリジェンス製品です。最初はダッシュボード機能の構築から始まり、数年前にはピクセルパーフェクトなレポートを生成・作成する機能を追加して機能を強化しました。クラウドファーストのサービスおよび製品であることから、お客様のニーズに応じてスケールすることが可能です。ユーザー数が増えれば増えるほど、それに応じてスケールできます。SPICEと呼ばれるインメモリエンジンを搭載しており、データの取り込みが可能です。Amazon RedshiftやAmazon Athenaなどの構造化コンテンツ用の多数のコネクターが用意されており、SPICEへの取り込みやリアルタイムのユースケースに対応するための直接接続が可能です。
著者として、この情報を活用して、分析、ダッシュボード、そしてレポートを統一的に作成することができます。ユーザーとしても、ダッシュボードとレポートの両方を一緒に利用できるようになりました。私たちの価格モデルは、小規模企業から大企業まで対応できるように設計されています。従量課金制モデルを採用しており、まだ始めていない方のために30日間の無料トライアルもご用意しています。また、データガバナンスとセキュリティのための基盤構造も備えています。ロールレベルとカラムレベルのセキュリティを適用でき、ユーザーが閲覧すべき情報に関連するデータを制限することができます。
また、QuickSight内のAmazon Q機能も備えており、 これにより自然言語機能を製品全体でよりシームレスに様々な方法で活用できます。まず、著者として自然言語を使用してビジュアルを作成することができます。特定の特性や次元を持つ円グラフの作成を依頼すると、QuickSight内のQがそれを生成してくれます。また、閲覧者として、Q&A機能を通じて自然言語で質問し、包括的な視点を提供する複数のビジュアルで回答を得ることができます。
また、ユーザーとしてデータストーリーを作成する機能もあります。週次レポートや月次レポートを作成する必要がある場面は多いのではないでしょうか。データストーリーを使用することで、自然言語で質問し、特定のビジュアルを選択し、これを活用して美しいビジュアル、PowerPointのスライド、そして他のQuickSightユーザーと共有できるデータストーリーを生成することができます。さらに、ダッシュボードの内容をExecutive Summaryとしてまとめることもできます。すべてのシートを確認する必要はなく、そのダッシュボードの重要なポイントを段落を読むだけで素早く把握できます。
素晴らしいのは、これらすべてが埋め込み可能だということです。アプリケーションの中でQ&A検索バーを直接埋め込むことができます。これにより、自社のアプリケーションやユーザーの機能を強化し、シームレスな体験を提供することができます。では、Q Businessについて説明するためにJean-Pierreに引き継ぎたいと思います。
Amazon Q Businessの概要と主要機能
ありがとう、Raul。皆さん、こんにちは。これからAmazon Q Businessの概要についてご説明します。Amazon Q BusinessはGenAI搭載の対話型アシスタントで、質問への回答、要約の作成、コンテンツの生成、そして企業のコンテンツに基づいてエンドユーザーに代わってタスクを実行することができます。
主要な機能についてより具体的にお話しすると、Q Businessの一般的なユースケースの1つが、企業コンテンツの検索と洞察の発見です。SharePoint、Salesforce、ServiceNowなど、40以上の非構造化データソース向けのコネクタを提供しています。これらのコンテンツを簡単に集約し、エンドユーザーが単一のインターフェースからそのコンテンツに関する回答を得られるようにすることができます。このナレッジにアクセスできるため、エンドユーザーはコンテンツを分析し、「Q BusinessとQuickSightの違いは何ですか？」といった質問をすることができます。Q Businessはコンテンツを分析し、各製品やサービスの主要な機能とユースケースを強調して示します。
Q Businessはコンテンツの作成にも使用できます。新しいサービスや製品のローンチに際して製品説明ページを作成する必要のあるマーケティング担当者や、長文のドキュメントを要約しようとしている場合、Q Businessがこれらの生成タスクを加速するお手伝いをします。また、Q Businessは、Salesforceからチケットやケースを読み取ったり、コンテンツの作成や削除を行ったりするなど、サードパーティシステムに対してエンドユーザーに代わってアクションを実行することもできます。現在、Q Businessでは50以上のアクションがサポートされており、ユーザーがQ Businessアプリケーションから直接実行できる生産性タスクの機能を拡張しています。
Q Businessの中核的な価値提供は、エンドユーザーにとって参照可能な正確な回答を見つけることです。右側のスクリーンショットでは、ユーザーがAvailability Zonesについて質問している会話が表示されており、引用付きの文章形式の回答と、後ほどデモでお見せするSourcesボタンが表示されています。ここでの考え方は、エンドユーザーが企業データから生成された信頼できる回答を、事実確認のための出典参照とともに確実に得られるようにすることです。また、まるで実際の専門家と話しているかのように、以前の質問や回答の文脈を保ちながら会話を続けることができる対話型の体験も提供しています。さらに、会話履歴を通じて過去の会話にアクセスすることもできます。
Q Businessでは、お客様が異なるデータソースの解釈方法に影響を与えることができます。例えば、SharePointがWikiよりも信頼性が高いという場合、シンプルなスライダーなどを使ってQ Businessにどのリポジトリがより重要かを伝えることができ、そうすることでこの特定のビジネス入力を回答に反映させることができます。安全性とセキュリティの観点から、Google Drive、SharePoint、Confluenceなどの非構造化データソースに対応する40以上のコネクタがあることを先ほど申し上げました。これらのソースから回答を抽出するだけでなく、それらのドキュメントから権限のアクセス制御情報も取得します。エンドユーザーがアプリケーションを操作して質問をする時点で、アプリケーションへのログイン時に認証されているため、そのユーザーが誰であるかを把握しています。インデックス化されたソースから情報を取得する際、グループメンバーシップとそれらのアクセス制御リストを照合することで、ユーザーが閲覧を許可されているコンテンツからの回答のみを表示することができます。
QuickSightとQ Businessの統合：ユーザー体験とデモ
さて、これら2つのサービスの概要を説明したところで、この統合の実際のユーザー体験についてより詳しく見ていきましょう。QuickSight側の説明をRahulに戻したいと思います。聞こえていますか？QuickSightからQ Businessへの統合について考える際、今週発表されたこれらの最新機能によって、どのような機能が強化されたのかを見ていきましょう。以前お話したように、Readerのための Q&A機能では、自然言語で質問することができました。
私たちは複数のビジュアルによる回答を提供しています。Amazon Q Business統合の結果として、ユーザーが尋ねている質問に関連する重要なインサイトを表示し、ドキュメントやPDFファイルなどの非構造化情報に結び付け、それらの情報をすべて接続することができるようになりました。また、データストレージ機能も強化しました。ユーザーは今や、ダッシュボードから特定のビジュアルを選択できるだけでなく、自分のリポジトリにある独自に作成したファイルでそれを強化し、ダッシュボードから生成されたビジュアルと組み合わせて使用しながら、Amazon Q Businessの接続を活用することができます。これにより、3つの異なる情報ソースがすべて統合され、より豊かなデータストーリーを作成することができます。
これらの機能が実際にどのように動作するか見てみましょう。まずQ&A機能のユーザー体験を確認し、次にデータストーリーを見て、最後に管理者のセットアップについて説明します。Q&A体験を見てみましょう。これが私のQuickSightダッシュボードコンソールです。お気に入りに移動すると、すでにダッシュボードを作成した分析をお気に入りに登録してあります。セールスパイプライン情報を使用しています。ご覧のように、豊富なKPI、ビジュアル、Sankeyチャート、業種別の機会が表示されています。
どのような業界があり、どのようなディールが関連しているのかについて質問があるとします。上部のQ&Aバーを開いて、自然言語で質問することができます。QuickSightは数秒で即座にビジュアルを生成します。これは作成者が事前に作ったビジュアルではなく、自然言語モデルを使用してその場でビジュアルを生成しているのです。 上部で情報を要約することに加えて、様々な情報源から関連する文章やインサイトを引用付きで抽出しています。
月別のディールの予測を知りたい場合はどうでしょうか。同じように質問を入力すると、QuickSightは既存の情報を取り込んで将来の予測を行います。素晴らしいのは、営業やGo-to-Marketチームが作成した文書の情報を追加して、これらの予測が実際に何を意味するのか、ユーザーとして考慮すべき外部要因があるかどうかを、すべて関連付けて理解できることです。これまでは、別のシステムにログインしたり、他の文書を検索したりする必要があったかもしれませんし、今では指先一つで得られる貴重なインサイトを見逃していたかもしれません。
一歩戻って、QuickSightコンソールに戻りましょう。ダッシュボードに戻るのではなく、データストーリーに移動します。セールスパイプラインの状況と、売上を改善するためのアクションの提案について、プロンプトを入力してみましょう。 ダッシュボードから特定のビジュアルを選択できることがわかります。この場合、ローカルリポジトリから社内メモを取り込み、さらにAmazon Q Businessの情報で補強することができます。その結果、 関連する文章やコンテンツを含む、非常に充実した関連性の高いデータストーリーを作成することができます。 これらすべての包括的な概要を作成し、段落をPowerPointの箇条書きとして作成し、この出力内の情報を活用することができます。これまでは、おそらくコピー＆ペーストで情報を手動で集めたり、すべての情報源を引用したりする必要があったでしょう。
では、これらの設定方法を見ていきましょう。これは、QuickSightもQ Businessも持っておらず、これらすべてが初めての場合を想定した例です。 このリージョンをどこにするか、QuickSightをどこにデプロイするか、そして一意のアカウント名を提供するという、いくつかの基本的な情報があれば、とても簡単にスタートできます。数分でQuickSightを稼働させることができます。 必要に応じて、Q Businessに直接アクセスして接続することができます。
この例では、別のユースケースを説明します。この時点で、QuickSightはクラウドファーストでデプロイされています。 管理者として、QuickSightの管理権限を持っています。素晴らしいのは、この緊密な統合により、QuickSightで設定したすべてのユーザーが 自動的にQ for Businessに移行されることです。Q for Businessのデータとドキュメントに対する権限は維持され、尊重されます。同様に、QuickSight側から直接Q Businessアプリケーションを作成でき、Q Businessアプリケーション内で、 レトリーバーとインデックスを選択してアプリケーションを稼働させることができます。
Jean-Pierreが説明したように、Q Businessには40以上のネイティブな接続が用意されています。管理者として、ユーザーが活用できるようにこれらの接続を設定することができます。ご覧のように、Q Businessが提供する多様なソースがあり、これらの接続を確立し、関連付けを行うことができます。このように簡単に始められるのです。
顧客事例：KeplerとAmazon Groceriesの活用事例
では、お客様の声を聞いてみましょう。Noah、Keplerについて、そして御社の事業内容について少し紹介していただけますか？ Keplerのプロダクト責任者のNoah Kershawです。Keplerはグローバルなフルサービスのデジタルマーケティングエージェンシーです。多くの異なるクライアント、特に様々な業界のFortune 500企業と協力して、マーケティングキャンペーンの戦略を立て、実行し、適切なオーディエンスとつながり、それらのキャンペーンから有益なインサイトを得る方法を見出しています。
ありがとうございます。では、Raviさんお願いします。Amazon Groceriesのデータ・アナリティクスリードのRavi Redです。私の役割は、基本的にすべての食品事業のオペレーションニーズと、各機能領域、そして基盤となるデータエンジニアリングのデータ分析ニーズをサポートすることです。素晴らしいですね。お二人に、それぞれの組織での役割において、先ほど私が話した最初の課題について、つまり構造化データと非構造化データの世界が実際には交わっていない点について、どのような課題を経験されているのかを簡単にお話しいただけますか？まずNoahさんからお願いできますか？
私たちは多くの異なるブランドと協業しており、各クライアントに専任チームを持つコンサルタントやエージェンシーのような立場です。マーケティングキャンペーンのパフォーマンスや効率を推進している要因を理解するために、様々なデータソースを統合する作業は膨大です。これらのグローバルブランドは、ソーシャル、ディスプレイ、検索、その他のチャネルでほぼすべてのプラットフォームで展開しています。また、大量のコンテンツも制作しています。私たちは戦略文書を作成し、キャンペーンの実績データを取得しています。クライアントは、コアとなるオーディエンスや、どのようなメッセージや戦略が効果的か否かについての情報を持っています。マーケットでの特定の行動、つまり人々がマーケティングキャンペーンに反応するかしないかを引き起こす興味深いインサイトの核心を見出すために、これらすべてを分析する必要があります。課題は、これだけのデータがあり、人々がそれを分析することはできるのですが、分析が終わる頃には他のことをする時間がなくなってしまうことです。そのため、本当に質の高いインサイトを大量に得る時間があまりなく、質は確保できるものの、次のアクティビティに移らなければならない時間が迫ってきてしまいます。
Amazonの規模では、輸送からロジスティクス、労務計画、価格設定やプロモーションに至るまで、多種多様なデータセットを扱っています。
私たちは膨大なデータセットと、注文データを含む継続的に進化するデータモデルを扱っています。最大の課題は、分析してストーリーを構築するための適切なデータセットを見つけることです。分析のライフサイクル全体を見ると、実際の分析には約20%の時間しか使っておらず、およそ80%の時間をデータセットの発見、データの変換、クレンジングに費やしています。このようなツールがあれば、クレンジングと準備作業の半分は確実に削減できるでしょう。
私たちは、非構造化ドキュメント、PDF、PowerPoint、Word文書など、チームやクライアントから提供されるあらゆる形式のコンテンツを生成しています。クライアントとの協業方法を考えると、クライアントごとに多くの独立したデータソースがあり、クライアントの状況に合わせる必要があるため標準化されていません。課題は、そのデータを効果的に活用する方法であり、Amazon QuickSightに取り込んで活用できるようにするため、私たちのチームは大きな労力をかけてデータのクリーニングと利用可能な状態にすることに取り組んでいます。
私たちのデータアナリストは、データに対して適切な質問を設定し、回答を得ることが非常に得意です。また、クライアントのゴールをマーケティング戦略に落とし込む役割を担うコンサルタントとしてのクライアントリーダーチームも別途存在します。Amazon QuickSightは、これらすべてを一箇所で実現できる場所です。非構造化ドキュメントはGoogle Driveに残したまま、Amazon Q Businessに接続するだけで、QuickSightで作業するデータ分析チームは、そのデータを直接活用できます。ファッションブランドの再ローンチや、なぜ特定のクリエイティブがFacebookやInstagramよりもTikTokで効果的なのかといった新しいマーケティング戦略について質問すると、構造化データだけでは得られない、成功した対象層やコアメッセージのテーマに関するコンテキストを得ることができます。
QuickSightで手動でデータを収集したり、Amazon Athenaを通じて生のデータソースにクエリを実行してデータを構造化したりする場合と比べて、質の高い回答を得るまでの時間が約10分の1になっています。Amazon Q Businessが非構造化データから自動的に回答を導き出すことで、その効果はさらに顕著になります。質問から回答までの時間が10分の1になるという直接的な時間削減効果に加えて、リソースの制約により見逃されていた可能性のあるインサイトを発見できるという付加的な価値もあります。
将来を見据えると、インサイト生成がよりカンバセーショナルになっていくと考えています。現在、ビジネスの各部門は自分の領域に焦点を当てた視点を持っています。彼らは活動を計画する際に、ビジネスの複数の側面を結びつけようと試みていますが、それは依然として困難です。例えば、労務関連の部門にいる場合、全体的な市場需要や、トラフィックを促進する可能性のある新しいプロモーションを考慮する必要があります - これらは異なるテーマが原動力となっています。計画を立てるのに役立つすべての情報やデータソースを持っているとは限りません。このような機能があることで、包括的なインサイトを得られる未来が見えてきます。
時間の節約について誰も言及していませんでしたが、私は時間の節約に加えて、さらに2つのメリットがあると考えています。1つは顧客体験です - 別のアナリストがデータを収集して分析するのを待つ必要がなく、時間が節約できます。もう1つは機会損失です。例えば、今日行動に移せるインサイトを生み出す能力 - それを1週間遅らせることは、技術的に1週間の機会を失っているということになります。
このデータ分析チームは、なぜ何かが機能しているのか、あるいは機能していないのか、または市場で予想とは異なるパフォーマンスが出ているのかについて、仮説を立てています。彼らは適切な質問を見つけ出し、分析を組み立て、結果を分析する作業をしなければなりません - そしてそれが必ずしも何かに結びつくとは限りません。5分や2時間を分析に費やしても仮説が無効であることもあり、それは構わないのですが、その時間は実質的に他のことに使えたはずです。仮説を立てて素早くテストするリスクを本質的に取り除くことで、多くの異なるアイデアをテストし、これまで表面的なインサイトに過ぎなかったものの本質を本当に理解し始めることができます。同じ時間枠で10倍、20倍、30倍の質問ができれば、最初は時間がなくて到達できなかったより深い発見に辿り着けるかもしれません。
2025年を見据えて年末が近づく中、皆さんの組織でこれらの特定の機能をどのように活用していく機会があるとお考えでしょうか？私たちは、この時間を最小限に抑えられる領域を積極的に探っています。先ほど申し上げたように、データの収集、クレンジング、準備に80%の時間がかかっていますが、これを削減しようとしています。そのため、インサイト生成プロセス全体を簡素化するために、積極的に時間と労力を投資しています。私のチームは多くのビジネス機能領域をサポートしており、それらのビジネス領域が40-50%程度、会話型のジャーニーに慣れるようになることを目指しています。
私たちのチームでは、組織全体にAmazon QとAmazon QuickSightを展開する作業を積極的に進めています。異なるクライアントと仕事をする際も、データの構造やデータの場所を気にする必要がなく - すでにAmazon Qで利用可能になっているという、同一の体験を全てのチームが持つべきです。これが近期の計画です。そしてその先には、エージェンシーとクライアントの関係を考えると、CMOやCTOなどのクライアントが戦略やパフォーマンスについて質問がある場合、私たちのチームを通すかダッシュボードを見に行く必要がありますが、その手順を省いて自然言語で質問できるようにします。短期的には私たちのチーム向けですが、長期的には間違いなく、質問を持っている人々に直接アクセス権を与えることになります。
Q BusinessとQuickSightの統合デモと今後の展望
私が見ている限り、インサイトを得るまでの時間が大幅に削減されると考えています。データの前処理段階だけでも、全体の30-40%の時間が確実に節約できるでしょう。2番目はインサイトを得るまでのスピード、3番目はユーザーにとってのシームレスな体験です。インサイトを得る際の彼らにとってのボトルネックがなくなります。私の方では3つあります：1つ目は導入の容易さです。これは非常に速くセットアップできました。Amazon Q BusinessとQuickSightに適切なデータを公開する方法を見つけるのは簡単でした。私たちのデータは全てAmazon Athenaで構造化されているので、そのデータを接続し、各フィールドに対して自然言語で質問できるように適切なキーワードを関連付けることに、正直1〜2時間しかかかりませんでした。
開発チームが異なるクライアントチーム向けに多くの手作業によるセットアップを行う必要がないようにすることは非常に重要です。2つ目の考慮事項はセキュリティです。この点について話していると、法務チームの懸念が思い出されます。というのも、私たちはクライアントと密接な関係にあり、彼らのデータの取り扱いには細心の注意を払う必要があるからです。Amazon S3やAthena、そしてGoogle Driveのような異なる非構造化ファイルの保存場所内で、アクセシビリティを犠牲にすることなく、クライアントデータに適用している同じセキュリティ基準とガバナンスを維持することができます。クライアント別のデータの保存、管理、分離方法を見直す必要がなかったことは非常に価値がありました。
3つ目のポイントは、チーム同士が協力しながらも素早く作業する必要があるということです。マーケティングでは物事が非常に速く動くため、リスクが高くなります。各チームが快適に自分たちのサイロで作業しながらも協力し合い、チーム間での変換作業を心配する必要がないことは非常に価値がありました。つまり、そのセキュリティ、簡単なセットアップ、そして組織内に存在するサイロの問題を本質的に解消できる能力が重要だったのです。お二人には貴重な時間を割いて経験を共有していただき、ありがとうございます。とても参考になり、洞察に富んだお話でした。ここで、Jean-Pierreに別の側面について話してもらいましょう。私たちはQuickSightのQ Businessへの統合について話してきましたが、Q Business側の世界がどのようなものか見てみましょう。
デモを見ていきましょう。簡単に振り返ると、Q Businessは本質的に非構造化データのための一般的な会話型チャット体験です。この統合により、製品に組み込まれた機能として、Q Businessのコンソールに組み込まれているため、この機能を有効にすることができます。設定は非常に簡単で、その画面をご案内していきます。標準的なQ Businessの体験では、質問をして回答を得る、質問をして情報源付きの回答を得るという会話型の体験を提供します。しかし、ここでは必要に応じてQuickSightからの深い洞察を導入することで、その体験が豊かになります。すべての質問がQuickSightからの回答を持つわけではありませんが、Q Businessがそれを判断し、適切なタイミングでこれらの洞察を導入するためにQuickSightと通信を行います。
QuickSightがデータベースやデータウェアハウスにリンクされた洞察を導入することで、体験が豊かになります。セットアップは本当に簡単です。QuickSightには20以上の一般的な構造化データソース向けのコネクタがあります。この機能はすべてのQ Business Proサブスクリプションに含まれています。これは現在Q Businessのプレビュー機能であり、まもなくGAとしてリリースされる予定です。エンドユーザーの視点から見ると、左側のスクリーンショットでは、総利用セッション数による上位顧客は何かというエンドユーザーからの質問で会話が始まっています。これは、トランザクション情報を様々な角度から分析したい場合の分析的な質問のように聞こえます。この中に実際にこれについて言及している文書があるかもしれません。例えば、週次ビジネスレビュー文書などです。
上部には文書からの回答が物語形式で表示されています。ナラティブ内に引用があり、Sourcesボタンを押すとこの回答の情報源を確認することができます。その下に、非構造化データからの回答を補完するQuickSightからのリッチな体験が表示されるようになりました。ここでは、質問に対する完全な全体像を作り上げるために、非構造化と構造化の両方の回答が提供されています。QuickSightから返された回答をより深く掘り下げる必要がある場合、そのためのボタンが用意されており、同じクエリを使ってQuickSightに直接アクセスし、より深い分析作業を行うことができます。フィルターを追加したりして、その後会話に戻って続けることができます。このデモに深く入っていきましょう。このデモでは、コンテキストを設定すると、エンタープライズで利用しているAWSサービスの使用状況とコストを理解しようとしているAWSカスタマーを想定しています。
ユーザーは自分の使用状況について疑問を持つでしょう。最も重要なサービスについて質問したり、これらのサービスが何をするのかわからないかもしれません。取引的な側面での使用状況やコストについて理解したいと思うでしょうし、製品自体についても知りたいと考えます。これらの質問の中には、サービスに関するドキュメントなどの非構造化コンテンツから答えが得られるものもあれば、構造化されたソースに保存されている取引データや使用データから答えが得られるものもあります。また、両方から答えが得られる質問もあるでしょう。
では、このお客様が使用状況を理解するために行う一連の質問を見てみましょう。最初の質問は「最も支出の多いサービスは何ですか？」というものかもしれません。この質問は実際の使用状況に関するもので、構造化データを見ることになるため、QuickSightが回答します。ここでは、各バーにカーソルを合わせることで値を確認できる、リッチなグラフィック表示が返されます。
Amazon S3を使用していることがわかりましたが、S3が何なのかわからないので、「S3とは何ですか？」と質問することができます。この質問はドキュメントを参照することになり、ドキュメントからの回答が得られます。情報源がWebページを指し示しており、Amazon S3とは何かを説明する記述が提供され、質問に答えてくれます。
次の質問は、サービスごとの償却コストを表示するというものです。これも構造化コンテンツに関する質問で、QuickSightはさらにリッチな表示を提供し、複数の可視化とメトリクス、そして表示内容の要約を含んでいます。質問によって異なる種類の回答が得られますが、非常にリッチな体験であり、これらのビジュアルをインラインで操作できます。同じデータに対して異なる種類のビジュアルを選択することもできます。
この回答についてさらに深く掘り下げたい場合は、「インサイトを探る」をクリックすると、QuickSightに直接移動し、さらなる操作や深い分析、スライス＆ダイス、フィルターの変更など、ビジネスインテリジェンスの観点からデータをより詳しく分析することができます。このデータを操作して、ピンボードに保存することもできます。ピンボードはブックマークのような領域で、後で参照したいものを保存して分析を続けることができます。
QuickSightでの詳細な探索が終わったら、Amazon Q Businessアプリケーションに戻ることができます。ここで2つのサービスを比較してみましょう - AWS GlueとAmazon S3を比較してみます。ここでは、ドキュメントからサービスの観点でAmazon S3とAWS Glueの違いについての回答を得ることができます。また、使用状況データなど、運用の観点からAWS GlueとAmazon S3の比較も確認できます。上記の説明的な部分を補完する形で、QuickSightからの充実した可視化により、Amazon S3とAWS Glueの内訳が表示されています。
セットアップの観点からは、QuickSightの時と同様にQ Businessと深く統合されているため、非常にシンプルです。Q Business側では、これがQ Businessのコンソールです。管理者は左側にAmazon QuickSightという新機能が表示されます。これをクリックすると、この機能を有効にしてQ Businessアプリケーションで回答を表示し始めるための3ステップのプロセスがあります。
現在QuickSightをお使いでない場合でも、先ほどRahulが説明したように、より簡単な方法でアカウントの作成をご案内します。QuickSightアカウントを作成し、データベース（Amazon RedshiftやMySQLなど）に接続し、使用したいテーブルを選択して、接続したデータをQ Businessアプリケーションでエンドユーザーと共有します。非常にシンプルな3ステップのプロセスです。ここでQuickSightが提供するコネクターを確認できます。これにより、構造化されたコンテンツから回答を引き出すために、これらのシステムにすぐに接続できます。先ほど見たステップ2では、データベースまたはData Lakeを選択し、認証情報を提供すると、接続が確立され、テーブルが表示され、必要な項目を選択してエンドユーザーと共有することができます。
これでプレゼンテーションは終わりです。ここでの重要なポイントは、この統合により、構造化データと非構造化データの両方からのインサイトが統合されるということです。
QuickSightからQ&A体験という形で、非構造化コンテンツからの回答を導入・組み込み、また同様のことを行うData Stories機能からも見ることができました。これにより、ドキュメントを選択し、作成しているストーリーに非構造化入力を導入することができます。
Q Businessサイドからアプローチする場合、会話の中で、QuickSightから適切な回答が得られる際に、単一または複数のビジュアライゼーションを通じてエンドユーザーとの豊かなインタラクションが可能になっていることがわかります。また、エンドユーザーが内容をさらに詳しく分析したい場合のために、QuickSightへのディープリンクも提供しています。ユーザーはいつでもそれらのビジュアルに深く掘り下げることができます。
これらのエクスペリエンスはアプリケーションやフレームワークに組み込まれており、さらなる制御が必要な場合のためにAPIも提供しています。これらの機能はすべてのQ Proユーザーが利用できます。 追加リソースとして、Amazon Q Businessの一般的なドキュメントがあり、ブログ記事もご覧いただけます。同様に、QuickSightについても新しいブログ記事を公開しており、製品の一般的なドキュメントもご確認いただけます。今週、この機能の仕組みと実装方法、試し方を説明するブログ記事を公開しました。
また、QuickSightコミュニティもぜひチェックしてください。デモや動画を通じて多くを学べるだけでなく、専門家に質問して疑問点を解決することもできます。コミュニティには他の人を助けることに熱心な方々がたくさんいて、私たちも積極的に活動していますので、ぜひご参加ください。
本日後半には、もう1つのセッションがありますので、ぜひご参加ください。QuickSightのさまざまなシナリオやユースケース、それらのシナリオにQuickSightをどのように活用するかについて探っていきます。本日後半の非常に興味深いセッションとなるでしょう。本日はご参加いただき、ありがとうございました。カンファレンスの残りもお楽しみください。
※ 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