re:Invent 2024: QuickSightとAmazon Qで業務改善 - Doceboと aCommerceの事例
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 - Supercharge your apps with embedded Amazon QuickSight and Amazon Q (BSI201)
この動画では、AWSのQuickSightとAmazon Qを活用したデータ分析と収益化について解説しています。QuickSightの特徴である統合型BIソリューション、サーバーレスアーキテクチャ、使用量ベースの課金モデルについて説明した後、実際の導入事例としてDoceboとaCommerceの2社が登場します。Doceboは54,000以上のダッシュボードを管理し、ダッシュボード作成時間を数ヶ月から数日に短縮。aCommerceは東南アジア最大のeコマースイネーブラーとして、Market InsightsにAmazon Qを組み込んだChat Analyticsを開発し、競合分析や市場動向の把握を容易にしました。両社の事例から、QuickSightとAmazon Qの組み込みによる具体的な業務改善効果が示されています。
※ 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
QuickSightとAmazon Qの概要：本日のセッション紹介
本日はお越しいただき、ありがとうございます。私はMichael Armentanoと申します。シンガポールを拠点に、Asia Pacific and Japan地域のQuickSightとAmazon Qのgo-to-marketを担当しています。本日は、QuickSight、Q for QuickSight、そしてこれらをアプリケーションに組み込んで、データを社外・社内で収益化する方法についてお話しさせていただきます。
本日は、実際にこれらを導入して本番環境で運用されている2名のお客様にご登壇いただきます。お二人が本日の主役です。そのため、AWS側からの説明は簡潔に留めさせていただきます。お二人には、事前に収録したライブデモを交えながら、実際の取り組みについてご紹介いただきます。最後に、同様のことを検討されている方や、アプリケーションの構築、アナリティクスの組み込み、自然言語クエリの統合、 データの収益化をお考えの方々に役立つリソースをご紹介させていただきます。
アナリティクス市場の成長とQuickSightの特徴
まず、基本的なビジネスケースからお話ししましょう。ここにお示しする調査によると、ISV市場は2028年までに世界で17万5000社に成長し、5億以上のCloud-nativeアプリケーションを生み出すと予測されています。ご覧のとおり、これらの市場規模は決して小さくありません。エンドユーザーがアナリティクスを活用し、質問して回答を得られるようなアプリケーションには、業種を問わず、非常に大きな市場があるのです。 ご存じの通り、現在、膨大なデータが存在し、その量は日々増加の一途をたどっています。
私たちが見てきたトレンドとして、特にアナリティクス業界全体としてアナリティクスがより簡単になるにつれて、お客様がアナリティクスを活用したいというニーズが高まっています。QuickSightをご存じない方もいらっしゃるかもしれませんが、私たちは今、よりGen AI重視のエクスペリエンスへと移行しています。多くの方がダッシュボードやビジュアライゼーションを使用された経験があると思いますが、それらも提供しています。しかし、私たちは今、Gen AI駆動のエクスペリエンスへと移行しており、単純な質問だけでなく、より複雑な質問にも答えられる自然言語クエリに重点を置いています。
では、どのような課題があるのでしょうか？アプリケーションを開発されている皆様にとって、共感していただける内容かと思います。まず明らかなのは、アプリケーションの開発には時間とコストがかかるということです。そして、ビジュアライゼーション、ダッシュボード、あるいは自然言語クエリバーを組み込もうとすると、社内開発ではさらに多くの時間とコストがかかってしまいます。これは市場投入までの時間にも影響します。多くの場合、市場での先行者となることが、ビジネスを成功に導く最大の差別化要因となります。さらに、ダッシュボードやビジュアライゼーションにサードパーティツールを使用する場合でも、スケールの管理が大きな課題となります。ユーザー数が増加し、より多くの顧客を獲得するにつれて、需要への対応方法やそれに伴うコストの管理について考慮する必要があります。
これらの原則に基づき、私たちはお客様の声に耳を傾け、そこから逆算してAmazon QとQuickSightを開発しました。Qは2023年からQuickSightの一部となっており、おそらく今この瞬間も、隣の会場のキーノートで新しい機能が発表されているところだと思います。QuickSightをまだ使ったことがない方、あるいは少し使ったことがあるけどもっと知りたいという方のために、QuickSightの特徴的な点をいくつかご紹介させていただきます。まず第一に、私たちはこれを統合型のBusiness Intelligenceソリューションだと考えています。これは、ダッシュボードだけでなく、定型レポート、自然言語クエリなど、すべての機能が1つのサービスに統合されているということです。そしてこのサービスは完全にAWSクラウド上でホストされています。純粋なSaaSで、私たちが「サーバーレス」と呼んでいるものです。もちろん、クラウド上にサーバーは存在しますが、それらの管理は私たちが行います。つまり、お客様は簡単に登録して小規模な環境からスタートし、使った分だけ支払い、組み込みシナリオでの需要に応じて拡張することができます。必要に応じて縮小することも可能です。これらはすべて自動的に行われ、パッチ適用などを気にする必要はありません。完全にサーバーレスなのです。
引用された調査によると、他のアナリティクス組み込み技術と比較して、3年間で総保有コストが74%低くなっています。ROIは約3倍高く、利用率は157%から300%の増加が見られます。業界全体として、データに関する質問への回答がより簡単になるにつれて、これらの数字は増加し、社内利用であれ、組み込みシナリオにおける外部利用であれ、より多くの採用が見られるようになっています。
QuickSightの機能と組み込み可能性
現在、世界中で10万以上のお客様がQuickSightを利用しています。これらのお客様は、大手企業から中堅企業、SMB、スタートアップまで多岐にわたります。多くの企業が、私が説明したQuickSightの利点を活用しています。アプリケーションに組み込むことができるQuickSightの具体的な機能についてご説明します。ダッシュボード（このスライドではビジュアルと呼んでいます）があり、QuickSightには予測と異常検知という機械学習による洞察機能が組み込まれています。また、独自のモデルを構築するためのSageMakerやSageMaker Canvasとの統合も提供しています。定型レポートは、通常CSVファイルが添付された定期的なレポートで、CFOや他のステークホルダーに定期的に送信されます。
Amazon Qの形で自然言語クエリを提供しており、ダッシュボード作成エクスペリエンス全体を組み込むことも可能です。これにより、階層型のサービス提供が可能になります。最も低い階層、たとえばプレミアムモデルでは、お客様は組み込みダッシュボードを利用できます。中間階層では、ダッシュボードといくつかのインサイト機能を利用できます。最上位階層では、QuickSightで独自のダッシュボードを作成する機能を提供できます。自然言語を使用してこれを行うこともでき、これは私たちが考える強力で興味深い差別化要因です。多くのお客様がこれを活用しています。
最後に一つ付け加えたいのは、ピクセルパーフェクトなレポートも組み込み可能だということです。お客様が自身のステークホルダーに定期的に送信するピクセルパーフェクトなレポートを生成できるサービスを開発することができ、使用した分だけ支払えばよいのです。ライセンスや年間契約は必要なく、使用した分だけお支払いいただきます。
QuickSightのEmbedding機能：構築からスケーリングまで
Embeddingについて、開発とデプロイメントの観点から、BuildとScaleという2つのカテゴリーについてお話ししたいと思います。まず、Build の観点からお話しすると、One-Click Embeddingという機能があります。 データを収益化するアプリケーションを新規に構築したり、既存のアプリケーションを強化したりする前に、まずは概念実証を行って、うまく機能するかどうかを確認したいと思うはずです。そこで私たちは、素早くテストを行い、必要であれば早期に失敗し、迅速に対応できるよう、技術的な障壁を下げたいと考えました。クリック一つでこれらの機能をすべて埋め込むことができるOne-Click Embeddingという機能を作りました。エンドポイントを作成し、iframeに埋め込むだけで準備完了です。
本番環境に移行する際には、より多くの機能を構築し、認証についても考える必要があります。そのために、本番環境向けのEmbeddingを実現できる豊富なAPIセットを用意しています。これらのAPIを使用することで、Dashboardや、Authoring Console、Q Search Bar、あるいは単一のVisualizationなど、先ほど説明したすべての機能を実現できます。API-based Embeddingでは、認証ユーザーと未認証ユーザーの両方に対応できます。つまり、ユーザーはシングルサインオンプロセスを通じてポータルにログオンし、アプリケーションに認証された状態でアクセスできます。
パブリックデータを公開したい場合や、ログオンを必要としない場合には、Anonymous Embeddingを活用できます。 クラウドモデルの利点の1つは、新しい機能や機能性を常にバックグラウンドで追加していることです。私たちが特に注力している大きな分野の1つが、Embeddingとそれに関連する機能です。
アプリケーションでQuickSightのコンテンツをブランディングすることを、できるだけ簡単にしたいと考えています。エンドユーザーがあなたのアプリケーションを使用する際、これがサードパーティの分析機能の統合だとは気付かないような、完全にシームレスな体験を提供したいのです。ルック＆フィール、カラーパレット、そしてこれらの様々な要素が、アプリケーションに完全に溶け込み、自然に見えるようにします。これらはすべてAPIを通じて実現され、ワークフローの開始や情報の永続化など、ユーザーが設定をリセットする必要がないような機能も含まれています。
ユニークなシナリオの1つとして、 Console Embedding（Author Embeddingとも呼ばれます）があります。これは、お客様に独自のDashboardを作成する機能を提供したい場合に使用します。何千ものお客様がいる場合、それぞれを他のお客様とそのデータから隔離する必要があります。Namespaceと呼ばれるマルチテナンシー機能により、何千ものお客様それぞれに作成機能を提供しながら、完全に隔離された環境を実現できます。お客様同士がお互いやお互いのデータを見ることはできず、基本的に独自のテナントで完全に隔離された状態で運用されます。
サーバーレスとはいえ、いくつかの管理作業は必要です。ただし、その作業は最小限に抑えられています。デプロイやユーザー管理は必要ですし、おそらくバックアップの実施やダッシュボードのソース管理の実装も行いたいでしょう。これらすべての作業を可能にするAPIセットを用意しています。ダッシュボードやその他のアセットのエクスポートやインポート、さらにCI/CDをプログラムで処理できるAPIなど、これらのプロセスすべてを自動化できます。これらは簡単かつコスト効率よく、開発者の時間をできるだけ節約する方法で実現できます。
スケールシナリオにおいては、QuickSightがサーバーレスであるため、需要に応じて簡単にスケールできます。アプリケーションのサブスクリプションを販売していて顧客が増えた場合でも、需要に対応するためのスケールアップは必要ありません。スケールダウンの場合も同様で、手間はかかりません。これらはすべてクラウドアーキテクチャによって管理されています。その結果、最初のロゴスライドでご覧いただいたように、このロゴスライドに示されている多くの顧客がこの機能を活用し、現在QuickSightを使用しています。
Amazon QとQuickSightにおける生成AI機能の統合
最後にAmazon QとQuickSightについてお話しして、その後、シンガポールを拠点とするQuickSightのソリューションアーキテクトのVinodに、デモでこれをお見せしていただきます。私たちはQuickSightに生成AIを深く組み込んでおり、それはこのスライドに示されているように様々な形で提供されています。QuickSightには主に2つのペルソナがあります：ダッシュボードを作成するAuthorと、ダッシュボードを使用して質問をして回答を得るReaderです。これらのペルソナの両方に、重要な生成AI機能が備わっています。Authorに対しては、ダッシュボードのAIパワード作成機能があり、自然言語を使用してダッシュボードを作成できます。ドラッグアンドドロップの代わりに、「製品別、地域別、利益別のヒートマップを表示する可視化が欲しい」というように言うだけで、そのヒートマップが作成され、ダッシュボードに追加できます。また、自然言語を使用して計算フィールドを作成することもできます。以前にフィールド開発を行ったことがある方向けに、Amazon Q for Developersを活用しています。
Authorには AIパワードの機能を提供し、Readerには異なるソリューションを提供しています。Readerは通常、なぜそれが起こったのか、そしてそれについて何をすべきかという2種類の質問をします。なぜそれが起こったのかについては、自然言語クエリを使用したAmazon Q機能があり、質問を入力するだけで回答が得られます。何をすべきかについては、データストーリーと呼ばれる機能で対応しており、これは大規模言語モデルのフロントエンドで、製品の収益性を向上させるための販売戦略の作成やその展開方法に関する推奨事項の取得など、単純ではない質問をすることができます。
私が今お話ししたことはすべて、アプリケーションに埋め込むことができます。ダッシュボードの埋め込み、自然言語クエリの埋め込み、さらには単一の可視化の埋め込みについてお話ししました。また、私たちが作成したこれらのBIのための生成AI機能も埋め込むことができます。時間の都合上、ここで少し先に進ませていただき、Vinodに登壇していただいて、今お話しした内容のデモをお見せしたいと思います。
aCommerceによるQuickSightとAmazon Qの実装事例
おはようございます。シンガポールを拠点とするVinodです。私はQuickSightのソリューションアーキテクトを務めています。今日は、アプリケーションにQuickSightを埋め込み、さらにそれを強化する方法をデモでご紹介したいと思います。これを通信事業を展開するAnyCompany.comの例として考えてみましょう。 JohnとMeganという2つのユーザープロファイルがあります。まずはJohnとしてログインして、アプリケーションで利用できるオプションを見てみましょう。Johnは概要ページまたはインサイトページを閲覧でき、そこでは細かな粒度のビジュアル埋め込みが可能です。 細かな粒度のビジュアル埋め込みとは、異なるQuickSightダッシュボードからビジュアルを選択し、アプリケーションに埋め込むことができるということです。ここで表示されているビジュアルは、新しく公開されたHigh Chartビジュアル機能を使用して作成されています。 High Chartビジュアルを通じて、QuickSightで数多くのビジュアルを作成でき、データの可視化機能が大幅に向上します。
ビジュアルの埋め込みに加えて、Webアプリケーションにダッシュボードを埋め込むこともできます。ダッシュボードをアプリケーションに埋め込む際には、 サマリーから詳細ダッシュボードへの移動や、 サマリーページから詳細シートへの移動などのメニューオプションがすべて確保されます。アプリケーションからフィルターを適用することもでき、それらはダッシュボードにも反映されます。 このダッシュボードでは、顧客トレンドとデータダウンロードに関するインサイトを確認できます。データダウンロードトレンドの詳細を見てみましょう。2022年12月から2023年1月にかけて明確な上昇が見られます。通常、データダウンロードが増加した理由を調べるために、別のダッシュボードを作成したりアナリストに調査を依頼したりする代わりに、QuickSight Qを使用して要因分析を行い、答えを見つけることができます。
アプリケーションにはQuickSight Qの検索バーのみを埋め込み、ユーザーがダッシュボードとインサイトの両方を最大限に表示できるスペースを確保しています。要因分析から、さまざまな主要な要因を調べ、インサイトについての追加情報を見つけることができます。また、ストリーミングのデータダウンロードがいつ発生したかなどの追加の質問もできます。ストリーミングをフィルター条件として適用すると、データの詳細を見つけ、複数のビジュアルレスポンスを作成できます。 特定のビジュアルを拡大して詳細を確認でき、左側にはQuickSight Qが作成したビジュアルの要約が表示されます。また、特定のビジュアルをピンボードにピン留めすることもでき、これはユーザーがQのレスポンスから好みのビジュアルを表示できる、パーソナライズされたミニダッシュボードとして機能します。QuickSight Qでは行レベルのセキュリティフィルターが確保されているため、ユーザーはダッシュボードとQのレスポンスの両方で同じデータを見ることができます。
このダッシュボードには、顧客の様々な契約状況を捉えたテーブルビジュアルもあります。特に、キャンセルされた高額な契約が1件あります。契約がキャンセルされた理由を知りたい場合や、メールやオフラインチケットを作成したい場合、オフラインで処理する代わりに、QuickSightのコールバックアクションAPIを使用して、アプリケーションで定義されたワークフローを呼び出し、チケット作成のための追加情報を提供することができます。
ご覧のように、ユーザーがクリックした場所の詳細情報（キャンセルされた契約に関する情報を含む）を表示する小さなポップアップウィンドウが表示されています。契約がキャンセルされた理由について追加情報を提供し、アプリケーションの一部であるワークフローを開始することができます。 チケットはCRMシステムで作成され、アプリケーション内のQuickSight内からワークフローを開始することができます。
QuickSightのダッシュボードの埋め込みに加えて、ページネーション形式のレポート（ピクセルパーフェクトで高度にフォーマットされたレポート）も埋め込むことができます。これらのレポートはヘッダーとフッターを含む複数ページにわたって実行でき、アプリケーションに埋め込む際にページレポートにフィルターを適用してレポートを生成することができます。QuickSight Qの検索バーを埋め込んだのと同様に、QuickSight Qコンソールもアプリケーションに埋め込むことができ、ユーザーは作成者によって事前に検証された質問やシステムが生成したクエリをすべて確認することができます。
アプリケーションをカスタマイズして、質問を論理的に、あるいはよりビジネスフレンドリーな方法でグループ化し、ユーザーにQuickSight Qの使い方についてより良いガイダンスを提供することができます。ユーザーは質問をそのまま使用したり、修正したり、まったく新しい質問を始めたりすることができます。昨年の売上高の合計について尋ねる簡単な例から始めてみましょう。
昨日の発表で重要な機能が紹介されました - QuickSightとQ Businessの統合です。これにより、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を単一の画面で確認できるようになりました。左側では、構造化データから作成された要約と、QuickSight Q Businessを使用して作成された追加のインサイトを見ることができます。これらの追加インサイトはシステムに保存されているドキュメントから導き出されており、構造化されたインサイトと非構造化の詳細の包括的なビューを提供します。
2023年のデータダウンロードとトレンドについて、別の質問をしてみましょう。QuickSight Qは、QuickSightで利用可能な構造化データに基づいてマルチビジュアルのレスポンスを作成し、システム内の非構造化データを使用してQ Businessで追加のインサイトを生成することができます。非構造化インサイトでは、ビジネスプランやファミリープランなど、各プランに関する様々な詳細を含む、利用可能な異なるプランを確認できます。これは、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を組み合わせる重要な機能です。
ここで作成者モードに切り替えて、Meganとしてログインしてみましょう。Meganは、Johnよりも多くの権限を持つ作成者ユーザーです。QuickSightの作成者ユーザーとして、Meganは既存のダッシュボードを閲覧できるだけでなく、カスタマイズしたり、完全に新しいものを作成したりすることもできます。3番目のサービスで、Meganは新しい分析を開始できます。この場合、サンプルデータセットで作成されています。
先週発表された重要な機能の1つが、Visual Import機能です。この機能により、異なるDashboardやAnalysisで使用するVisualのカタログを持つことができます。この機能を使用すると、既存のVisualを新しいAnalysisにシームレスにインポートでき、 データセット、パラメータ、 Calculated Field、Visual形式などの依存関係も含めてインポートすることで、開発作業を効率化できます。これにより、同じVisualを何度も作成する必要がなくなり、開発者の生産性が大幅に向上します。 一度定義して作成したVisualを、今後のすべてのDashboardにインポートすることで、部門間で統一されたDashboardを維持できます。
QuickSightのサービスアーキテクチャ、ロールベースのセキュリティフィルター、Namespaceアーキテクチャにより、数百から数千のユーザーにシームレスにスケールできます。別途コンソールにログインする必要なく、アプリケーション内で直接Dashboardを公開できます。これにより、ユーザーはアプリケーションに一度ログインするだけで、アプリケーション内でDashboardのカスタマイズや新規作成を開始できる、シームレスな体験が実現します。
まとめると、QuickSightのVisualセット、Dashboard、またはページレポートを埋め込むことができます。QuickSightのSearch Barだけを埋め込んだり、ユーザーが質問できるようにQuickSightをフルコンソールモードで埋め込んだりすることも可能です。IPプロバイダーでもソフトウェアベンダーでも、QuickSightを使用して小規模から始め、複数のアーキテクチャやマルチテナントアーキテクチャを活用して、数十万のユーザーまでスケールできます。
DoceboによるQuickSight活用：Insightsダッシュボードの進化
これはデモシステムでの素晴らしいデモでした。ここで、実際に稼働しているシステムについて、お客様のDoceboからFedericoをお招きしてお話しいただきます。 Doceboのミッションは、従業員、顧客、またはパートナーを対象に、スケーラブルでパーソナライズされたトレーニング体験を提供することです。 私たちのプラットフォームにより、クライアントは生産性とエンゲージメントを全体的に向上させることができます。しかし、正しいことを正しい方法で行うためには、お客様が学習データを分析し、情報に基づいた意思決定を行うための適切なツールが必要です。
約20ヶ月前、私たちは明確な目標を持って新しいプロジェクトを開始しました。 基本的に、規模、ユースケース、分析の成熟度に関係なく、お客様が学習パフォーマンスを測定・分析できるソリューションを提供したいと考えていました。学習分析の世界は非常に複雑です。なぜなら、人材育成について語るとき、企業には複数の目的があり、同じデータを解釈する方法も複数存在するからです。例えば、Doceboを使用する企業は、従業員のスキルと、特定のトレーニングプログラムが特定の製品の売上にどのような影響を与えているかを、同じプラットフォーム上で同時に追跡できる必要があります。これは、この世界がいかに複雑であるかを示す一例です。
2023年第1四半期にプロジェクトを開始した時点で、私たちは多くの課題や疑問に直面していました。まず、プラットフォームが複数のユースケースに対応する必要があったため、それを実現できるアーキテクチャが必要でした。次に、典型的な「自社開発か外部調達か」という判断に迫られました。ソフトウェア企業として、理論的には社内に独自の学習分析ソリューションを構築するためのスキルは全て揃っていました。しかし、市場ではすでにBIの組み込みに関する高度なソリューションが提供されており、スケーラビリティの課題を簡単に解決できました。もう一つの重要な側面は、数千の顧客を抱える成長ビジネスをサポートし、効果的で安全なプロビジョニングシステムを構築できるプラットフォームを見つけることでした。
2ヶ月前、私たちはInsightsをローンチしました。これは、メイン製品に組み込まれた新世代のダッシュボードで、フィルタリング機能、ドリルダウン、幅広い可視化オプションを備えた最新の分析体験を提供します。これはAmazon QuickSightのおかげで実現できました。QuickSightの採用は最初から戦略的なものでした。なぜなら、構想していたもののPOCを実行する際に、QuickSightが大きな助けとなったからです。現在、QuickSightは構想から最終デリバリーまで、私たちのダッシュボード提供ワークフローを支えています。
QuickSightの採用は、ビジネス目標の達成に不可欠でした。実際、これによって3つの異なる方法でソリューションを提供することが可能になりました。Doceboは通常、ベーシックとスタンダードという2つのライセンスオプションで提供されています。
ベーシックティアでは、標準ダッシュボードへのアクセスを提供することでQuickSightを統合しています。標準ダッシュボードとは、Doceboが特定のトピックについて顧客向けに作成したダッシュボードです。Doceboの顧客ベースで最も人気のあるスタンダードライセンスでは、それが機能の範囲となります。標準ダッシュボードへのアクセスに加えて、シンプルな作成機能を実装し、インポート機能を使ってビジュアルライブラリを作成しました。これは、ユーザーが事前定義されたライブラリからビジュアルを選択し、カスタムダッシュボードに組み込むことができる場所です。
より高度な機能を必要とする組織向けには、オプションのアップグレードとしてプレミアムパッケージを提供しています。プレミアムパッケージでは、標準機能に加えて完全な作成機能が利用可能で、顧客やユーザーは利用可能なデータセットを活用してゼロからビジュアルを作成することができます。ここで簡単なデモをお見せします。 これがInsightsのランディングページです。標準ダッシュボードが表示されています。そのうちの1つをクリックすると、コースの受講登録と修了状況を選択できます。 右側には多くのビジュアルが表示されています：修了率、受講登録状況、修了トレンドなどです。 QuickSight APIを使用して、アプリケーションにフィルタリング機能を実装しました。ここでフィルターを選択して適用すると、ダッシュボードが自動的に更新されます。
Insights のランディングページに戻ると、マイダッシュボードを作成する機能があります。このダッシュボード作成ボタンを通じて、新しいカスタムダッシュボードを作成し、名前を付けることができます。ダッシュボードが作成されると、インポート機能を備えたシンプルなオーサリング環境にアクセスできます。ここでユーザーは、必要なビジュアルを選択してカスタムダッシュボードにインポートすることができます。各ビジュアルのサイズ変更や位置の調整も可能です。これでダッシュボードは完成ですが、アドバンスドモデルをお持ちの方は、それを有効にすることができます。同じダッシュボードは、フルオーサリングモードで編集することができます。ここでは、利用可能なデータセットからデータポイントを選択して、ビジュアルをゼロから作成することができます。満足のいく結果が得られたら、ダッシュボードのバージョンを保存でき、他のユーザーが閲覧できる状態になります。
私たちの journey は2023年3月に始まりました。9ヶ月に及ぶ選定プロセスを経て、8つの異なるベンダーを評価し、3つのPOCを実施しました。AWS QuickSight を選んだ主な理由は2つあります：埋め込み機能と、高度なロールレベルのセキュリティです。2023年10月には、約60の顧客と16のパートナーを含む最初のプライベートベータプログラムを開始しました。これは埋め込み機能を検証し、ダッシュボード作成と機能開発における次のステップの優先順位付けを行う機会となりました。2024年4月には、ベータプログラムを全顧客に拡大してパブリックにしましたが、アクセスはスーパー管理者のみに限定されていました。これにより、QuickSight 上に構築したものの拡張性を検証することができました。今年9月末には、製品を正式に全顧客向けにローンチし、Power User へのアクセスを拡大しました。
このPower Userへのアクセス拡大に伴い、ロールレベルのセキュリティを開発しました。使用しているAWSサービスについて簡単にご説明します。QuickSight だけでなく、QuickSight オブジェクトの操作、プロビジョニングの管理、Insights アプリケーションの管理が必要です。興味深い点として、データウェアハウスとして Snowflake を使用しており、データセット作成のために簡単に統合することができました。
まだすべてのメリットを挙げるには早い段階ですが、いくつかの利点はすでに明確になっています。というのも、ダッシュボード作成時間を数ヶ月から数日に短縮できたからです。以前は1つのビジュアルを作成するのに数週間かかっていたことを覚えています。現在では、通常10〜12のウィジェット、10個のビジュアルで構成されるダッシュボード全体を同時に作成できます。ダッシュボード管理に関しては、現在7つの異なるAWSリージョンにわたって提供している標準的なものと、顧客が日々作成しているものを含めて、54,000のダッシュボードを管理しています。
過去1ヶ月間に集めた顧客フィードバックでは、主に2つの方向性が見えてきました。顧客は満足しており、これは私たちが良い方向に進んでいることを意味します。特に、データを可視化できる場所があることを高く評価しています。また、私たちが提供したダッシュボードを使用することで、ステークホルダーとのコミュニケーションが向上したとの声も聞かれています。
私たちの来年のミッションは明確です。普及に力を入れ、2025年末までに50,000ユーザーという目標数値を達成したいと考えているからです。そのためには、より多くのユーザーを取り込む必要があります。というのも、高度なBIツールを使いこなすスキルを持っている人ばかりではないからです。私たちは現在、QuickSightにおけるAmazon Qを活用して、ダッシュボードやビジュアルの作成を簡素化し、エグゼクティブサマリーの生成、データストーリーテリングの質問応答、そしてマルチビジュアルQ&Aの実現に取り組んでいます。
aCommerceのChat Analytics：自然言語クエリによる競合分析の革新
以上が私からの説明でした。この後の質疑応答でお答えしたいと思います、Michaelさん。ありがとうございました、Federico。組み込みダッシュボードとオーサリング機能を使用した素晴らしいデモと製品でした。次に、私たちのお客様であるaCommerceのLeenaさんをお招きして、自然言語クエリ機能であるAmazon Qを製品に組み込んで実現された素晴らしい事例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、Michael。おはようございます、Las Vegas。私はLeenaと申します。aCommerceのデータ・アナリティクス部門のリージョナルヘッドを務めております。皆様、良い朝をお迎えのことと思います。私ほどジェットラグに苦しんでいないでしょうから。本題に入る前に、aCommerceについて簡単にご紹介させていただきます。aCommerceは東南アジア最大のeコマースイネーブラーです。
私たちは、ブランド向けのワンストップショップです。オンラインで何かを販売したい場合、倉庫への入庫からデータ分析まで、すべてを一貫して提供します。また、配送、ラストマイル配送、受注管理、在庫管理、倉庫管理、そしてマーケティングやソーシャルメディアまで対応しています。これにより、ブランドは自社製品をオンラインで展開し、オフライン販売と組み合わせることができます。
東南アジアでの私たちの規模感を理解していただくために、いくつかの数字をご紹介します。年間約900万件以上の注文を処理し、約1,600万人以上のエンドユーザーや消費者が私たちを通じて商品を購入しています。300以上のAPI連携を持ち、170以上のグローバルブランド（地域ブランドとグローバルブランドの両方）にサービスを提供しています。東南アジア全域に8つのフルフィルメントセンターを展開しています。
私たちはこれらのインフラをすべて運用しているため、包括的なデータセットを持っています。この図は、現在の私たちのデータの規模を表しています。Tier 1は生データで、そこからファネルを通って下に流れていきます。Tier 2にはデータウェアハウスがあり、Tier 5のインサイトまで続いています。現在、120以上のインサイトをクライアントに提供しています。右側には、これらのインサイトの一部として提供しているものが示されています。購買行動、バスケット分析、商品アフィニティ、価格弾力性など、月次のビジネスレビューでおなじみの販売分析、購買分析、マーケティング分析に関する指標です。
自社のビジネスを知っているだけでは、成功の半分にすぎません。例えば、自社のビジネスが月間15%成長していることは分かっていても、市場が20%成長している場合はどうでしょうか？さらに悪いことに、競合他社が20%成長している場合はどうでしょう？それをどうやって知ることができるでしょうか？ そこで私たちは、競合分析プロダクトであるMarket Insightsを作りました。東南アジアの複数のマーケットプレイスからデータを集め、市場の全体像を把握できるだけの規模にしています。例えば、他の地域ではAmazonで買い物をする人が多いかもしれませんが、タイではLazada、Shopee、TikTokが主流です。Market Insightsは、ブランドが自社をマーケットプレイス内の競合他社と比較できるため、非常に人気のあるプロダクトとなっています。
私たちは、すでに人気のあるものをさらに良くする方法を考えていました。 これらの質問をカバーする多くのダッシュボードがすでにあります。 複数のタスクと複数のデータソースがあります。これは実際のサイトをGIF形式で示したものです。人々がMarket Insightsを購入する主な目的である、市場におけるShare of Shelfを理解することをカバーしています。 このウェブサイトでは、トップ10の商品、ボトム10の商品、 トップ10のブランド、ボトム10のブランドを確認できます。しかし、トップでもボトムでもなく、中間に位置するブランドの場合はどうでしょうか？ UIにそれを表示すると、ユーザーは自社の商品を見つけて売上状況を把握するために、延々とスクロールしなければならなくなります。
そこで、私たちには2つの選択肢がありました。1つ目は、ユーザーが 自社の商品を実際に見ることができるように、より多くのダッシュボードを作成することです。しかし、これでは圧倒的な数のダッシュボードが生まれることになります。社内ですでに765のダッシュボードがあり、これにはMarket Insightsのダッシュボードは含まれていません。 クライアントにさらに多くのダッシュボードを提供すれば、私たちが社内で抱えているのと同じ問題に直面することになります - 誰も使いたいダッシュボードがどこにあるのか分からなくなるのです。新しい要望が出るたびに新しいダッシュボードを作成していたら、さらに何千ものダッシュボードが増えることになります。すでに765個あるのに、クライアントにそのすべてを閲覧させるわけにはいきません。
私たちは違う角度から考えました - 誰もが同じデータを異なる方法で見たいのです。そこで、Chat Analyticsを考案しました。2023年9月に このコンセプトを立ち上げ、2024年2月にデザインを確定しました。数ヶ月前、500以上のブランドを持つ最大級のディストリビューターの1つであるDKSHとアルファテストを実施しました。彼らは競合を理解するためにMarket Insightsを使用している最大のクライアントの1つです。
それは5月のことでしたが、その後7月には、さらに5社ほどのクライアントと本番環境でベータテストを実施しました。そして10月に、ついに正式リリースを行いました。最初の話に戻りますと、私が最初に考えていたのは、左側にあるような超シンプルな形でした。誰かが質問をすると、それがクエリに変換され、データで回答し、そこからインサイトを得られる、というものでした。
ところが、最終的なアーキテクチャはそれとはまったく異なるものになりました。私たちの最終アーキテクチャは、常にAmazonのプロダクトを積極的に活用してきました。まず第一にAmazon S3で、これは私たちにとってコスト効率の良いストレージソリューションとして当然の選択でした。第二にAmazon Redshiftで、これは私たちのコアとなるデータプラットフォームです。第三にAmazon RDSで、これはユーザーが使用しやすい形式に最も近いTier 3データを管理します。また、Amazon EC2があり、これは柔軟なコンピューティング能力を提供してくれます。というのも、私たちはオンラインリテールを行っているため、先日のBlack Fridayのように季節性があるのです。2桁の成長率や給料日のセール、さまざまなキャンペーンがあるため、常にスケールアップとダウンが必要になります。また、Amazon EKSも利用しており、これはKubernetesによって利用可能なリソースを最大限に活用するのに役立っています。このプロジェクトでは、さらに2つのコンポーネントを追加しました。複数のデータベース間でデータの整合性を維持するためのAWS DMSと、QuickSightです。
これから以前の製品のデモをお見せし、その後でChat Analyticsで何を実現したのかをご紹介します。これが従来の方法で、EcommerceIQ Market Insightsで競合分析のインサイトを閲覧する方法です。ブラウズして選択し、ファイルをダウンロードすると、PDFフォーマットでメールで送られてきます。クライアントはこれらすべてのインサイトを理解する必要があり、一部のクライアントは120ページ以上もの内容から必要な情報を探さなければなりません。一部の回答は自分が見たいもの、一部は上司向けのものですが、すべてに目を通す必要があります。
現在の新しい方法では、左上にAskIQとして表示されています。このビデオでは最後の瞬間に変更を加え、商用ビデオの代わりに実際のビジネスユースケースのライブデモをお見せすることにしました。これは、クライアントが常に知りたがっていることです。例えば、あるクライアントがNPD（新製品開発）を行いたいとします。オーガニックフェイスフォームを発売したいので、今年のビューティーカテゴリーで「organic」という言葉を含む製品の売上を知る必要があります。「Show sales for the top organic product in the category beauty by month（ビューティーカテゴリーにおけるトップのオーガニック製品の月間売上を表示）」と質問するだけです。これで、売上が急上昇していることがわかり、このカテゴリーで今まさに販売のチャンスがあることがわかります。
オーガニック製品の傾向が上向きだとわかったので、これは実際のデータですが、今年のビューティーカテゴリーで私と競合することになる上位20社の競合を見てみましょう。ここで上位20ブランドが表示されています。マーケットプレイス内にはブランドとグレーセラーがいるので、ブランドのないものを除外すると、このケースで競合することになるすべての競合企業の名前が表示されます。これを見て、貢献度を確認できます。収益だけを見ても、彼らのシェアや貢献度の割合はわからないかもしれません。そこで、このカテゴリーにおける売上の貢献度パーセンテージで上位20ブランドを表示することで、競合するすべてのブランド、そのシェア、そしてこのカテゴリーで新製品を投入する際にどれだけのスペースが残されているかを理解することができます。
さらに、サイトの分析も確認できます。それだけでなく、私たちが持っているデータから平均販売価格も見ることができます。例えば、洗顔フォームを発売しようとしている場合、 適切な価格設定はどうすべきでしょうか？誰が販売していて、どんな価格で売られているのか？価格は上昇傾向なのか、下降傾向なのか？
ビューティーカテゴリーの中で「Organic」を含む全商品の平均販売価格についても確認できます。そして、そのカテゴリーの規模も把握することができます。マーケットプレイスには様々なカテゴリーがありますから、自分が参入しようとしているカテゴリーが他のカテゴリーと比べてどれくらいの規模なのかを知りたいものです。ここでは、複数のカテゴリーがあり、そのカテゴリーの規模には、 ユニークな商品数がいくつあるのか、そして2024年にその規模がどう変化したのかが示されています。 これは、ブランドが各商品の次の一手を決める際の重要な判断材料となります。
では、個々のユーザーにとってはどういう意味を持つのでしょうか？ユーザーは誰でも質問を追加し、その場で分析を変更することができます。好みに応じてチャートやグラフの種類を変更することもできます。 その後、それらをピン留めすることができ、ピン留めすると、同じ質問が毎日、そのユーザー専用にカスタマイズされた形で利用可能になります。次回ログインした時には、これらすべてが表示されます。ここでピン留めすると、ピンボードも確認できます。次回アクセス時には、 パーソナライズされた質問の分析結果がすべて利用可能になり、各ユーザーは40～50個のダッシュボードをピン留めすることができます。これらはすべてユーザー固有のもので、実際のユースケースに基づいています。
時間が限られているので、次のスライドに移らせていただきます。このスライドは私にとって最も重要です。なぜなら、このプロジェクトを通じて学んだことや経験したことを振り返ることができるからです。そして、それが最も楽しい部分でもあります。この製品を使用することの利点は、自分のコアビジネスに何を注力すべきかを理解し、方向付けできることです。私たちのコアビジネスは、私たちが持っているツールでデータを活用することであり、それが仕事の中で最も難しい部分です。私たちはデータを扱い、Amazonはツールを提供します - 私たちはデータのクリーニング、調達、外挿、異常検出と除去を行います。
二つ目は、製品を使用することの商業的なメリットです。私たちのビジネスを補完する商業的な条件を持つサービス上に構築できることを、とても嬉しく思っています。例えば、別のベンダー、仮にベンダーBを選んで12ヶ月の固定価格で契約した場合、最初の8ヶ月は開発費用を支払うことになりますが、その間は実際にプロダクションで稼働するものは何もない状態です。しかし、その費用は支払わなければなりません。この商業的な条件であれば、平和な心で成長することができます。つまり、この製品の売上が緩やかに成長している場合でも、高額なコスト負担を抱える必要がありません。同時に、急速に成長した場合でも、費用が指数関数的に増加することもありません。
面白いのは課題の部分です。多くの人が想定する課題は、ツールが特定の機能を実現できないということですが、私たちの場合は言語が課題でした。最初は誰もが、LLMはローカル言語をサポートすべきだと考えます - それによって誰もが簡単に質問できるようになるはずだと。しかし、実際にはそうではありませんでした。私に必要だったのは、LLMがローカル言語をサポートすることではなく、不完全な英語をサポートすることでした。タイ語を直訳すると、タイ人が質問する方法は英語とは全く逆になってしまいます。タイ語から英語への直訳で質問すると、エンジンが混乱してしまうのです。例えば、グループ化の前にソートすべきか、ソートの前にグループ化すべきかといった具合です。そこで私が試みたのは、ユーザーにとってより使いやすくする方法を見つけることでした。これについて少しお見せしましょう。ユーザーにとって本当に使いやすくするには...
私は、可能な限りのデータを投入することと、Qに複雑な質問を理解させることの間で考えを巡らせていました。1つのプロンプトで複数の異なるアクションを処理できることは、ユーザーにとって便利かもしれません。しかし、英語が母国語でないユーザーのことを考慮する必要があります。複雑なクエリを書かせると、問題がさらに悪化してしまいます - エンジンが混乱し、ユーザーは望む結果を得られません。AIとの取り組みは非常に微妙です。なぜなら、誰もが大きな期待を抱き、世界を変えると考えているからです。経営陣は大きな期待を寄せる一方で、現場の人々は信頼していません。課題は、成功するチャンスは1回きりであり、ユーザーが信頼を失うと二度と使ってもらえないということでした。
私たちにとって、製品の使いやすさとそのために支払うコストのバランスを取ることは非常に重要です。 この課題に対して、1つの大きなプロンプトではなく、チャットインターフェースに変更することで対応しようと考えました。例えば、誰かが「各カテゴリーとマーケットプレイスのトップ20ブランドを表示して」と尋ねた場合、エンジンは「『トップ』という言葉を特定する方法には2種類あります - 売上高と販売数量のどちらを使用しますか？」と質問を返し、選択に基づいて結果を生成します。
私たちはクライアントの1社でテストを実施し、 正しい方向に進んでいることを示すフィードバックを受け取りました。しかし、クライアントからメールでフィードバックを受け取ることは、 発売日に直接フィードバックを見ることほど強力ではありません。この製品に関する実際の発売日とクライアントからのフィードバックを短いビデオでお見せしましょう。基本的に、ブランドマネージャー、Eコマースマネージャーからアナリストまで - 全員がアクセスできます。 私たちは1つのライセンスに対して支払いを行い、これまで多くのクライアントにアドバイスしてきたように、人員を削減することが重要なのではなく、より多くの付加価値のある業務ができるように人員を再定義することが重要です。小売業者にとって非常に有用なこの製品を、私たちは気に入っています。
この全体で最も良かった点は、誰もが本当にこれを望み、関心を持っていたことで、それが私たちの前進の原動力となりました。Ask IQの将来に話を戻すと、 市場インサイトに関してクライアントから成功を収めているので、今後は全てのクライアントが自社のデータで利用できるようにしたいと考えています。これには、コマースデータ、パートナーデータ、自社データ、オンラインとオフラインのデータが含まれます - それが将来の姿です。
QuickSightに関する追加リソースと今後のセッション案内
ありがとうございます、Michael。バトンタッチをお願いできますか？ Leenaさん、ありがとうございました。素晴らしいプレゼンでした。両社のお客様の取り組みについて、私たちも大変エキサイティングに感じています。ちょうど1分残っていますので、タイミング的に完璧ですね。QuickSightについてもっと詳しく知りたい方のために、いくつかのリソースをご用意しています。ここにQuickSight用のQRコードが2つあります。また、ワンストップショップとなるCommunityがあります。今日お持ち帰りいただきたいリソースが1つあるとすれば、このCommunityです。Communityから他のすべてのリソースにアクセスできます。Communityには質問に答えられるエキスパートが常駐しています。
さらに、QuickSightについてより詳しく知りたい方のために、ここやアプリで確認できるセッションがいくつかあります。より深く学びたい方向けに、これは200レベルの説明です。300レベルに進みたい方には、木曜日の午前11時30分から開催される「Embedded Analytics Deep Dive」があります。もちろん、Expoにも私たちのキオスクがありますので、ご質問がある方はお気軽にお立ち寄りください。以上で終わりとなりますが、本日はご参加いただき、ありがとうございました。先ほど申し上げた通り、ブースや会場内で質問をお受けしています。お時間をいただき、ありがとうございました。re:Inventの残りの日程もお楽しみください。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