AI注目記事のキュレーターページ

ビジネスインテリジェンスアナリストは、分析プロジェクトの開始時に同じ課題に直面します。必要なデータが複数のテーブルに分散しているため、売上取引は一つの場所に、顧客のデモグラフィックや製品属性は別の場所に、返品、予測、運用指標はさらに別の場所に存在します。これまで、Amazon QuickSightでこれらのテーブルを組み合わせるには、分析を開始する前にすべてを広い非正規化データセットに事前結合する必要がありました。このアプローチは機能しますが、データモデリングの決定を前もって強いられ、異なる粒度での測定値の重複を引き起こし、メンテナンスのオーバーヘッドを導入し、ほぼすべての報告シナリオに対して異なるデータセットを生成することになります。 しかし、今日、Amazon QuickSightにおけるマルチデータセット関係の新機能を発表できることを嬉しく思います。この新機能により、QuickSightデータセット間の論理的関係を定義し、クエリ時にランタイム結合を実行できるようになります。事前にテーブルをフラット化するのではなく、各テーブルを独自のQuickSightデータセットとして保持し、これらのデータセットがどのように関連しているかをQuickSightトピック内で宣言します。QuickSightは、視覚化、計算フィールド、フィルター、または自然言語Q&Aに必要な結合を正確に組み立てます。このパラダイムシフトにはいくつかの重要な利点があります。まず、前もってのデータ準備が少なくなり、関係を一度定義すれば、QuickSightは分析時に関連するテーブルのみを結合します。次に、各データセットは独自の詳細レベルを維持し、粒度間での測定値の重複を回避します。また、定義された関係を持つ単一のトピックが、データセットを再構築することなく複数の分析ユースケースに役立ちます。さらに、個々のデータセットレベルでの権限、変換、ビジネスロジックの管理が簡素化され、異なる頻度（毎時、毎日、毎月）でテーブルごとにデータを取り込むことができる独立したリフレッシュスケジュールが可能になります。ランタイム結合時に行レベルのセキュリティ（RLS）ルールが適用されるため、データアクセスポリシーがデータセット全体で一貫して適用されます。この投稿では、データモデリングの概念、サポートされているパターン、およびQuickSightでのマルチデータセットデータモデルを設計するためのベストプラクティスについて説明します。