AI注目記事のキュレーターページ

注: 本文で言及されているトピックは、新しいトピック体験を指します（旧トピックではありません）。詳細については、Amazon Quickのマルチデータセットトピックを使用して統一されたセマンティックレイヤーを構築するをご覧ください。実際のビジネスの質問は、複数のテーブルにまたがることが多いです。たとえば、製品カテゴリごとの純収益を理解したい小売業者は、売上ファクトテーブル、返品ファクトテーブル、製品ディメンションからデータを引き出す必要があります。これらはそれぞれ別のデータセットに存在します。最近までは、これらのデータセットを橋渡しするにはデータエンジニアが事前に結合し、アナリストが質問をする前にAmazon Quick Sightに単一のデータセットを提供する必要がありました。

しかし、Amazon Quick Sightのマルチデータセットトピックは、分析チームが2つの方法のいずれかで複数のデータセットを単一のトピックに持ち込むことを可能にします。明示的な関係キーを定義することもできますし、生成AIエンジンに十分なセマンティックコンテキストを提供してSQLを自動生成させることもできます。この投稿は後者の道、すなわちチャットを活用したAI生成SQLに焦点を当てています。

トピックをチャット用に設定すると、事前に関係を定義する必要はありません。代わりに、データセットレベルのカスタム指示、トピックレベルの指示、フィールドの同義語、フィールドの説明を含むセマンティックレイヤーを作成します。AIはそのコンテキストを使用して、クエリ時にコンテキストを考慮したSQLを生成します。これにより、外部結合、ユニオン、サブクエリ、自己結合、クロスグレイン比較、条件付き結合ロジックがすべて利用可能になり、関係グラフに対する構造的制約はありません。

この投稿は、自然言語チャットベースの探索のためにQuick Sightトピックを構築または最適化しているデータアーキテクト、ビジネスインテリジェンス（BI）エンジニア、分析エンジニアを対象としています。ここから得られるものは以下の通りです：

- チャット駆動のSQL生成が定義された関係トピックとどのように異なるかの明確な理解。
- AIをガイドするすべてのメタデータを構造化するための層状フレームワーク、セマンティックガイダンススタック。
- 各々に具体例、アンチパターン、サンプル指示がある8つの具体的なベストプラクティス。
- 複雑なパターンを扱うための技術：外部結合、多対多、再帰的階層、役割を持つディメンション、クロスグレイン比較。
- 定義された関係、セマンティックのみのガイダンス、ハイブリッドアプローチの選択のための意思決定フレームワーク。
- 5つのデータセットを使用した小売分析トピックの完全なエンドツーエンドのウォークスルー。