アノテーション テクニカルサポートの川崎です。
本記事は AWS re:Invent 2023 のセッションレポートとなります。
今回は Innovation Talk のセッションを視聴しましたので、セッションレポートをお届けします。
概要
Data is the differentiator that drives your current business needs while simultaneously preparing you for the future. As your company transforms, you need a data foundation for business applications, new technical innovations, and data-driven business initiatives. Join G2 Krishnamoorthy, Vice President of AWS Analytics, to discuss strategies for embedding analytics into your applications and ideas for building a data foundation that supports your business initiatives. With new capabilities for self-service and simpler builder experiences, you can democratize data access for line-of-business users, analysts, scientists, and engineers. Hear inspiring stories from adidas; GlobalFoundries; and University of California, Irvine.
［機械翻訳］ データは、現在のビジネスニーズを推進すると同時に、将来への備えとなる差別化要因です。企業の変革に伴い、ビジネス・アプリケーション、新たな技術革新、データ主導型のビジネス・イニシアチブのためのデータ基盤が必要です。AWSアナリティクス担当バイスプレジデントのG2 Krishnamoorthyが、アナリティクスをアプリケーションに組み込むための戦略と、ビジネスイニシアティブをサポートするデータ基盤を構築するためのアイデアについて説明します。セルフサービスとよりシンプルなビルダーエクスペリエンスのための新機能により、ビジネスラインユーザー、アナリスト、科学者、エンジニアのデータアクセスを民主化することができます。adidas社、GlobalFoundries社、カリフォルニア大学アーバイン校の刺激的なストーリーをお聞きください。
セッション動画
セッション資料
Data drives transformation: Data foundations with AWS analytics
セッション情報
01. イントロダクション
本日はご参加いただきありがとうございます。 11月30日 木曜日の遅い時間帯のイベント（※筆者注：14:00〜、Innovation Talk の最後から2番目のセッション）であることは知っています。 これまでのところ、皆さまが素晴らしい re:Invent を過ごしていることを願っています。
私は AWS Analytics の G2 Krishnamoorthy です。 adidas の Paul、GlobalFoundries の Sunil、UC Irvine（カリフォルニア大学アーバイン校） の Tomも参加します。
データを通じて顧客満足を向上させ、予算に制限がある中で革新的な生成AIを含む新しい機会を求める方に向けたセッションです。
いくつかのエキサイティングなローンチについて取り上げ、 クールなデモをお見せして、 感動的なストーリーを共有する予定です。
02. データとフード
食べ物とデータには共通点が多いです。
デジタル時代には、食品が私たちを支えるエネルギー源であるように、データもイノベーションを推進する重要な要素です。データドリブンとは、新鮮な食材やバランスの取れた栄養、健康的な食事が長期的な幸せと健康につながるのに似ています。
企業がデータを上手く活用できていない理由の一つに、逆算の思考で取り組んでいないことがあるかもしれません。
03. Working Backwards
アマゾンは「Working Backwards」つまり、逆算するアプローチで広く知られています。 「Working Backwards」でビジネス価値を先に検討し、それに合わせデータ基盤を段階的に構築する方法を提案しています。
04. What do you need
データ基盤には、実証済みのデータウェアハウスから最新の大規模言語モデルまで、多様なニーズに応じた包括的なツールセットが必要です。これによりデータ分析や機械学習の強化、ユーザー体験の向上を目指します。
05. 健康的な食事の戦略
健康的でバランスの取れた食事をとるための戦略は、個々のライフスタイルやニーズに合わせて新鮮な食材を使用し、不必要な加工食品や砂糖の摂取を控えることが大切です。同様に、データ戦略もニーズに合わせることが大事であり、アプリケーションに組み込まれるべきです。そして、常に変化しているビジネス環境への適応が重要で、顧客の成功を最優先に考えるべきです。
06. サマリー
すべてのデータがどこに存在しても、スムーズなアクセスとほぼリアルタイムのアクセスが必要です。 AWS、オンプレミス、または他のクラウド内のデータベース、ログストリーム、アプリ、マーケットプレイス、ウェアハウス、レイク。さまざまな場所に分散しているデータを効率よく管理し、ETL のコピーをコントロールすることが重要です。
私たちは、データを活用して組織内の全員が発見、理解、イノベーションできる環境を整えたいと考えています。しかし同時に、このデータを信頼できるガードレールを使って管理し、保護することを望んでいます。
また、このデータを活用してイノベーションや操作を進めるには、 SQL、Spark、PyTorch から検索、ダッシュボードや生成 AI まで、このデータを革新して操作するには、最も広範なツール セットにアクセスする必要があります。
ビジネスイニシアチブに焦点を当てるためには、クエリの作成、ノートブックでのコード作成、ダッシュボードやアプリケーションの構築など、よりシンプルで直感的な経験が必要です。そのため、生成AIはこの分野のゲームチェンジャーです。
07. AWS データ分析 ML サービス
AWSのデータ分析と機械学習サービスは、顧客のニーズを先読みして構築されており、幅広いサービスセットによりデータの管理、協力が容易になり、効率性が向上しています。
08. Adidas Team FX
Adidas プラットフォーム エンジニアリング担当副社長の Paul Vassu です。
健康的な生活のためには、スポーツも必要です。
Adidas 社の使命は、スポーツを通じて人々の人生を変えることです。今回はサッカー選手のパフォーマンス向上に焦点を当てたinnovationに取り組んだ結果を共有します。 このソリューションは、トップボールスピードや移動距離、キックカウントなど5つの指標を重視しています。靴底に取り付けられたセンサーを利用することで、選手たちはトレーニングや試合後に自分たちのデータをチェックし、パフォーマンス改善に役立てることができます。しかし、新型コロナウイルスの影響で予想した結果が得られなかったところ、ヨーロッパのプロチームから発展に関する質問が寄せられました。 そこで、アディダス社はAWSデジタルイノベーションチームの協力を得ながら、これらのプロチームと連携し、選手とコーチのニーズに応えるソリューションを構築しました。すでにAWS上でサーバーレステクノロジーを使用していたバックエンドは、新しいユースケースに対応するために、OpenSearchサービスを導入し、Amazon TimestreamやAmazon MemoryDB用Redisなどのデータストアを実装し、Kinesis Data Streamsでリアルタイムデータフローを最適化しました。 僅か3ヵ月でMVPが準備され、ドイツのピッチでデモンストレーションを行った結果、選手、コーチ、チーム全員による説得力のある結果が得られました。これにより、ヨーロッパ全土のチームやクラブにこのソリューションを広めることが確信されました。
09. Adidas Team FX アプリ
アプリでは、チームはチームスペースを取得し、コーチはイベントを定義し、タイムラインを確認し、選手の統計を確認し、全員のパフォーマンスを向上させ、成果を上げるために可能な限り最善の方法で次のトレーニングを設定できるようにします。
私が最も興奮しているのは、強度フィードバックです。これは、怪我を予測し、予防するための優れた鍵となります。
データと分析テクノロジーが企業の構築と改善に役立つだけでなく、 スポーツを通じて人々の生活を変えるという使命の達成にも役立つことは注目に値します。
10. アンケート調査
簡単なアンケートを行い、結果を確認してみます。 大多数の意見は「日常業務に追われること」に集中していましたが、イノベーションについても期待されていることが確認できました。
11. ガバナンス
私たちが提供するアプリケーション体験の魅力を高めるために、アディダスがデータ分析を取り入れた例を見てきました。そこで、データ戦略とデータ基盤がどのようにこれを支えるかを詳しく見てみましょう。 まずは、データガバナンスに触れることが重要です。ガバナンスとは、しばしばイノベーションの制約と捉えられます。しかし、レジームを続けられるようにバランスが必要なように、データにも適切なガバナンスが必要です。このバランスにより、データの自由な活用が可能になります。それを実現するために、Amazon DataZoneを活用し、多様なガバナンス機能を提供しています。従業員のアクセス制御は、その役割に応じて厳格に管理される傾向がありますが、AWS IAM Identity Centerで信頼できるIDの伝播を利用することで、ユーザーの所属部門やセキュリティグループなどの属性を利用した細かなアクセス制御が容易になります。
これにより、財務部門のデータへのアクセスを財務グループのメンバーや新入社員に限定するポリシーが作成でき、QuickSightやRedshiftでデータの利用がよりスムーズになります。また、電子商取引市場の販売者が製品情報のみを参照できるようにするマルチ方言SQLビューをLake Formationを通じて一元的に運用できます。このようなきめ細かいアクセス制御は、多くの分析エンジンで実現可能です。 データ品質の面でも、静的ルールだけでなく、季節性などデータの動的な特性を考慮した管理が求められます。AWS Glue Data Qualityは、機械学習を活用し、動的なしきい値を用いた監視やアラートを可能にします。さらに、研究やイノベーションを進めるために、業界全体でのデータ共有が求められる場合もあります。AWS Clean Roomを利用すると、機密データを保護しながら、必要な洞察を共有しやすくなります。 私たちのクライアントは、コストを抑えつつもより多くのことを実現する方法を模索しています。AWSはパフォーマンスを犠牲にしないコスト削減に注力しており、Amazon OpenSearch ServiceのOR1インスタンスやEMR Sparkの効率向上、Redshiftの最適化などがその例です。これらの最適化により、パフォーマンスを保ちつつ経済的な展開が可能です。
12. GlobalFoundries
GlobalFoundries 社 データおよびアナリティクス担当シニア ディレクターの Sunil Narayanan です。
GlobalFoundries は2009年に設立されました。 半導体ファウンドリの分野に、世界で5つの大企業が存在しています。 当社の目標は、エンドカスタマーに向けた機能豊かな半導体ソリューションを提供し、これによって産業を変え、世界を変えていくことです。
13. グローバルフットプリント
現在は3大陸に製造部門を展開しており、北米、シンガポール、ドイツに複数の拠点があります。 データレイク変革の取り組みを始めた際、私たちはサイロ化された異なるデータソースの問題に直面しており、それによりアプリケーションや機能を製造部門全体に展開することができませんでした。加えて、多くのアプリケーションとデータインフラストラクチャは旧式のプラットフォームに依存しており、アップグレードには多大な設備投資が必要でした。しかし、そのアップグレードだけでは2030年に向けた発展のための解決策とはなり得なかったため、私たちは、データレイクの変革に焦点を合わせて対応を行うことにしました。
14. データレイクのトランスフォーメーション
私は美しい料理と半導体製造の共通点について考えています。両者共に、正確な計量、完璧な統合、そして細かな注意が成功の鍵となります。半導体製造においても、製造過程で生産される大量のデータを効率良く扱い、適切なコンテキストで分析、洞察を得ることが非常に大切です。私たちはこの重要なデータを管理するために、データ レイクを広範に活用しなければなりません。この認識から、まずデータと分析プラットフォームの最新化に集中することとし、全ての製造プロセスでの統一されたデータ・スキーマの構築に取り組んでいます。これを実現させるため、私たちは適切なパートナーであるAWSを選択し、さらに社内リソースのスキルを高めて、長期的な協業が可能なセンターを構築することに力を入れています。また、ガバナンス モデルの構築と、既に定められたターゲットオペレーティングモデルの実装にも注力しており、目指すアーキテクチャの確立に取り組んでいます。
15. ターゲットアーキテクチャ
データレイクには、製造実行システムやセンサーデータなど、複数の異なるソースからのデータがプッシュされ、AWSを使用して品質を確保しながらネイティブに集約されます。私たちは Redshift をバックエンドとして利用しつつ、Spectrum と Athena を駆使して、データがどこにあってもシームレスなアクセスが可能です。これらの準備に加え、Glue と DataZone を用いてデータの検出と管理を行います。
さどんなに素晴らしいアーキテクチャを有しても、ビジネスの視点から「それで何が変わるのか」という疑問に答えなくてはなりません。我々のデータレイクは、以前は不可能だった製造ユニット間でのツールの比較を可能とし、運用の最適化を実現しています。例えばケーキ焼くプロセスに例えると、半導体製造は3か月という長期間にわたるプロセスであり、常に精密な作業が求められます。データレイクを利用し、機械学習やAIを適用することで、欠陥の特定や予知保全に役立て、業務の効率化を図っています。これにより、画像の分類作業を12時間から3分へ大幅に削減し、機械の寿命を延ばしながら、より効果的なメンテナンスプランニングを実現しています。これらの改善は、生産性の向上だけでなく、設備投資の最適化にも寄与しています。
16. 次は何ですか （What's Next）
アーキテクチャを構築し、ビジネス価値を生み出した後に何をするべきかという問いに対して、私たちはMLOps（機械学習オペレーションズ）フレームワークをさらに発展させるべきです。このフレームワークは1年以上かけて築いたもので、GenAI（ジェネレーティブAI）のユースケースに適用し拡張することが可能です。適切な管理体制を設定し、GenAI用のセンターオブエクセレンス（COE）を構築することで、私たちはGenAIの世界に積極的に参入していこうとしています。
すでにデータがあり、機械学習の運用体制が整っているので、今は製造業の中核に限らず、ビジネス全般にわたって機械学習の応用を広めることができると信じています。私たちは内部エンジニアの生活を楽にし、それを外部の顧客が活用できるよう、データ製品や分析製品を構築しています。豊富な品揃えのキッチンがシェフの創造性を引き出すように、半導体業界もAWSクラウドとデータレイクを活用することで、イノベーションの限界を拡大し、洞察力を高めることができます。
17. ゼロETL統合
わたしたちは、データ戦略の構築から簡素化されたデータランドスケープへの移行に取り組んでいます。ファーム・トゥ・テーブルのアプローチは仲介業者を不要とし、商品を迅速に届けることを重視しています。前回の re:Invent では、お気に入りのツールからETLなしでデータにアクセスする、将来のビジョンを共有しました。ETLの使用や管理の負担を解放するため、農場から新鮮なトマトを直接入手するように、私たちは適切な統合を提供しています。AuroraMySQLやRDS MySQL、さらにDynamoDBといったデータソースからRedshiftにデータをほぼリアルタイムで転送し、迅速なSQL分析やインタラクティブなダッシュボードを実現する簡単な設定が行えるようになりました。さらに、SparkとRedshiftとのハイパフォーマンスな統合によって、大規模なデータ処理やSageMakerによる機械学習など、さまざまな用途でデータを活用できるようになりました。
18. ゼロETLデモ
Salesforce、Amazon Connect、CloudTrail などのアプリケーションのデータおよびログをAWS Glueデータカタログにテーブルとして表示させるための ゼロETLアクセス機能により、データのコピーが不要になり、Redshift、EMR、Athena、SageMakerなどのツールを用いて容易にアクセス可能です。 具体的なデモとして、Salesforceを使用した例を見ていきます。
デモに登場するボブ、カイル、マヤはアウトドア製品を扱うeコマース会社の従業員であり、Salesforce Data CloudとAWSのデータおよび機械学習(ML)ツールを利用してホリデーシーズンのマーケティングキャンペーンを立案しています。
ボブはSalesforce Data Cloudを用いて製品カタログや購入履歴などのデータをRedshiftから取り込み、カイルはSageMaker Data Wranglerを使用して購入傾向モデルを構築しています。これらのデータをもとに、効果的なマーケティングキャンペーンを作成し、マヤはQuickSightを使用してデータを視覚化し分析します。 さらに、AWSの分析および機械学習サービスとSalesforce Data Cloudの間のゼロETL統合のおかげで、彼らはチームとしてシームレスに連携して作業を進めています。最後に、アプリケーションのログをCloudTrailやS3データレイクに記録し、OpenSearchを使用した分析の最適化方法について説明しています。新たにインデックスを作成せず、すぐにクエリを開始できるため、インデックス作成を行うことで、ダッシュボードをより高速かつ応答性に優れたものにできます。ゼロETL統合によって、統合されたガバナンスを備えたツールから簡単に全てのデータにアクセスすることが可能になっているのです。
19. 統一ガバナンス
弁当箱（bento box）は食事の管理に非常に便利です。 柔軟で整理され、使いやすいという特徴があります。もしデータレイク用の弁当箱があれば素晴らしいと考えています。Apache Icebergのようなトランザクションデータレイクフォーマットはデータを常に最新状態に保つことに長けており、私たちは最近発表したRedshiftを含むトランザクションデータレイクを幅広くサポートしています。しかしながら、そうした場合には小規模なファイルが多量に生成され、結果としてクエリのパフォーマンスが落ち、コストが上がるリスクがあります。これに対処するため、AWS GlueデータカタログのApache Icebergテーブルでストレージを最適化する機能をワンクリックで有効にできるようにしました。このシステムはテーブルへの変更を自動で監視し、効率的な圧縮を行い、クエリの速度を向上させ、コストを削減します。
顧客がアプリケーションや分析に集中できるよう、インフラストラクチャに関する複雑な作業をAWSが代わりに担当します。その結果、私たちは業界で唯一、すべての分析サービスにサーバーレスオプションを提供しています。さらに、Amazon OpenSearch Serviceに新たにベクトルエンジンが追加されることにも大きな期待を寄せています。これにより、より効率的な検索と分析が可能になることでしょう。
20. AWS ベクターエンジン
私たちが利用するベクター エンジンは、Amazon Bedrockに代表される大規模言語モデルが生成した数十億ものベクター エンベディングを効果的に永続化し、ベクター検索クエリに対してミリ秒オーダーで迅速に対応することができます。この機能は、OpenSearchの先進的なテキスト検索機能と組み合わせることで、ユーザーはハイブリッド パターンやRAG パターンを簡単に導入することが可能になります。これにより、アプリケーションにおいて、生成AIエクスペリエンスを提供する際、インフラストラクチャの複雑な管理から解放されます。
21. 未来を創造する
私は、カリフォルニア大学アーバイン校の副学長 Tom Andriola です。
大学に着任した当初、私はエンタープライズソフトウェアおよびデータソリューション分野でコンサルティングのキャリアを重ね、4つの異なる大陸での生活と仕事を通じて豊富な経験を積んできました。新しい環境でのスタートとなった際、私は自らにとって重要な疑問を投げかけました。それは「私たちの中核事業とは何か」というものです。多くの意見の中で特に印象的だったのは、ある教授が述べた「私たちの仕事は未来を創造すること」という言葉でした。研究大学の目的は、知識の泉を求めて新たな発見をめざし、その知識を学生たちに伝えることであり、彼らが社会に出て各地で影響を与えることで、私たちは未来を形作るのです。 この視点を持ちながら、私は自分の役割をどう定義するかを考察しました。しかし、未来を創造するというビジョンだけでは不十分であることに気づきました。大学も一つの組織であり、50,000人を超える学生、患者、教職員、医師などの構成員で成り立っています。それぞれが日々の意思決定を行っており、私たちは常により良い意思決定を目指して進化し続ける必要があります。そのためには、データを活用した意思決定の改善が不可欠であり、私たちはデータ企業として自己再発明することが求められています。私は、すべての組織がデータを活用して再発明することが重要だと考えています。これこそが、効率的かつ規模の大きな組織運営を可能にする鍵となるのです。
22. Student Success
現時点では、学生の成功には新しい定義が求められ、そのために私たちはデータ駆動型のアプローチを取り入れたStudent Success 3.0を検討しています。かつて大学は選ばれた少数にのみ開かれていましたが、今では多くの人が学ぶ機会を持つべきだという認識が広まり、特にUCIでは多様な学生が受け入れられています。87%の学生が非白人であると自認し、それぞれ異なる背景を持っており、こうした学生たちをサポートするために私たちは彼らの大学経験を豊かにするためにさまざまな取り組みを行ってきました。 しかしながら、技術の発展と共に、教育のあり方も変革が求められています。私も3人の子供を持つ親として、高等教育の費用が心配です。Student Success 3.0は、デジタル化が進む世界において学生の成功をどのように推進するかという問題を再考するモデルです。データ信号を活用し、様々なテクノロジーとのインタラクションを通じて、生徒を理解することが鍵となります。これにより、生徒が本学に初めて興味を示した時から卒業後の就職、生涯学習を経てつながりを持つまでを把握することができます。 学校内の出来事だけでなく、学生の所属グループやインターンシップ参加状況などを知ることで、生徒一人ひとりが個人の目標に到達するための旅をより良く支援できるようになります。データを通じて学生に力を与え、私たち自身の健康意識を高めるウェアラブルデバイスと同じように、大学としてもデータを活かして生徒を助けることができると私たちは考えています。 これを実現するプラットフォームとしてAWSを使用し、データレイクの構築から、データリゾートへの変革と、データ共有や思考型データエコシステムへのシフトを図っています。学校は自らのデータ資産やアプローチを見直し、AWSプラットフォーム上で利用可能なサービスを活用して、研究や教育を推進しています。また、他の学校や組織とどのように連携し、統合するかも重要な問題です。そして、単なるベンダーではなく、戦略的思考パートナーとしてAWSとの連携を模索しています。将来の状態の再定義と、それを現実化するために必要なコンピテンシーとデータについて検討し続けているのです。
23. Into the Metaverse
このスライドは、将来の世界がどうなるのかを示すためにここに掲載されました。私のオフィスとビジネススクールの学部長が共同で行ったクラスの写真が見られます。この「Into the Metaverse」というクラスでは、学生40人が、テクノロジースタック、ビジネスの成長コンセプト、そして交流の場としての没入型エクスペリエンスについて学んでいます。彼らは、ヘッドセットを使った没入型体験を通じて最終プロジェクトを行う予定です。データレイクやStudentSuccess 3.0の観点から見ると、今までにない新しいタイプのデータが生まれます。これは、構造化された形ではなく、インタラクションや目の動きなどに関するデータを含むでしょう。今後は、未来志向の考えを持ち、新しいタイプのデータフォームを迅速に取り入れ、それをどう構造化するか、非構造化データに適用するツールを理解できるアーキテクチャが求められます。デジタル化が進む中で、より多くのデータが存在すると確信しています。不確実性は、私たちがどこに向かうのかについての問いです。しかし、物理的な世界とデジタルの世界が衝突する時、マンゴーが無限に取れるような世界が訪れ、それが未来だと信じています。
24. ユーザーに料理をしてもらう
私は、データを通じて学生の成功を再考するトムの例に共感しており、大学進学した娘を持つ親として不安を感じる一方で、ビジネスイニシアチブを支援するために堅牢なデータ戦略を構築し、環境を簡素化したことに感動しています。ユーザーは、簡単なアクセスと直感的な操作、コラボレーションを可能にする経験を求めており、データを理解し発見することが最も困難な点です。DataZoneでは全てのデータに優れたドキュメントが必要ですが、ドキュメントは面倒なこともあります。AIレコメンデーション機能により、データ所有者はビジネス用語でデータを簡単に記述できるようになりました。これは、キッチンのAlexaがレシピを教えてくれるのと同様に便利で、このようなアシスタントがデータタスクにもあれば素晴らしいと述べています。Amazon Qについても触れ、データ統合タスクを自然言語で指定し即座にデプロイ可能なジョブを構築できること、また失敗のデバッグにも役立つこと、SparkやPython、AWS Glueの専門家がタスクに協力すること、そしてSQLタスクにおいても自然言語で指定するクエリに対してQが適切なSQLを生成することに興奮を表しています。
25. 生成AI
生成AIがOpenSearch（オープンソース）に導入されることで、ログ分析を詳細に行うことや、自動生成された概要を取得することが可能になります。このツールキットを使って実際に遊んでみることをお勧めします。今日は、Redshiftでの分析を用いてGlueを用いてデータを準備しましたが、DataZoneにある優れたドキュメントと共有することができました。さらに、AmazonQと生成AIの力を合わせて使用することで、これらのプロセスをより高速に実行することができました。今後はデータに基づいた迅速な意思決定をユーザーに提供する必要がありますが、そのためにはQuickSightの使用が最善の方法です。 私たちが食事をする際に、まず目で食べるように、美しくデザインされた料理やデータストーリーは、チームに洞察を伝えやすくし、適切なアクションを起こさせることを容易にします。Amazon Qはこの点でサポートを提供します。具体的には、Amazon QとQuickSightの使用により、ユーザーは分析を要約し、洞察を共有し、組織が取るべきアクションを説明し追跡するための引き込まれるデータストーリーを作成することができます。Qは自然言語を用いてBIに関する質問に答えることにも役立ち、作成者は表示したい内容を指定するだけで、Qが自動的にダッシュボードを生成します。読み手は実行サマリーを通じて内容を深く理解し、自然言語でデータを探索することが可能です。デモを事例として取り上げ、この機能がどのように作動するかを見ることができます。
26. デモ
私たちは、自動車保険会社に勤めるディーパ、ケビン、トレイシーの取り組みについて学びます。彼らは不正請求を減らすため、協力しています。ディーパはデータエンジニアで、AIを活用した記述生成を利用して、チームメイトが請求データを容易に発見できるようにしています。彼女が生成したドキュメントをレビューしてから公開することで、効率的なデータ管理が可能になっています。 ケビンはデータアナリストで、クエリエディターを用いてデータを確認します。彼はAmazon Qを利用して自然言語で問い合わせを行い、SQLを生成することができます。このようにして、彼は請求分析のダッシュボードを更新し、新しい計算手法やグラフを追加して、保険金請求と免責金額の関連を可視化します。 ビジネスユーザーのトレイシーは、ダッシュボードを使って分析を始めます。彼女は異常とみなされるデータ、例えば土曜日や特定の州について深く掘り下げることで、保険金請求が増加している背景にある疑わしい活動を発見します。自然言語でデータを探索し、チームに必要な情報を提供することができます。 トレイシーは、警察の報告書のない保険金請求が増えている問題に着目し、保険調査員と法執行機関との連携を推奨しています。さらに、AWSを信頼できるパートナーとして、データ戦略を構築し、データドリブンなアプローチをアプリケーションに組み込むことで、データを戦略的資産に変えることができます。 AWS Generative AI Innovation Centerと提携し、チームの専門知識を伸ばすために150以上のトレーニングプログラムやトレーニングコースを活用することが、データフライホイールを動かす鍵となります。これにより、私たちはデータを活用して、保険業界においてもっと効率的かつ効果的に不正請求を減らすとともに、新たな価値を生み出すことが期待されています。
所感
このセッションを通じて、データの活用が私たちの日常生活とビジネスの両方に、どれだけ大きな影響を与えているのかが明らかになりました。 特に印象的だったのは、データを単なる情報として捉えるのではなく、それを活用して意思決定を向上させ、最終的には社会の未来を形作るツールとしてのポテンシャルを見出す点です。 それは大学の研究から、保険会社の不正請求対策まで、多岐にわたる分野でのデータの活用が示されており、非常に興味深く感じます。
AWS が提供する ゼロETL統合、サーバーレス分析サービス、ベクターエンジンなどの技術革新が、 いかにしてデータ分析を簡素化し、迅速かつ効率的にするかも大いに学ぶべき点です。
データ戦略の構築と環境の簡素化に対する取り組みが、各組織がデータをいかに戦略的に活用しているかを示しており、 今後のさらなるイノベーションに向けた大きな一歩になると思われます。
メタバースや Student Success 3.0 のようなビジョンが、データとテクノロジーが組み合わさることで、 どのように社会や教育を変革していくかの示唆も与えており、 これからの発展が楽しみです。
全体的に、データが主導する変革の可能性を最大限に引き出すために、AWS がどのような役割を果たしているかがよく理解できたセッションでした。
本セッションの内容に興味を持たれた方は、上部のリンクからセッション動画、セッション資料をご覧ください。
アノテーション株式会社について
アノテーション株式会社は、クラスメソッド社のグループ企業として「オペレーション・エクセレンス」を担える企業を目指してチャレンジを続けています。「らしく働く、らしく生きる」のスローガンを掲げ、様々な背景をもつ多様なメンバーが自由度の高い働き方を通してお客様へサービスを提供し続けてきました。現在当社では一緒に会社を盛り上げていただけるメンバーを募集中です。少しでもご興味あれば、アノテーション株式会社WEBサイトをご覧ください。
26
