Category: Analytics

JFE 条鋼株式会社は AWS 移行を通じて製鉄業のデジタル革新に挑戦しています。システム基盤の近代化とデータ活用基盤の整備により、リアルタイムでのデータ分析や業務プロセスの効率化を実現しました。この取り組みは、同社の持続可能な成長への重要な一歩となっております。

本ブログでは、DoorDashが共同で開発した、コンタクトセンター向け生成 AI エージェントソリューションをご紹介します。Amazon Connect、Amazon Lex、Amazon Bedrock Knowledge Basesを活用し、わずか 2 か月で音声・チャット対応の AI エージェントを構築、2.5 秒以内の応答速度を実現しました。実装手順からカスタマイズ方法まで、オープンソースで提供される実践的なソリューションの詳細をご覧ください。

みなさん、こんにちは。ソリューションアーキテクトの深見です。OpenSearch Magazine の第 2 […]

このポストでは、社内の誰もが Amazon SageMaker Unified Studio で Amazon Bedrock を使用して、販売実績データを分析する生成 AI チャットエージェントアプリケーションを素早く作成する方法をご紹介します。ビジネスチームは、このチャットエージェントとの簡単な会話を通じて、コードを書いたり複雑なデータパイプラインを管理したりすることなく、構造化データと非構造化データの両方から価値のあるインサイトを引き出すことができます。次の図は、Amazon SageMaker Unified Studio in Amazon Bedrock を使用した AI アシスタントの概念アーキテクチャを示しています。

みなさんこんにちは。ソリューションアーキテクトの中島です。 本記事では 2025/04/17 に開催された「小売・消費財のお客様向けのデータ分析基盤イベント」の様子を皆様にお伝えさせていただきます。本イベントは「データ分析を始めたいが、まず何から始めたらいいのか分からない。」「データ分析業務を進めているが技術だけでなくさまざまな障壁があり苦労している。」というお客様の声にお応えすべく企画されました。本イベントは AWS ではなくお客様の事例登壇が主体であるという点もユニークです。このイベントでは前半にユーザー企業様の事例登壇をしていただき、後半それをインプットにダッシュボードを描いてみるという構成になっておりました。 それでは以降詳細をご共有いたします。

Amazon Redshift Serverless は、ワークロードの需要に合わせて自動的に計算能力をスケー […]

消費財 (Consumer Packaged Goods) 企業が長期的な成功を収めるためには、考慮すべき点がたくさんあります。とりわけ、ブランドコントロールを維持し、利益率を改善し、顧客との良い関係を築く新しい方法を見つける必要があります。幸いなことに、生成 AI の出現により、消費財企業がこれらすべての課題に対処できるようになりました。。ただし、これは万能のアプローチではありません。AI を組織に導入するだけでは、最大のメリットは得られません。ビジネス目標に沿った戦略的アプリケーションを採用する必要があります。

Amazon OpenSearch Service のスナップショット効率を向上させる shallow snapshot v2 について説明します。タイムスタンプベースの参照システムにより、通信オーバーヘッドを排除し、スナップショット作成時間を大幅に短縮します。

Apache Iceberg は、データレイクで人気の選択肢となっています。ACID (原子性、一貫性、独立性、永続性) トランザクション、スキーマ進化、タイムトラベル機能を提供します。Iceberg テーブルは、Apache Spark や Trino などの様々な分散データ処理フレームワークからアクセスできるため、多様なデータ処理のニーズに対して柔軟なソリューションとなります。そのような Iceberg を扱うためのツールの中で、PyIceberg は分散コンピューティングリソースを必要とせずに、Python スクリプト上でテーブルのアクセスと管理を可能にします。

この投稿では、AWS Glue Data Catalog と AWS Lambda と統合された PyIceberg が、直感的な Python インターフェースを通じて Iceberg の強力な機能を活用するための軽量なアプローチを提供する方法を示します。この統合により、チームはほとんどセットアップやインフラストラクチャの依存関係の設定を行わずとも Iceberg テーブルの操作や利用を開始できることを説明します。

この記事では、Iceberg テーブルで信頼性の高い同時書き込み処理メカニズムを実装する方法を示します。Iceberg の同時実行モデルを探り、一般的な競合シナリオを検討し、自動再試行メカニズムと、カスタムの競合解決ロジックが必要な状況の両方の実用的な実装パターンを提供して、レジリエントなデータパイプラインを構築します。また、AWS Glue Data Catalog テーブル最適化による自動コンパクションのパターンについても説明します。