Amazon Web Services ブログ

Category: Analytics

【寄稿】株式会社ウェザーニューズ、航海気象データを提供するサービス基盤をAWSで再構築し、サービス品質の向上と運用コストの大幅削減を実現

はじめに 株式会社ウェザーニューズは世界最大規模の民間気象情報会社として、気象データやコンテンツの提供、気象コ […]

組織全体で Amazon Connect のフロー操作を監査する方法

コンタクトセンター運営における包括的な監査証跡の取得と一元的な可視性の維持は、セキュリティ、コンプライアンス、および運用のベストプラクティスの観点で重要です。Amazon Connect は、さらに Amazon Connect コンソールのフロー管理アクティビティに対応し、ユーザーがフローを追加、更新、または削除するたびに、その活動の記録が CloudTrail ログに取得できるようになりました。 この記事では、お客様が AWS 環境全体で Amazon Connect のフロー管理のアクティビティを一元的に分析および監査する方法について詳しく説明します。

寄稿：製鉄業のデジタル革新 – JFE 条鋼株式会社が挑む AWS による基盤刷新への道

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。

Amazon Connect, Amazon Lex, Amazon Bedrock Knowledge Bases を活用してコンタクトセンターに音声とチャットの生成 AI エージェントをデプロイする

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。

Amazon Bedrock in SageMaker Unified Studio を使用した生成 AI アプリケーションの迅速な構築

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。

【イベント開催報告】[流通小売/消費財業界向け] 経営の未来を左右するデータ基盤 最新技術の潮流に乗るステップ

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。

ファーストパーティデータによる D2C (Direct-to-Consumer) マーケティングの実現：生成 AI によるパーソナライズされた体験の提供

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。

AWS Lambda と AWS Glue Iceberg REST エンドポイントを使用した PyIceberg による軽量な分析環境の実現

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。

← Older posts
Newer posts →