Amazon Web Services ブログ

Category: Best Practices

Amazon SageMaker Canvas の ML 予測を使用して Amazon QuickSight に予測ダッシュボードをパブリッシュ

この記事では、予測を明示的にダウンロードして QuickSight にインポートしなくても、Canvas から ML ベースの予測を使用して QuickSight で予測ダッシュボードを公開する方法を説明します。このソリューションを使用すると、Canvas から QuickSight に予測を送信できるため、機械学習を使用して意思決定を迅速に行い、効果的なビジネス成果を達成できます。

AWS Supply Chain により可視性を向上し、サプライチェーンのレジリエンスを向上

世界的な経済、環境、社会的要因が依然としてサプライチェーンを混乱させています。これにより、組織が顧客の需要を満 […]

スポットプレイスメントスコアによる Amazon EC2 スポットインスタンスの最適化

スポットプレイスメントスコアは、Amazon EC2 スポットインスタンスを利用する際に最適なインスタンスタイプを特定したり、データ分析やハイパフォーマンスコンピューティングなどの一時的な作業に最適なアベイラビリティーゾーン (AZ) を選択したりするために使用する機能です。当ブログではスポットプレイスメントスコアのメリットやスポットプレイスメントスコアを利用した AWS Solution であるスポットプレイスメントスコアトラッカーについて解説します。

Amazon QuickSight で製造サプライチェーンのデータドリブンな意思決定を実現する

昨今、データ活用に関する相談を、多くのお客様からいただいています。製造現場を例にとってお客様の課題例を挙げてみますと、製造業のお客様の中には、世界各地の生産拠点を連携したグローバル規模のサプライチェーンを構築している事例も多く見られ、本社の経営課題や問題認識に基づいた改善が難しくなっているという声が多く聞かれます。また、後工程への影響を避けるべく、各工程が良かれと思って在庫を抱え込んでしまった結果、仕掛り品が現場に溢れかえり、実態把握ができなくなっている例や、前後工程で連携しての改善の取組が難しいという声もあります。業界やビジネスレイヤーによって直面する課題は様々ですが、社内に眠るデータを分析することで、データに基づいた業務改善の取り組みに繋げられそうなケースも多く見受けられます。本記事では、クラウドネイティブな BIツールである Amazon QuickSight を活用して、製造サプライチェーンにおける課題をデータドリブンな意志決定により解決していくためのデモダッシュボードをご紹介します。

Automating Amazon CloudWatch Alarm Cleanup at Scale

Amazon CloudWatch アラームの大規模なクリーンアップを自動化する

このブログでは、CloudWatch で価値の低いアラームのクリーンアップメカニズムを AWS アカウントのリージョン全体に大規模にデプロイする方法を探り、さまざまな種類の設定ミスや価値の低いアラームを特定することによって、お客様が CloudWatch アラームのコストを最適化するのに役立つメカニズムについて説明します。

← Older posts