• Amazon Quickがマルチデータセットトピック機能を一般提供開始
• 単一のトピック内で複数のデータセット間のリレーションシップを定義可能
• データの事前結合が不要になり、ランタイムで自動的にJOINが実行される
• ダッシュボード構築と自然言語Q&Aの両方で利用可能
• セマンティックモデルを一度作成すれば、ダッシュボード内のすべてのビジュアルで再利用可能
• チャットエージェントがトピックのリレーションシップを読み取り、クロスデータセットの質問に自動回答
• 既存のデータセット権限、行レベルセキュリティ（RLS）、列レベルセキュリティ（CLS）をサポート
• Amazon Quickが利用可能なすべてのAWSリージョンで提供

Amazon Quickがマルチデータセットトピック機能を発表しました。これにより、ユーザーは単一のトピック内で複数のデータセット間のリレーションシップをモデル化し、そのモデルを使用してダッシュボードの構築や自然言語での質問応答が可能になります。従来必要だったデータの事前結合やJOINロジックの手動設定が不要となり、ランタイムで自動的に結合が実行されます。

本日、Amazon Quickはマルチデータセットトピックのサポートを発表しました。
これにより、ユーザーは単一のトピック内で複数のデータセット間のリレーションシップをモデル化し、そのモデルを使用してダッシュボードを構築したり、自然言語で質問に回答したりできるようになります。

以前は、複数のデータセットにまたがるQuick Sightビジュアルで質問に回答するには、データを単一のデータセットに事前結合する必要がありました。
これにはデータ準備での手動JOINロジックの追加、追加のSPICE容量の消費が必要で、ユーザーはユースケースが異なる場合やモデルが変更された場合に複数のデータセットを再構築する必要がありました。

マルチデータセットトピックにより、トピックは再利用可能なリレーショナルデータモデルとなります。
ユーザーは複数のデータセットを追加し、リレーションシップを一度定義するだけで、Quickがランタイムで結合を実行します。

この新機能はダッシュボード構築と自然言語Q&Aの両方に適用されます。
ダッシュボード構築では、トピックがデータモデルとして機能するため、単一のビジュアルが複数のデータセットからフィールドを取得でき、Quickが基盤となる結合を自動的に生成します。
ユーザーはセマンティックモデルを一度作成し、ダッシュボード内のすべてのビジュアルで再利用できます。

自然言語分析では、ユーザーはチャットエージェントをトピックに直接向けて質問できます。
エージェントはトピックで定義されたリレーションシップを読み取り、データセット間でランタイム結合を実行して回答します。
テーブルの事前結合やデータ準備は不要です。

両方のエクスペリエンスが同じトピックに対してクエリを実行するため、1つのガバナンスされたセマンティックモデルが人とエージェントの両方にとっての単一の信頼できる情報源として機能します。

マルチデータセットトピックは既存のデータセット権限を再利用し、行レベルおよび列レベルのセキュリティ（RLS/CLS）をサポートするため、確立されたガバナンスがすべてのクロスデータセットビジュアルとすべての回答に適用されます。

マルチデータセットトピックは、Amazon Quickが利用可能なすべてのAWSリージョンで一般提供されています。
開始するには、ブログ記事をご覧ください。

• Amazon Q in QuickSight
• Amazon QuickSight
• SPICE

• Amazon Q in QuickSightは、QuickSightに統合された生成AI機能で、自然言語で質問するだけでデータの分析やビジュアルの作成が可能です。チャットエージェントとしてトピックに対して質問を投げかけ、ランタイムでデータセット間の結合を実行して回答を生成します。
• Amazon QuickSightは、AWSが提供するクラウドベースのビジネスインテリジェンス（BI）サービスです。データの可視化、ダッシュボードの作成、データ分析を簡単に行うことができます。機械学習を活用した自然言語での質問応答機能（Q&A）も備えており、技術的な知識がなくてもデータから洞察を得ることができます。記事中の「Amazon Quick」はこのサービスを指していると考えられます。
• SPICEは、QuickSightのインメモリ計算エンジン（Super-fast, Parallel, In-memory Calculation Engine）です。データをSPICEにインポートすることで、高速なクエリパフォーマンスを実現します。従来はマルチデータセットの分析のためにデータを事前結合してSPICEに格納する必要があり、追加のSPICE容量を消費していましたが、マルチデータセットトピックにより、この問題が解消されました。

• https://docs.aws.amazon.com/quick/latest/userguide/regions.html#regions-qs
• https://aws.amazon.com/blogs/machine-learning/build-a-unified-semantic-layer-across-datasets-with-multi-dataset-topics-in-amazon-quick/