Amazon QuickSightは、1つの分析トピックに最大12のデータセットを追加し、それらの関係を定義する「マルチデータセットTopics」の公開プレビューを開始した。従来は単一の非正規化テーブルに依存していたが、これにより正規化されたデータ構造のままで、自然言語による横断的な質問応答が可能になる。
非正規化テーブルの呪縛から解放されるBI層
これまでのQuickSightは、分析や自然言語クエリの基盤となるデータセットを、単一の平坦なテーブルとして定義する必要があった。複数テーブルにまたがる情報を扱う場合、ユーザーは事前に結合処理を施し、一つの大きな非正規化テーブルを作成しなければならなかった。この方式は実行時の結合処理を避け、パフォーマンスを優先する意図があったが、データの重複やガバナンスの複雑化を招く側面もあった。今回のアップデートは、この構造的前提そのものを変更する。データは正規化された状態を保ったまま、セマンティック層であるTopicsがテーブル間の関係を管理するアーキテクチャへと移行する。
AIエージェントがクエリ生成時に結合を自動実行
この機能の核心は、チャットエージェントがユーザーの自然言語による質問意図を解釈し、事前に定義されたデータセット間の関係を自動的にたどってSQLを生成する点にある。ユーザーはどのテーブルに何のカラムがあるかを知る必要はない。AIエンジンが質問の文脈から適切なデータセットを特定し、必要な結合、集計、フィルタリングをすべて裏側で実行する。これにより、例えば小売業のシナリオでは「先月のキャンペーン別の売上と在庫回転率」といった、販売データと在庫データを分離したまま管理できる環境下でも、単一の質問で回答を得られるようになる。
SPICEとDirect Query、接続先の拡大と現状の制約
マルチデータセットTopicsがサポートするデータソースは段階的に拡大している。プライベートプレビュー時はインメモリエンジンSPICEのみだったが、今回の公開プレビューではAmazon Redshift、Athena、S3 Tables、Snowflake、DatabricksへのDirect Queryにも対応した。ただし、現時点では1つのトピック内でSPICEデータセットとDirect Queryデータセットを混在させることはできない。この制約は、ハイブリッドなデータ戦略をとる企業にとっては検討ポイントとなるが、クラウドDWHとデータレイクにまたがる分析基盤の統合という点で、接続先の多様化は意味を持つ。
セルフサービスBIとデータメッシュの交点として
今回の機能拡張は、単なる製品アップデートを超えて、データ分析の民主化とデータメッシュの考え方がBIツールに浸透していく流れを示している。ドメインごとに正規化されたデータセットを独立して管理しつつ、必要に応じて横断分析できる構造は、中央集権的なデータウェアハウスとは異なる運用モデルを可能にする。特に、データカタログとの連携やカラム単位のセマンティック情報（説明、同義語、セマンティック型）の設定を各データセットに施せる設計は、ビジネスユーザーとデータエンジニアの間に立つ「セマンティック層」の重要性が、プロダクトの機能として具体化された形だ。
