Amazon QuickSight、データ準備の手間を減らす「複数データセットのリレーションシップ」機能を発表
要点
-
AWSは、Amazon QuickSightにおいてデータセット間に論理的な関係を定義し、実行時に結合する「複数データセットのリレーションシップ」機能の提供を開始した。
-
従来はデータ分析を始める前に、散在する複数のテーブルをあらかじめ1つの巨大な非正規化データセットに結合しておく必要があり、データの重複や管理の負担が課題となっていた。
-
新機能では各テーブルを個別のデータセットとして保持したまま関係性を定義でき、ビジュアルや自然言語の質問などに応じて必要なテーブルのみを自動的に結合する。
-
データの重複防止や更新スケジュールの個別設定、実行時の行レベルセキュリティ適用など、モデリング効率とガバナンスが向上する。
-
Amazon Web Services（AWS）は2026年7月7日、クラウド型BI（ビジネスインテリジェンス）サービス「Amazon QuickSight」において、複数のデータセット間に論理的な関係を定義し、クエリ実行時にリアルタイムで結合を行う新機能「複数データセットのリレーションシップ（Multi-Dataset Relationships）」を発表した。従来データ分析の開始前に発生していたデータ準備作業が大幅に簡素化されるという。
-
データ分析プロジェクトの開始時、アナリストは、必要なデータが売上トランザクション、顧客属性、製品属性、返品、予測など、複数のテーブルに分散しているという共通の課題に直面する。
-
これまでは、これらのテーブルをQuickSightで組み合わせるために、分析を始める前にすべてのデータを1つの幅の広い非正規化（データベース設計においてあえて重複を持たせて平坦化すること）されたデータセットへと事前に結合しておく必要があった。この従来アプローチでは、事前のモデリング決定を強いられる上、異なる粒度（データの細かさのレベル）の間で指標の重複が発生し、メンテナンスのオーバーヘッドが生じる。また、レポートシナリオごとに異なるデータセットが作成されるため、データセットの乱立を招いていた。
-
今回発表された機能は、こうした事前結合の手間を解消する。新機能では、事前にテーブルを平坦化するのではなく、それぞれのテーブルを独立したデータセットとして保持し、データセット間の関係性を「QuickSight Topic（自然言語による質問に答えるためのデータ定義オブジェクト）」の内部で宣言する。
-
QuickSightは、宣言された関係性に基づいて、画面上のビジュアル、計算フィールド、フィルターの適用、あるいは自然言語による質疑応答（Q&A）に必要な結合処理を、クエリ実行時に自動的に構築する。
-
この新しいモデリングにより、以下のような多くのメリットがもたらされる。
-
データ準備のプロセス削減：関係性を一度定義しておけば、分析時に必要なテーブルのみを動的に選択して結合するため、あらかじめ巨大なデータセットを用意する必要がなくなる。
-
データ本来の粒度の維持：各データセットは独自の詳細レベルを保持できるため、異なる粒度のテーブルを結合した際に発生しがちだった、指標（メジャー）の意図しない重複を防ぐことができる。これにより、複雑な重複排除処理を行わなくても正確な合計値を算出できる。
-
分析間での再利用：関係性を定義した単一のQuickSight Topicを再利用できるため、分析のユースケースごとにデータセットを再構築する必要がなくなる。
-
ガバナンスの簡素化：アクセス権限やデータの変換処理、ビジネスロジックの管理を、個々のデータセットレベルでシンプルに実施できる。
-
独立した更新スケジュール：データの変化のしやすさに応じて、時間単位、日単位、月単位など、テーブルごとに個別のサイクルでデータを取り込むことが可能になる。
-
実行時の行レベルセキュリティ：データアクセスを制限する行レベルセキュリティ（RLS）ルールがクエリ実行時の結合処理時にも適用されるため、複数のデータセットをまたぐアクセス方針を一貫して維持できる。
-
AWSは、従来の単一データセットを用いるモデリング手法には、「事前の準備コスト」「指標の重複による集計値の肥大化」「データセットの乱立」という3つのコストが伴っていたと指摘している。今回の関係性に基づくモデルは、これらのコストを解消し、モデリングの効率性を飛躍的に高めるものであると説明している。
-
AWS ML Blogでは、本機能のアーキテクチャについて、複数データセットのリレーションシップが2つの異なるモデリングレイヤーに依存していることを示し、それぞれの違いを理解することが設計において重要であると述べている。