AWS、SageMaker CanvasとQuick Sightを連携させたノーコード機械学習の可視化手法を公開

要点

• Amazon Web Services（AWS）が、Snowflake、SageMaker Canvas、Amazon Quick Sightを連携させたノーコード機械学習ワークフロー解説シリーズの第3弾を公開した。

• SageMaker Canvasで構築した不正検知モデルの予測データを、Amazon Quick Sightにデータセットとしてインポートする手順が示された。

• 運用データと機械学習の予測結果を組み合わせ、インタラクティブに分析できる不正検知向けダッシュボードの構築方法が解説されている。

• 自然言語でデータから知見を抽出する生成BI機能の活用法や、ダッシュボードを組織内の関係者へ共有する仕組みが紹介された。

• Amazon Web Services（AWS）は2026年8月20日、公式ブログ「AWS ML Blog」において、ノーコードで機械学習（ML：コンピュータがデータから規則性を学習し予測する技術）ワークフローを構築する連載記事の第3弾を公開した。本記事では、機械学習ツール「Amazon SageMaker Canvas」で生成した予測結果を、BI（ビジネスインテリジェンス：業務データを分析して意思決定を支援するツール）サービス「Amazon Quick Sight」に取り込んで可視化し、ビジネスの現場で活用する具体的な手順が解説されている。

連載の全体像と前提となる構築プロセス

今回公開された記事は、クラウドデータプラットフォームのSnowflake、機械学習ツールのAmazon SageMaker Canvas、そしてBIツールのAmazon Quick Sightを組み合わせた全3回の解説シリーズの完結編にあたる。

連載の第1弾では、基盤となるSnowflakeアカウントの設定や不正検知用データベースおよびテーブルの作成といった、データ基盤の環境構築手順が解説された。続く第2弾では、Amazon SageMaker CanvasをSnowflakeに直接接続し、視覚的なデータ加工機能「Data Wrangler」を用いた前処理や、機械学習アルゴリズム「XGBoost」による不正検知モデルの学習プロセスが紹介されていた。

第3弾となる本記事では、これまでに作成したモデルの予測結果を可視化ツールへと引き継ぎ、データの準備からモデル構築、予測値の可視化と共有に至る一連のノーコードワークフローを完成させる構成となっている。

Amazon Quick Sightと拡張プラットフォーム「Amazon Quick」

記事内で可視化ツールとして紹介されている「Amazon Quick Sight」は、現在「Amazon Quick」スイートの一部として提供されている。組織内でのインタラクティブなダッシュボード作成や詳細なデータ分析、関係者間でのインサイト共有を担うサービスである。

基盤となるAmazon Quickには、データの可視化に加えて複数の拡張機能が統合されている。具体的には、データに対して自然言語で質問を行える生成AI（Generative AI）機能、業務の自動化を支援するカスタムAIエージェント機能、ファイルやダッシュボード、ナレッジベースを一元管理できる共同作業用スペース「Spaces」などが備わっている。

すでにAmazon SageMaker Canvasを導入しているチームであれば、Amazon Quickを活用することで、追加のインフラ構築や独自のシステム統合開発を行うことなく、機械学習による予測結果を直接ビジネス向けダッシュボードへ反映させることが可能になると説明されている。

予測データの取り込みと不正検知ダッシュボードの構築手順

記事で示されたソリューションでは、まずSageMaker Canvasで出力された予測結果データを、Amazon Quick Sight側の「データセット」としてインポートする。

インポートした予測データは、日々のトランザクションなどの運用データと結合され、不正検知に特化したダッシュボードの作成に利用される。利用者は、モデルが算出した予測値と実際の業務データを1つの画面上で照合しながら、不正の兆候や傾向を視覚的かつ直感的に把握できる分析画面を構築できる。

生成BI機能による自然言語での分析とステークホルダーへの共有

ダッシュボードの構築に加えて、Amazon Quickが提供する「生成BI（Generative BI）」機能を用いた分析手法も紹介されている。利用者が日常的な言葉（自然言語）で質問を入力することで、必要な知見やインサイトをデータから迅速に表面化させることができるという。

こうして得られた分析結果や完成したダッシュボードは、組織内の関係者（ステークホルダー）に向けて公開・共有することが可能であり、専門的なプログラミング知識を持たないビジネスチームであっても、機械学習の成果を業務判断へ迅速に適用できる環境が整うとされている。

補足

Amazon SageMaker Canvasはコードを書かずに機械学習モデルを構築・運用できるサービスであり、Snowflakeなどの外部データ基盤やAmazon Quick Sightと組み合わせることで、データ収集から分析・可視化までをノーコードで一貫して実行できる。