はじめに こんにちは、データドリブン推進室でデータエンジニアをしている小宮です。 最近、個人的に気になっていたOSS BIツールのLightdashとMetabaseを社内でPoCする機会があったので、それぞれ使ってみた所感をまとめてみました。 はじめに 背景 比較軸 比較表 特に差が大きかったポイント Lightdashはスペースをネストできない（2025/5時点） ユーザの利用ログの取得 dbtとの連携 選ばれたのはLightdashでした 最後に 背景 データ分析の社内展開をさらに進めていく中で「よ

みなさん、こんにちは。AWS ソリューションアーキテクトの三厨です。 6 月 25 日 (水)、26 日 (木) に開催される AWS Summit Japan 2025 まであと少しですね。 本ブログ内でもいくつか展示についてのブログをピックアップしておりますので、ご興味のある皆様はぜひ ↑ のリンクよりご登録をお願いいたします。そのほかにも新しいお客様の活用事例や GPU インスタンスの値下げ、用途特化のエージェントに関する情報などが今週も盛りだくさんです。 それでは、6月9日週の生成 AI with

本記事は、2024 年 10 月 2 日に AWS Machine Learning Blog で公開された Achieve operational excellence with well-architected generative AI solutions using Amazon Bedrock を翻訳したものです。 大規模な企業は、組織全体で 生成 AI の力を活用するための戦略を策定しています。しかし、生成 AI の規模を拡大し、異なる事業部門 (LOB) での導入を容易にするには、データのプ

はじめに Databricksビジネス推進室の井能です。現在サンフランシスコで現地参加しているDatabricksの年次カンファレンス『Data+AI Summit 2025』にて、フルマネージドのPostgresデータベースをホストする機能である『Lakebase』が発表されました。 https://www.databricks.com/product/lakebase https://www.databricks.com/blog/what-is-a-lakebase 2025年3月にはサーバレスPo

製造業の現場におけるAI導入の課題 AI技術の進化により、企業が持つ膨大なデータを活用しやすくなった今、製造業でもAIの導入は避けて通れないテーマとなっています。生産性向上、業務効率化、品質の安定といった目的を達成するために、AIを活用した取り組みが進められています。 しかし、現場には「分析の進め方がわからない」「AIの結果がブラックボックスで理解できない」「導入後の運用に不安がある」といった課題が根強く残っています。こうした壁を乗り越えるためには、単にAIを導入するだけではなく、現場で実際に活用される仕

こんにちは！Kubernetesを日々業務で活用しているエンジニアの皆さん、そしてこれからKubeC ...

1. はじめに こんにちは。テクノロジー戦略室TQCチームの原田です。 僕達のチームはTotal Quality Control、つまり全社の全システム品質管理・システム品質向上を目的に活動しています。 この目的を効果的に達成するため、データ分析に深い知識を持つ社員や、複雑な課題を整理し新たな概念を構築する社員など、それぞれの専門性や強みを共有し、協力し合いながら活動する面白いチームです。 その中で僕達が注目しているのがAI技術です。 皆さんは「この業務は人にしかできない」と言う考えを持ったことはないでし

さとうです。 表題の通りですが、データ分析基盤のジョブをStep Functionsで実装する場合とGlue Workflowで実装する場合の違いをまとめてみようと思います。 まとめと言う割には大長編になってしまいました！ 前提 データ分析基盤に必要なETLパイプライン Glueで実装するETLパイプライン、何で制御するか問題 ETLパイプラインのユースケース（必要になることが多い機能） 本題 （結論）ユースケースに着目したGlue WorkflowとStep Functionの違い ①定時実行したい G

本記事は、株式会社 Nint 様と Amazon Web Services Japan 合同会社が共同で執筆しました。 みなさん、こんにちは。AWS ソリューションアーキテクトの渡辺です。 この記事では、最近よく耳にする「AI エージェント」に関連する事例として、株式会社 Nint 様が取り組まれた「 Amazon Bedrock エージェント を用いたデータの分析・可視化の自動化」についてご紹介します。 ビジネスの背景と課題 株式会社 Nint は「データで世界を自由にする」というミッションのもと、日本

AIエージェント開発の個人的な研究と知見の共有本記事は3部構成です。パート1：アーキテクチャの理解と実装アプローチパート2：Central Agentの内部詳細（本記事）パート3：サブエージェントとM...

こんにちは、SCSKの齋藤です。 本記事では、クラウド型データ連携サービスであるFivetranを活用し、BigQueryに効率的にデータを格納する方法について解説します。データエンジニアリングの知識がなくても、Fivetranを使えば、簡単にデータ連携パイプラインを構築することができます。 Fivetranとは Fivetran（ファイブトラン）は、クラウドベースのデータ連携（ETL/ELT）パイプラインサービスです。 簡単に言うと、様々なデータソースからデータを抽出し、データウェアハウスやデータレイク

はじめに 製造業では、モノ（ハードウェア）を中心とした売り切り型のビジネスから、スマートな製品、すなわちモノを起点に顧客と繋がり、コト（サービス）を提供するビジネスへの転換が叫ばれています。各企業は、ビジネスモデルの転換、ソフトウェアへのこれまで以上の注力、顧客との直接接点、販売開始後の継続的改善などのまったく新しい取り組みを進めることが喫緊の課題となっています。 急速に進歩する生成 AIは、こうした取り組みを推進する強力なテクノロジーであり、顧客に合わせた体験を提供することで製品そのものを差別化し、ソフ

AIエージェント開発の個人的な研究と知見の共有本記事は3部構成です。パート1：アーキテクチャの理解と実装アプローチ（本記事）パート2：Central Agentの内部詳細（6/10公開）パート3：サブ...

現在のデジタル企業環境において、組織はますます資産管理ソリューションに依存して業務を合理化しています。企業は、複数の IT システムや運用技術 (OT) システムで同じ物理資産を管理する必要に直面することがよくあります。IT チームが企業の IT 資産を追跡・管理するのに役立つサービスの 1 つが ServiceNow です。このサービスは、ハードウェアやソフトウェアの在庫管理、サービス要求、ライセンスコンプライアンス、テクノロジーリソースの完全なライフサイクルを一元的に扱います。一方、OT 向けの AW

CA DATA NIGHTは、サイバーエージェントが主催するデータサイエンスに特化した技術者向けの勉 ...