はじめに こんにちは 🐈 東京工科大学 学部3年の広瀬 エイトル（@Heitor_Hirose）です ...

さとうです。 久々のブログです。タイトル通り、Amazon Quick（以下Quick）とSnowflakeの3-Legged OAuthを試してみたのでまとめたいと思います。 実現したいこと 何が嬉しいのか 3-Legged OAuth（3LO）とは 認証認可のシーケンス やってみた シナリオ 前提条件 事前準備 Snowflakeの準備 1. 売上テーブルとサンプルデータ 2. 支店ごとのロールとユーザー 3. 行アクセスポリシー（RLS）とマスキングポリシー 4. QuickからOAuthで接続する

AIエージェントの時代には、データマートの作り方を見直す必要があります。分析の目的ごとに必要な属性を、1つの静的なマートに足し続けるやり方では、エージェントが分析を進めるスピードに追いつけないからです。 dotDataは、分析の目的に関係するデータ上のパターンである「特徴量」を、AIエージェントに定量的な根拠を与えるデータとして捉え直しています。特徴量は目的によって変わります。そのため、全社で共有する標準的なデータと、目的に応じて特徴量を自動生成する仕組みを分けて設計することが重要になります。 本記事では

AI-Ready Data（AI-Readyデータ、AI Ready Dataとも表記）とは、特定の用途に対して、AIが正しく使える状態にあるデータのことです。調査会社のGartnerは、AI-Readyなデータを「そのユースケースを代表するデータ」と位置づけ、一度整えれば終わりではなく、用途ごとに継続的に整え続ける実践だとしています。 生成AIやAIエージェントの活用が広がるなかで、「データはきれいに整備されているのに、エージェントが正しく答えない」という声を、dotDataは企業との議論の中で多く聞く

AIエージェントによるデータ分析は、コーディングに続いてエージェント化が進む領域です。dotDataは、データ分析も今後1〜3年で大きく変わると見ています。ただし、カンファレンスのデモでは鮮やかに動くAIエージェントも、自社のデータに当てると誤答が増えるのが現実です。その原因の多くは、モデルの性能ではなく、エージェントに与えるデータと、そのデータの「意味」の側にあります。 本記事では、次の4点を解説します。 仕組みと現在地 ：AIエージェントによるデータ分析とは何か、どこまで進んでいるのか 事例と使い方

はじめに こんにちは。グループIT推進本部の fukushima です。 社内のさまざまなサービスや ...

セーフィー株式会社のデータ分析基盤グループでエンジニアをしている渡部です。 セーフィーのデータ分析基盤では、データソースごとにばらばらだったデータ取り込み処理のやり方を揃えるため、Python ライブラリの dlt(data load tool)を採用することとなりました。 dlt は取り込みを実行するだけなので「いつ実行するか？」「失敗にどう気づくか？」の仕組みは別で用意する必要があります。 そこで、オーケストレーションツールとして、Dagster も合わせて導入することとなりました。 現在は、プロダク

本記事は全3回シリーズの第3回です。 第1回ではLakebridgeの全体像を、第2回ではBladeBridgeとSwitchによるSQL ServerのDDL変換とDatabricksへの適用を紹介しました。 最終回となる本記事では、第2回で作成したテーブルと検証データを引き継ぎ、Agentic Code Converterによる3種類のT-SQLの変換から、実行・結果確認までを試します。 第1回：Lakebridgeの機能紹介 第2回：Lakebridgeを触ってみる 1. はじめに 前回のLakeb

本テーマは全3回構成です。 第1回となる本記事ではLakebridgeの全体像と各機能を紹介します。 第2回ではLakebridgeのBladeBridge・Switchを用いたDDL変換を実践します。 第3回ではAgentic Code ConverterによるT-SQL変換を実践します。 0. 簡単に自己紹介 はじめまして。私はNTT DATAでクラウド・データ／AI領域のシステム開発に携わっています。 これまでAWS（Amazon Web Services）環境でのシステム開発を経験し、現在はDat

みなさん、こんにちは。ソリューションアーキテクトの戸塚です。今週も 週刊AWS をお届けします。 めっきり日が短くなり、気づけば今年も残すところ 2 か月あまりとなりました。今週は Amazon Bedrock 上の Claude モデルでの Structured Outputs 対応や、Amazon Connect の脅威検出、AWS Trainium 向けネイティブ PyTorch「TorchNeuron」のベータなど、開発・運用の現場をじわりと支えるアップデートが揃いました。そして年末といえば、いよ

はじめに こんにちは、2026年4月入社の新人エンジニア、yasunoriです。 9月10日（木）・11日（金）に開催されたSNOWFLAKE WORLD TOUR TOKYO 2026に参加してきました！ 私は現在、データパイプラインの開発を担当しており、主にデータの取り込みや加工を通じてSnowflakeを学んでいます。新入社員ということもあり、業務に携わるまではSnowflakeについて全く知りませんでしたが、今回のイベントはSnowflakeへの理解を広げるよい機会になりました。 参加前は「初心者

数字の中には、しばらく向き合ってみないと想像しにくいものもあります。2026 年 10 月 5 日週、プライムデー 2026 のメトリクスを公開しましたが、私が心に残ったのは 2.3 京件です。これは、イベント中に Amazon ElastiCache がピークに達した毎日のリクエスト数です。プライムデーは6月に開催されたため、この投稿はいつも振り返りとして公開されており、その時間差が読む価値を生む要因の1つです。数字があなたのもとに届く頃には、それが実際に起きたという唯一の証拠は、何も問題が起きなかった

皆さま、こんにちは。 Weekly AWSでは、毎週 AWS プロダクトのアップデート情報をお届けしています。 それでは、先週 (10月5日～11日) の主な AWS アップデート情報を紹介します。 今週の注目アップデート Amazon Bedrock で TwelveLabs Pegasus 1.5 の提供を開始 Amazon Bedrock で TwelveLabs Pegasus 1.5 が利用可能になりました。これは、動画から構造化されたタイムコード付きのメタデータを生成する video-to-t

みなさん、こんにちは。ソリューションアーキテクトの大久保です。今週から週刊AWS を皆様にお届けする新たなメンバーとして活動させていただきます。どうぞよろしくお願いします！ では今週も 週刊AWS をお届けします。 11 月 5 日 (木) に、オンラインのワークショップ「 開発ライフサイクルで学ぶ Amazon ECS コンテナセキュリティ実践ワークショップ 」を開催します。コンテナのビルドからデプロイ、ランタイムまで、各段階でセキュリティをどう担保するかを座学で整理したうえで、AWS Fargate

Databricksへの移行を支援するツールを試してみた 1. はじめに NTTデータの丹羽です。Databricks Championとしても活動しています。 近年、既存のデータウェアハウス（DWH）からDatabricksへのマイグレーションを検討する機会が増えています。 Databricksでは、Teradataなどの既存DWHからDatabricksへの移行を支援するツールとして、Lakebridgeが提供されています。 本記事では、Databricks CLIおよびLakebridgeをセットア