SnowflakeのデータをAmazon QuickのAIで分析してみた

Amazon Quick Snowflake

記事タイトルとURLをコピーする

前提条件
Snowflakeをデータソースとして接続
データセットの作成
チャットエージェントからダッシュボードについて聞いてみた
- ダッシュボードの作成
- チャットエージェントを使った分析
  - 質問例①：「2025年5月の売り上げについて教えてください。」
  - 質問例②：「売上が前月比で大きく下がっている月はある？その原因として考えられることは？」
トピックを設定してデータについて質問してみた
- トピック（自然言語質問）による分析
  - 質問例①：「売上top10の商品を教えてください。」
  - 質問例②：「2025年のブランド別の売上額を教えてください。」
まとめ
Amazon Quick活用支援サービス

こんにちは、加藤（さ）です。

今回は、SnowflakeのデータをAmazon Quickに接続し、QuickのAI機能を使って分析できるか試してみました。

前提条件

Snowflakeで以下に記載の内容を準備してください。

QuickからSnowflakeにログインするための接続用ユーザー
- 今回の検証では、接続用ユーザーはパスワードでのログインができるようにしてあります
QuickからSnowflakeにクエリを実行するためのウェアハウス
接続用ユーザーに以下の権限の付与
- Quickから参照するデータベース、スキーマの使用（USAGE）権限、およびテーブルへの参照（SELECT）権限
- クエリ実行用ウェアハウスの使用（USAGE）権限

Snowflakeをデータソースとして接続

Quickのナビゲーションサイドパネルから「データセット」のページを開きます。
「データソース」のタブを開き、「データソースを作成」を選択します。

一覧から「Snowflake」を選択し、次へをクリックします。

接続するための情報を入力します。

項目	入力する内容
データソース名	Quick上で表示する任意のデータソース名
接続タイプ	接続のネットワークタイプ（パブリック or VPC）を選択
データベースサーバー	SnowflakeのAccount/Server URL
データベース名	接続したいデータベース名
ウェアハウス	クエリ実行用ウェアハウス名
認証タイプ	「パスワード」を選択
ユーザー名	事前に用意しておいた接続用ユーザー名
パスワード	事前に用意しておいた接続用ユーザーパスワード

「接続を検証」を押した時に「検証済み」となれば正しい情報が入力できています。

「未検証」となった場合は入力内容に誤りがあるので、前提条件や上記の表の内容を見直してみてください。

データセットの作成

続いて、データセットを作成します。

Quickに取り込みたいテーブルを選択するか、カスタムSQLクエリを使ってデータセットに追加するデータを指定していきます。

今回はカスタムSQLクエリを使ってみました。分析に使いたい複数のテーブルから必要なデータを集約してインポートすることができます。

また、データをSPICEにインポートすることで、Snowflakeへの都度クエリ実行を回避し、高速な分析が可能になります。
これは、ウェアハウスの稼働時間を最小限に抑え、Snowflakeの利用コストを最適化することにも直結します。

チャットエージェントからダッシュボードについて聞いてみた

ダッシュボードの作成

SPICEにインポートしたデータを使って、ダッシュボードを作成してみました。
ダッシュボードには以下のビジュアルを追加しています。

総売上（KPI）
月別売上推移（折れ線グラフ）
ブランド別売上割合（横棒グラフ）

チャットエージェントを使った分析

作ってみたダッシュボードについて、チャットエージェントから質問してみました。
参照するデータとして、作成したダッシュボードを指定しておきます。

質問例①：「2025年5月の売り上げについて教えてください。」

ダッシュボードを参照し、売上額を回答してくれました。ポイントとして、2025年の売上の動向なども教えてくれています。

質問例②：「売上が前月比で大きく下がっている月はある？その原因として考えられることは？」

ダッシュボードのデータから売上の傾向を読み取り、下落している月をピックアップしてくれました。データからパターンを見出し、原因を分析してくれています。

トピックを設定してデータについて質問してみた

「トピック」を設定すると、データセットに対して自然言語で質問するだけで、AIが自動的にビジュアル付きの回答を返してくれます。
トピック作成時には、より正確な回答を得るために「フレンドリ名」、「シノニム」を設定します。
また、分析に使わないカラムは除外しておくと、回答の精度が向上します。

トピック（自然言語質問）による分析

質問例①：「売上top10の商品を教えてください。」

商品ごとに売上額を計算し、TOP10の商品を特定してくれました。

質問例②：「2025年のブランド別の売上額を教えてください。」

注文日が2025年のものに絞り込み、ブランドごとの合計売上額と注文数量の関係を視覚化してくれました。

まとめ

Amazon QuickにはSnowflakeをデータソースとして取り込むことのできるコネクタが準備されているので、簡単に接続することができました。
また、Snowflakeから取り込んだデータはトピックやチャットエージェントなどAI機能を使って分析することができました。

Amazon Quick活用支援サービス

サーバーワークスでは、Amazon Quick の導入設計から運用定着までを伴走でご支援する「Amazon Quick 活用支援サービス」を提供しています。
ご興味がありましたら当社までご連絡ください。

www.serverworks.co.jp