概要
この記事ではAWS認定DASに出題されるリソースを使った構成をシリーズ化して紹介します。
前回までの内容は以下をご覧ください!
【AWS DAS】S3上のデータをQuicksightで可視化するまでやってみた Part1
【AWS DAS】S3上のデータをQuicksightで可視化するまでやってみた Part2
【AWS DAS】S3上のデータをQuicksightで可視化するまでやってみた Part3
【AWS DAS】S3上のデータをQuicksightで可視化するまでやってみた Part4
今回の実施内容
前回Part4の内容を行いました。今回はQuickSightの設定を行います。
今回で最後です!
- Part1
- JSONのダミーデータの作成
- S3バケットの作成
- Part2
- Lambda作成
- S3イベントとLambdaの連動
- Part3
- Glueの設定
- Part4
- Athenaの設定
- Part5
- Quicksightでの可視化
Amazon Quicksightとは?
Amazonn QuicksightはAWSで使えるBI(Business Intelligence)ツールです。
Amazon Athena、Amazon Aurora、S3などのデータソースを利用してダッシュボードを作成できます。
AWSのサービスだけでなく、GitHub、Salesforce、Twitterなどもデータソースとして利用可能になっています。
今回はAthenaをデータソースとしてQuicksightのダッシュボードで可視化していきます。
Quicksight初期設定
Quicksightは初期設定としてエディションの選択やユーザー情報などを設定する必要があります。
すでに設定済みの方は次の「QuickSightの設定」に進んでください。
- Quicksightの画面を表示「Sign up for QuickSight」をクリックします。

- エディションの選択画面で今回は「スタンダード版」を選択しました。
(とても見つけずらかったです。。)

- 「認証情報」~「アカウント情報」までは以下を設定しました。
項目 | 設定値 |
---|---|
認証方法 | IAM フェデレーティッドIDとQuickSightで管理されたユーザーを使用する |
リージョンを選択 | Asia Pacific(Tokyo) |
Quicksightアカウント名 | 任意のアカウント名 |
通知のEメールアドレス | 任意のアドレス |

- 「QuickSightのAWSサービスへのアクセス」では以下のサービスを選択。
選択後「完了」をクリックします。

注意
S3を選択する際に「Athena Workgroupの書き込みアクセス許可」にチェックを忘れずに入れましょう。
(後々QuickSightからのアクセス権限がないと怒られてしまいます。。)

- サインアップが完了です。
「Amazon QuickSightに移動する」をクリックします。

QuickSightの設定
ここからQuickSightとAthenaの連携を行っていきます。
- QuickSightの画面から「データセット」を選択し、右上の「新しいデータセット」をクリックします。

- 「データセットを作成」にて「Athena」をクリックします。

- 表示されるポップアップにてデータソース名を入力し、「データソースを作成」をクリックします。
「csv_athena」にしました。

- 「テーブルの選択」にてGlueで作成したカタログ名、DB名、テーブル名を設定します。

- 「データセット作成の完了」にて「データの編集/プレビュー」をクリックし、確認を行います。
※確認せず作成を進めることも可能です。

- Athenaで表示されていたテーブルの情報が表示されていることを確認します。
問題がなければ「保存して公開」をクリックします。

- QuickSightの画面に戻り、「分析」を選択し、右上の「新しい分析」をクリックします。

- 遷移先画面にて「分析で使用」をクリックします。

- ダッシュボードのグラフ作成画面が表示されるので
グラフの様式などを指定して可視化ができました!
以下は性別ごとの割合のグラフになっています。

まとめ
ここまで読んでくださりありがとうございました!
今回で最後になります!
AWS DASの出題サービスを使った構成を構築して細かいパラメータも見ることができ今までよりもサービスへの理解が深まったと感じます。
SQLやPythonに関してはまだまだ学習が必要だと再認識できました。今後も学習を続けます。。
データ分析の分野に実務でも携われるようにまた別の構成を考えて構築してみようと思います。
参考にさせていただいたサイト