SlideShare a Scribd company logo
1 of 61
ビジネスインテリジェンス入門
 ~OSSでBIを始めよう~
      Version.2

 日本JasperServerユーザ会
  管理人 佐伯 健介
一応自己紹介
●   佐伯 健介 (調布市在住)
●   Twitterアカウント @masteryupa
●   mixiネーム Yupa
    (たぶん本名でも引っかかると思います。)
●   Facebookもやってます。
    (たぶん本名でも引っかかると思います。)
●   日本JasperServerユーザ会 管理人
Agenda
1. BIとは何か
2.なぜBIが必要なのか
3.BIツールとは何か
4.JasperReports Serverについて
5.日本JasperServerユーザ会について
6.まとめ
1.BIとは何か
「BI」の定義

   1989年 ハワード・ドレスナー
    (Gartner社アナリスト)が提唱
「経営者や一般のビジネスパーソンが、
 情報分野の専門家に頼らずに自らが
 売上分析、利益分析、顧客動向分析などを行
 い、
 迅速に意思決定する」
         @IT 情報マネジメント用語事典より


企業の持つデータ分析を専門家から実際にビジネスを
動かす現場に取り戻す仕組みがBI。
BI

   Business Intelligence
もともとは政府の諜報機関が敵国の限られた情報を
様々な角度から分析し、自国に必要な情報を引き出す活動
インテリジェンス活動(Intelligence)と言っていた。

その考え方を民間活動(Business)に応用したのがBI
インテリジェンス(予備知識)
●   少ないデータを元に「そのデータのあらわす情
    報とインテリジェンス(自分たちにとっての意
    味)」を
    導き出す
●   新しいデータが追加される毎に見直し
●   機械的に判断できる手法的な部分と
    長年の経験に基づく人間的判断の部分がある
●   データや情報(infomation)と区別するために
    「知恵」という場合もある
最近の「BI」の意味
   ビジネス用途のデータから対話形式によっ
    て重要な知識を獲得する、といった概念で
    ある。
                   (IT用語辞典バイナリ)


   ビジネス上の価値を引き出すことを目標と
    して、企業内に蓄えたさまざまな情報を収
    集して分析し、その結果を表示・配付する
    仕組みの総称。
               (情報システムハンドブック
    2006)
Data:事実
Information:情報
Intelligence:知恵・知見

Decision:意思決定
Action:行動
Data:事実
それぞれのシステムの中に入っている生のデー
          タ。
     数値データや属性など。
このままでは何を意味しているのかはわからな
          い。

注意!データは事実でなければならないのでここ
にねつ造があっては正しい分析はできません!
Information:情報

   データを整理して得られる傾向等。
「右下がりの減収」とか「指数関数的な急成長」
          とか
 単独のデータ群から得られるのはここまで。

  誰でもできる一番簡単な分析(一面的)
Intelligence:知恵・知見
 様々な情報を組み合わせて得られるもの。

  例:「ここ数年継続的な増収傾向」
           +
   「従業員も継続的に増えている」
           +
    「大きな問題を出していない」
           =
     「この企業は優良企業」 ←

     さらに、この結果に基づき、
「取引相手として問題ない」といったところの判
          定まで
Decision:意思決定
     Action:行動

インテリジェンスを参考に最終的にどうするのか
      を決め、実施するところ。
これは企業経営者や各担当責任者がおこなうべき
           もの。
     機械は意思決定はしません!
2.なぜBIが必要なのか
業務システムごとに分断されているデータを
    活用し、経営資産としたい!
 ビジネスのスピード重視
 グローバル化
                          ✔   蓄積されているデータを迅
                              速に分析・判断・共有する
 経営者の責任増大                     必要
 複雑化する業務                  ✔   データは企業共有の資産と
                              して活用されるべき!
                     会計             情報集めるだけ
                                    でも一苦労!
                                    どこに必要な情
                                    報があるのかも
          生産/在庫                     分からない・・・。
           /購買



              販売/顧
               客
3.BIツールとは何か
●   BI=BIツールではない!
    ●   「経営情報システム」だけではない
    ●   「OLAP分析」だけでもない
    ●   決まった概念でもない
●   企業システム等で大量に蓄積されている
    データを有効に活用・見える化するための
    ツール
どんなことをするのか
データを集める、整理する
●


データを眺める
●


データを表現する
●




データを情報化し、そこからインテリジェ
ンスを導き出すことで、経営意思決定の支
援を行う
BIツールの構成
 企業が蓄積しているデータを経営資産として利用可能にする、「見え
 る化」のためのツールである。

データマイニング
テキストマイニン
    グ
           ETL処理     リレーショナルデータベース(RDB)

                                             経営者、管
                                             理者
  会計                              データ
①データを集める、整理する
     DS
        データウェアハ
                                  マート
                        ウス
生産/在庫/           A

                                        ③データを表現する
 購買



販売/顧
 客




         OD
            OD
             S
                             ②データを眺める
                             データマート
          S             (多次元データベース)
①データを集める、整理する

データ抽出、統合
 
   データ・マイニング
 
   テキスト・マイニング
 
   ETL(DSAおよびODS)
データの保管
 
   データウェアハウス
データ・マイニング
   企業に大量に蓄積されるデータを解析し、
    その中に潜む項目間の相関関係やパターン
    などを探し出す技術。




              •
                  IT用語辞典 e-Words
              •
                  http://e-words.jp
テキスト・マイニング

   定型化されていない文章の集まりを自然言
    語解析の手法を使って単語やフレーズに分
    割し、それらの出現頻度や相関関係を分析
    して有用な情報を抽出する手法やシステ
    ム。



              •
                  IT用語辞典 e-Words
              •
                  http://e-words.jp
ETL(DSAおよびODS)
   企業にすでにある業務システムから
i. 蓄積されたデータを抽出(Extract)
ii.データウェアハウス等で利用しやすい形に加工(Transform)
iii.対象となるデータベースに書き出す(Load)
という一連の処理を行い、DWH(BIするためのデータベー
ス)に格納する処理
                         DSA

    会計                          
                                
                                
               ク                
  生産/在庫    抽   リ           変   ロ
   /購買                             DWH
           出               換
               ー               ー
               ニ               ド
   販売/顧客       ン
               グ
   CRM




                   ODS
データウェアハウス

   経営分析を行うためにデータ集積を行う
   「サイロ」にあったデータを集めてきて貯め
    ておく「倉庫」
データウェアハウスのデータ構造

                      ファクトテーブルに対して、
              製品キー    ディメンジョンテーブルが複数連携した形
              製品名
              製品分類
                      になるのでスタースキーマと呼ばれる。
              メーカ-
              名
              ・・・・


時間キー   製品キー   地域キー   売上数量    売上金額   売上金額




                      地域キー
       時間キー           所在住所
       日              番地
       月              市
       四半期            県
       半期             地方
       ・・・・           国
②データを眺める
オンライン処理分析(OLAP)
●   キューブ
●   ドリルダウン/スライシング/ダイシング
●   R-OLAP、M-OLAP


その他の分析
オンライン処理分析(OLAP)
   データを多角的に分析する

       地域
                     製品


                      スライシング




                          期間
    ダイシング

            ドリルアップ   ドリルダウン
ドリリング
   目に見えている「ディメンジョン」を掘
    り下げる操作
スライシング
   目に見えてない「ディメンジョン」を絞り込む
    操作
              製品すべてが含ま
              れている


                     ドリンクのみを集計
                     している
ダイシング
   目に見えている「ディメンジョン」と見
    えていない「ディメンジョン」を入れ替
    える操作
R-OLAPとM-OLAP
          SQL

RDBMS
          データ

                            レスポンス:遅い
                R-OLAP      データ集約:早い


                          リクエスト
        事前集計
        (バッチ)
RDBMS


                          データ
                            レスポンス:早い
                 M-OLAP     データ集約:遅い
その他の分析
✔   統計分析
     回帰分析、シュミレーション等

✔   マーケット分析
     RFM分析、SWOT分析、バスケット分析等
    BIツールで対応出来るものと、難しい物があ
    る。
    R等の統計ツールなどと組み合わせること
    で、より高度な分析も可能になってくる。
    マーケット分析はBI等からインテリジェンス
    を抜いてきてさらに分析を進める手法といえ
    る。
③データを表現する
●   レポート




●   ダッシュボード
レポーティング
   目的に応じたデータ集計、表現
   分析結果を共有する
   帳票(情報を受け手が望む形式で表示)
   BIの場合、集計や解析結果といった
    「データを分析した結果」をレポートとして表
    示する。
レポートの例
ダッシュボード
   ユーザの必要な情報を画面で一覧表示
   一種のレポートだが、一目で知りたい情報
    の概略がわかるように、KPIを設定して
    トップ画面に配置する
   問題が有りそうなところはドリルダウンし
    て詳細を見る

             ピ ッ
          コ ク
        経営 ト
4.JasperReports Serverについて
JasperReports Serverとは

●   フルオープンソースで実装されたBIツール
●   Javaで実装
●   コミュニティ版とプロフェッショナル版が
    存在
●   周辺製品とあわせて、BIアプリケーション
    をカバー(BI suite)
JasperReports Server
                  アーキテクチャー
      多様な        Ad hocレポー      ダッシュボー            データ分析/探査
     レポート             ト            ド




             iReport                          JasperAnalysis
                                  JasperServer


                           JasperReports




                                  JasperETL               データマート /
   オペレーショナルRDBMS                                         データウェアハウス/
POJO、EJB、 XML、Hibernate、                                     ODS
      MDX、Custom
JasperAnalysis((OLAP)
ドリルダウン
  JasperAnalysis は、エンドユーザーにオンライン分析処理(OLAP) 機能を提供しま
 す。OLAPとは、基本的にドリルダウン、スライシング、ダイシング操作からなります。
 それぞれの操作を紹介します。
  ディメンションの階層にしたがってデータを掘り下げることができます(ドリルダウ
 ン)。
             “+”マークをクリックすると展開されます。
             例えばQ1をクリックすると1,2,3月と展開さ
             れます。




                                       pdfに出力します。
JasperAnalysis(OLAP)
スライシング
  ある製品を対象に、データを絞り込むことができます(スライシング)。
  例えば、ある製品の販売データを四半期ごとに出すことができます。
  さらに円グラフなどの図を出せば、もっとわかりやすくなりますよね!?



    ある対象に絞り込んでデータを分析することがで
    きます。
JasperAnalysis(OLAP)
ダイシング
 ディメンションを入れ替えることができます。
 結果をエクセルファイルに保存することもできます。




                       Excelファイルに出力します
JasperServer Pro(1/5) アドホックレポート作成機能
                                プロフェショナルバージョン限定機能

   各ユーザが自由自在にWeb画面上で、ドラッグ&ドロップで帳票を作成して出力でき
  ます。




    IT部門なしでレポート
    を作れます。
JasperServer Pro(2/5) ダッシュボード
 忙しい営業担当は顧客情報や社内の各種情報に速やかにアクセスできることが必要です。
 OpusSquareBIは企業内の様々なシステムから情報を収集して表示するダッシュボードを
 提供いたします。
 ユーザ・役割ごとに最適なダッシュボードを作成して表示させることが出来ます。


                                   必要な情報を一画面
                                   で表示。詳細な情報
                                   には各要素をクリッ
                                   クしてアクセス。
JasperServer Pro(3/5) ダッシュボードデザイナー
 ダッシュボードを設計することは、これまでレポートを作成するのと同じ手順を踏む必要
 がありました。Version3より、「ダッシュボードデザイナー」機能が追加されました。
 ユーザは自身のアクセスしたいデータ用の部品を並べるだけで、自分専用のダッシュボー
 ドを作成することが出来ます。




                                  部品をドラッグ&ド
                                  ロップで自由に配置
                                  し、独自のダッシュ
                                  ボードを作成可能
JasperServer Pro(4/5) ユーザ・ロール管理
●
    スケーラビリティに対応した、検索可能なユーザインターフェース




                      ユーザを検索して編集・管理が可能。
                       エンドユーザが大人数になっても
                          対応可能になった。




               役割も同様の機能で
              複雑な役割設定にも対応
JasperServer Pro(5/5) 組織管理
・組織の概念を導入。マルチテナントにも対応。→SaaS対応




                          組織を階層的に設定可能。
                          それぞれにユーザを配置す
                          ることが出来る。



                 ログイン時に所属する組織
                 を指定するようにログイン
                 画面も変更された。
JasperAnalysis Pro ODBO Connect
最新バージョンより、JasperAnalysisのデータをExcelに取り込める、「ODBO Connect」機能が提
供されるようになりました。
JasperServerのデータを取り込んで、Excelの「ピボットテーブル」として呼び出すことが出来
ます。

   OpusSquare BI




                           ODBO Connect経由で
                           JasperServerに接続して、分
                           析データをExcel上のピボット
                           テーブルとして読み込むこと
                           が可能。
周辺製品
●   JasperReports
●   iReport
●   JasperETL
JasperReports(1/2) レポート ライブラリ
    JasperReports は、世界で最も支持されているオープン ソースの Java レ
   ポート ライブラリです。あらゆる Java アプリケーションに容易に組み込
   んで、洗練された印刷レポートや Web ベース レポートを作成できま
   す。Excel などのアプリケーションのファイルにデータを出力して、さらに
   処理を加えることもできます。

    JasperReports のレポートは、JasperServer のインタラクティブ レポー
   ト サーバへ容易にインポートできるので、高度なレポート管理要件にも十
   分対応できます。
JasperReports(2/2) 仕組み

   JasperReportsは、帳票出力を実現するためのJava用のレポートエンジンです。
   同一のテンプレートから様々なファイル形式で帳票を出力することができま
   す。



                                                         ・PDF
                                                         ・Excel
                                                         ・HTML
                                                         ・RTF(リッチテキスト形式)
                                                         ・ テキスト
                                                         ・CSV
                                                         ・OpenOffice.org形式
                                                         ・ダイレクト印刷




      JasperReportsの仕組み (2007年現在、JasperForge公開ページより抜粋)
iReport(1/2) 帳票作成
 ●
      iReportは、グラフィックな帳票テンプレートのデザインツール。
 ●
      NetBeansベースのリッチクライアント()




 グラフィカルな帳票レイアウトツールで簡単に帳票を
 作成
iReport(2/2) JasperServerのレポジトリ管理
ツール
  iReportはJasperServer Pluginを使用してJasperServerのレポジトリにアクセスし、レポ
 ジトリの管理を行う



                                   編集したレポートテンプレート
                                   や各種リソース類を登録するほ
                                   か、登録されているレポート確
                                   認することもできる。
JasperETL (1/3)  データ統合
  JasperETLは分散されているデータを集積し、必要なデータを帳票用DBに必要な形で蓄
 積するためのツールです。


  企業内データ

                           JasperServer
    財務     データの収集・変換・蓄
           積


    購買




    在庫
             JasperETL    帳票用・分
                           析用DB


    営業




  ・・
   ・
   ・
   ・
JasperETL (2/3) データ統合
 GUIでプログラミングレスでETL処理手順を定義できます。
 JavaやPerlのプログラミング技術者であればより柔軟な定義が可能になります
JasperETL (3/3) スケジューリング機能

 JasperETLにはスケジューリング機能があります。
 一度作成されたジョブは定期的に決められたタイミングで実行させることができます。




  一度スケジュールを設定する
  と・・・                     定期的に必要なデータを収集
                           し、帳票データへ蓄積しま
                           す。
                           (月次レポートの作成など)
5.日本JasperServerユーザ会
      について
日本JasperServerユーザ会
●   JasperReports Serverおよびその周辺製品の情
    報を交換・共有すべく発足
●   基本はGoogleグループ上での情報共有
    http://groups.google.com/group/japan-jasperserver-user-group
    「JasperServer」(日本語のページを検索)でググると3番目
    くらいに出てきます。
●   Webサイト
    http://sites.google.com/site/japanjasperserverusergroup/
●   Twitterハッシュタグ
     「#JJSUG」
6.まとめ
まとめ
1. BIとは
   → データの山から自分たちに必要な
     価値を導きこと
2.なぜBIが必要なのか
  → IT化が進んで蓄積されたデータを生かし、
  企業が厳しい状況を打開するため
3.BIツールとは何か
 → BIすることを目的としたツール
4.JasperReports Serverについて
  → とにかく一度使ってみて!
5.日本JasperServerユーザ会について
ありがとうございました
    日本JasperServerユーザ会(JJSUG)
    Webサイト:
    https://sites.google.com/site/japanjasperserverusergroup/about_jjsug

    メーリングリスト
    http://groups.google.com/group/japan-jasperserver-user-group

    Japan Jasper Server User Group Qshu (JJSUG
    Qshu)
    https://sites.google.com/site/jjsugq/

●   Twitterでも情報発信していきます。
●   JJSUG本体のハッシュタグ #JJSUG
●   JJSUG Qshuのハッシュタグ #JJSUG_Qshu

More Related Content

What's hot

初めてのデータ分析基盤構築をまかされた、その時何を考えておくと良いのか
初めてのデータ分析基盤構築をまかされた、その時何を考えておくと良いのか初めてのデータ分析基盤構築をまかされた、その時何を考えておくと良いのか
初めてのデータ分析基盤構築をまかされた、その時何を考えておくと良いのかTechon Organization
 
データ分析で Excel を活用しよう
データ分析で Excel を活用しようデータ分析で Excel を活用しよう
データ分析で Excel を活用しようTsuyoshi Kitagawa
 
20160301 5日でできるクラウドで始めるデータ利活用 新日鉄住金ソリューションズ株式会社
20160301 5日でできるクラウドで始めるデータ利活用 新日鉄住金ソリューションズ株式会社20160301 5日でできるクラウドで始めるデータ利活用 新日鉄住金ソリューションズ株式会社
20160301 5日でできるクラウドで始めるデータ利活用 新日鉄住金ソリューションズ株式会社オラクルエンジニア通信
 
Hadoop Conference Japan 2016 LT資料 グラフデータベース事始め
Hadoop Conference Japan 2016 LT資料 グラフデータベース事始めHadoop Conference Japan 2016 LT資料 グラフデータベース事始め
Hadoop Conference Japan 2016 LT資料 グラフデータベース事始めオラクルエンジニア通信
 
マルチクラウドで実演するカスタマーセントリックな分析基盤
マルチクラウドで実演するカスタマーセントリックな分析基盤マルチクラウドで実演するカスタマーセントリックな分析基盤
マルチクラウドで実演するカスタマーセントリックな分析基盤Recruit Lifestyle Co., Ltd.
 
データ分析基盤について
データ分析基盤についてデータ分析基盤について
データ分析基盤についてYuta Inamura
 
[db tech showcase OSS 2017] A27: Talend + MariaDB(SpiderEngine)+ TableauでBI基盤...
[db tech showcase OSS 2017] A27: Talend + MariaDB(SpiderEngine)+ TableauでBI基盤...[db tech showcase OSS 2017] A27: Talend + MariaDB(SpiderEngine)+ TableauでBI基盤...
[db tech showcase OSS 2017] A27: Talend + MariaDB(SpiderEngine)+ TableauでBI基盤...Insight Technology, Inc.
 
Investment in Yahoo! JAPAN's dataplatform and business growth by big data
Investment in Yahoo! JAPAN's dataplatform and business growth by big dataInvestment in Yahoo! JAPAN's dataplatform and business growth by big data
Investment in Yahoo! JAPAN's dataplatform and business growth by big dataDataWorks Summit/Hadoop Summit
 
Oracle Data Minerハンズオンセミナー170927:②Oracle data minerハンズオン資料
Oracle Data Minerハンズオンセミナー170927:②Oracle data minerハンズオン資料Oracle Data Minerハンズオンセミナー170927:②Oracle data minerハンズオン資料
Oracle Data Minerハンズオンセミナー170927:②Oracle data minerハンズオン資料オラクルエンジニア通信
 
Data Engineering Meetup #1 持続可能なデータ基盤のためのデータの多様性に対する取り組み
Data Engineering Meetup #1 持続可能なデータ基盤のためのデータの多様性に対する取り組みData Engineering Meetup #1 持続可能なデータ基盤のためのデータの多様性に対する取り組み
Data Engineering Meetup #1 持続可能なデータ基盤のためのデータの多様性に対する取り組みcyberagent
 
AWS朝会2022/1 セッション① 数年間、レイクハウスを設計運用してみた
AWS朝会2022/1	セッション① 数年間、レイクハウスを設計運用してみたAWS朝会2022/1	セッション① 数年間、レイクハウスを設計運用してみた
AWS朝会2022/1 セッション① 数年間、レイクハウスを設計運用してみたtatsuya 264
 
ビッグデータ処理データベースの全体像と使い分け
ビッグデータ処理データベースの全体像と使い分けビッグデータ処理データベースの全体像と使い分け
ビッグデータ処理データベースの全体像と使い分けRecruit Technologies
 
For Power BI Beginners
For Power BI BeginnersFor Power BI Beginners
For Power BI BeginnersTomoyuki Oota
 
Oracle Data Minerハンズオンセミナー170927:③Business Analytics概要と事例
Oracle Data Minerハンズオンセミナー170927:③Business Analytics概要と事例Oracle Data Minerハンズオンセミナー170927:③Business Analytics概要と事例
Oracle Data Minerハンズオンセミナー170927:③Business Analytics概要と事例オラクルエンジニア通信
 
Power BI とは - 2020
Power BI とは - 2020Power BI とは - 2020
Power BI とは - 2020Takeshi Kagata
 
[db tech showcase Tokyo 2015] D22:インメモリープラットホームSAP HANAのご紹介と最新情報 by SAPジャパン株式...
[db tech showcase Tokyo 2015] D22:インメモリープラットホームSAP HANAのご紹介と最新情報 by SAPジャパン株式...[db tech showcase Tokyo 2015] D22:インメモリープラットホームSAP HANAのご紹介と最新情報 by SAPジャパン株式...
[db tech showcase Tokyo 2015] D22:インメモリープラットホームSAP HANAのご紹介と最新情報 by SAPジャパン株式...Insight Technology, Inc.
 
【2017年5月時点】セルフサービスBIからエンタープライズまで展開できるOracle Business Analytics クラウドプラットフォームのご紹介
【2017年5月時点】セルフサービスBIからエンタープライズまで展開できるOracle Business Analytics クラウドプラットフォームのご紹介【2017年5月時点】セルフサービスBIからエンタープライズまで展開できるOracle Business Analytics クラウドプラットフォームのご紹介
【2017年5月時点】セルフサービスBIからエンタープライズまで展開できるOracle Business Analytics クラウドプラットフォームのご紹介オラクルエンジニア通信
 

What's hot (20)

初めてのデータ分析基盤構築をまかされた、その時何を考えておくと良いのか
初めてのデータ分析基盤構築をまかされた、その時何を考えておくと良いのか初めてのデータ分析基盤構築をまかされた、その時何を考えておくと良いのか
初めてのデータ分析基盤構築をまかされた、その時何を考えておくと良いのか
 
dotNET600 PowerBI
dotNET600 PowerBIdotNET600 PowerBI
dotNET600 PowerBI
 
データ分析で Excel を活用しよう
データ分析で Excel を活用しようデータ分析で Excel を活用しよう
データ分析で Excel を活用しよう
 
20160301 5日でできるクラウドで始めるデータ利活用 新日鉄住金ソリューションズ株式会社
20160301 5日でできるクラウドで始めるデータ利活用 新日鉄住金ソリューションズ株式会社20160301 5日でできるクラウドで始めるデータ利活用 新日鉄住金ソリューションズ株式会社
20160301 5日でできるクラウドで始めるデータ利活用 新日鉄住金ソリューションズ株式会社
 
Hadoop Conference Japan 2016 LT資料 グラフデータベース事始め
Hadoop Conference Japan 2016 LT資料 グラフデータベース事始めHadoop Conference Japan 2016 LT資料 グラフデータベース事始め
Hadoop Conference Japan 2016 LT資料 グラフデータベース事始め
 
マルチクラウドで実演するカスタマーセントリックな分析基盤
マルチクラウドで実演するカスタマーセントリックな分析基盤マルチクラウドで実演するカスタマーセントリックな分析基盤
マルチクラウドで実演するカスタマーセントリックな分析基盤
 
データ分析基盤について
データ分析基盤についてデータ分析基盤について
データ分析基盤について
 
[db tech showcase OSS 2017] A27: Talend + MariaDB(SpiderEngine)+ TableauでBI基盤...
[db tech showcase OSS 2017] A27: Talend + MariaDB(SpiderEngine)+ TableauでBI基盤...[db tech showcase OSS 2017] A27: Talend + MariaDB(SpiderEngine)+ TableauでBI基盤...
[db tech showcase OSS 2017] A27: Talend + MariaDB(SpiderEngine)+ TableauでBI基盤...
 
Investment in Yahoo! JAPAN's dataplatform and business growth by big data
Investment in Yahoo! JAPAN's dataplatform and business growth by big dataInvestment in Yahoo! JAPAN's dataplatform and business growth by big data
Investment in Yahoo! JAPAN's dataplatform and business growth by big data
 
Oracle Data Minerハンズオンセミナー170927:②Oracle data minerハンズオン資料
Oracle Data Minerハンズオンセミナー170927:②Oracle data minerハンズオン資料Oracle Data Minerハンズオンセミナー170927:②Oracle data minerハンズオン資料
Oracle Data Minerハンズオンセミナー170927:②Oracle data minerハンズオン資料
 
Data Engineering Meetup #1 持続可能なデータ基盤のためのデータの多様性に対する取り組み
Data Engineering Meetup #1 持続可能なデータ基盤のためのデータの多様性に対する取り組みData Engineering Meetup #1 持続可能なデータ基盤のためのデータの多様性に対する取り組み
Data Engineering Meetup #1 持続可能なデータ基盤のためのデータの多様性に対する取り組み
 
AWS朝会2022/1 セッション① 数年間、レイクハウスを設計運用してみた
AWS朝会2022/1	セッション① 数年間、レイクハウスを設計運用してみたAWS朝会2022/1	セッション① 数年間、レイクハウスを設計運用してみた
AWS朝会2022/1 セッション① 数年間、レイクハウスを設計運用してみた
 
ビッグデータ処理データベースの全体像と使い分け
ビッグデータ処理データベースの全体像と使い分けビッグデータ処理データベースの全体像と使い分け
ビッグデータ処理データベースの全体像と使い分け
 
For Power BI Beginners
For Power BI BeginnersFor Power BI Beginners
For Power BI Beginners
 
Yahoo! JAPANのデータ基盤とHadoop #dbts2016
Yahoo! JAPANのデータ基盤とHadoop #dbts2016Yahoo! JAPANのデータ基盤とHadoop #dbts2016
Yahoo! JAPANのデータ基盤とHadoop #dbts2016
 
OData って何?
OData って何?OData って何?
OData って何?
 
Oracle Data Minerハンズオンセミナー170927:③Business Analytics概要と事例
Oracle Data Minerハンズオンセミナー170927:③Business Analytics概要と事例Oracle Data Minerハンズオンセミナー170927:③Business Analytics概要と事例
Oracle Data Minerハンズオンセミナー170927:③Business Analytics概要と事例
 
Power BI とは - 2020
Power BI とは - 2020Power BI とは - 2020
Power BI とは - 2020
 
[db tech showcase Tokyo 2015] D22:インメモリープラットホームSAP HANAのご紹介と最新情報 by SAPジャパン株式...
[db tech showcase Tokyo 2015] D22:インメモリープラットホームSAP HANAのご紹介と最新情報 by SAPジャパン株式...[db tech showcase Tokyo 2015] D22:インメモリープラットホームSAP HANAのご紹介と最新情報 by SAPジャパン株式...
[db tech showcase Tokyo 2015] D22:インメモリープラットホームSAP HANAのご紹介と最新情報 by SAPジャパン株式...
 
【2017年5月時点】セルフサービスBIからエンタープライズまで展開できるOracle Business Analytics クラウドプラットフォームのご紹介
【2017年5月時点】セルフサービスBIからエンタープライズまで展開できるOracle Business Analytics クラウドプラットフォームのご紹介【2017年5月時点】セルフサービスBIからエンタープライズまで展開できるOracle Business Analytics クラウドプラットフォームのご紹介
【2017年5月時点】セルフサービスBIからエンタープライズまで展開できるOracle Business Analytics クラウドプラットフォームのご紹介
 

Similar to ビジネスインテリジェンス入門~OSSでBIを始めよう~version2(公開版)

Big data解析ビジネス
Big data解析ビジネスBig data解析ビジネス
Big data解析ビジネスMie Mori
 
S3をDB利用 ショッピングセンター向けポイントシステム概要
S3をDB利用 ショッピングセンター向けポイントシステム概要S3をDB利用 ショッピングセンター向けポイントシステム概要
S3をDB利用 ショッピングセンター向けポイントシステム概要一成 田部井
 
カタログDTPのデータを活用しよう!
カタログDTPのデータを活用しよう!カタログDTPのデータを活用しよう!
カタログDTPのデータを活用しよう!Masataka Kawahara
 
40分でわかるHadoop徹底入門 (Cloudera World Tokyo 2014 講演資料)
40分でわかるHadoop徹底入門 (Cloudera World Tokyo 2014 講演資料) 40分でわかるHadoop徹底入門 (Cloudera World Tokyo 2014 講演資料)
40分でわかるHadoop徹底入門 (Cloudera World Tokyo 2014 講演資料) hamaken
 
データ分析を支える技術 DWH再入門
データ分析を支える技術 DWH再入門データ分析を支える技術 DWH再入門
データ分析を支える技術 DWH再入門Satoru Ishikawa
 
JasperServerとJJSUGの紹介(Osc2009 Tokyo Fall LT)
JasperServerとJJSUGの紹介(Osc2009 Tokyo Fall LT)JasperServerとJJSUGの紹介(Osc2009 Tokyo Fall LT)
JasperServerとJJSUGの紹介(Osc2009 Tokyo Fall LT)Kensuke SAEKI
 
ビッグデータ&データマネジメント展
ビッグデータ&データマネジメント展ビッグデータ&データマネジメント展
ビッグデータ&データマネジメント展Recruit Technologies
 
【講演資料】ビッグデータ時代の経営を支えるビジネスアナリティクスソリューション
【講演資料】ビッグデータ時代の経営を支えるビジネスアナリティクスソリューション【講演資料】ビッグデータ時代の経営を支えるビジネスアナリティクスソリューション
【講演資料】ビッグデータ時代の経営を支えるビジネスアナリティクスソリューションDell TechCenter Japan
 
[DI12] あらゆるデータをビジネスに活用! Azure Data Lake を中心としたビックデータ処理基盤のアーキテクチャと実装
[DI12] あらゆるデータをビジネスに活用! Azure Data Lake を中心としたビックデータ処理基盤のアーキテクチャと実装[DI12] あらゆるデータをビジネスに活用! Azure Data Lake を中心としたビックデータ処理基盤のアーキテクチャと実装
[DI12] あらゆるデータをビジネスに活用! Azure Data Lake を中心としたビックデータ処理基盤のアーキテクチャと実装de:code 2017
 
Markezine day 2012 gdo nakazawa
Markezine day 2012 gdo nakazawaMarkezine day 2012 gdo nakazawa
Markezine day 2012 gdo nakazawaShinya Nakazawa
 
Cm re growth-devio-mtup11-sapporo-004
Cm re growth-devio-mtup11-sapporo-004Cm re growth-devio-mtup11-sapporo-004
Cm re growth-devio-mtup11-sapporo-004Satoru Ishikawa
 
[db tech showcase Tokyo 2014] C25: Facebookが採用した世界最大級の分析基盤とは? by 日本ヒューレット・パッ...
[db tech showcase Tokyo 2014] C25: Facebookが採用した世界最大級の分析基盤とは?  by 日本ヒューレット・パッ...[db tech showcase Tokyo 2014] C25: Facebookが採用した世界最大級の分析基盤とは?  by 日本ヒューレット・パッ...
[db tech showcase Tokyo 2014] C25: Facebookが採用した世界最大級の分析基盤とは? by 日本ヒューレット・パッ...Insight Technology, Inc.
 
ビッグデータ活用支援フォーラム
ビッグデータ活用支援フォーラムビッグデータ活用支援フォーラム
ビッグデータ活用支援フォーラムRecruit Technologies
 
ビッグデータ時代にむけて/濱田 正彦
ビッグデータ時代にむけて/濱田 正彦ビッグデータ時代にむけて/濱田 正彦
ビッグデータ時代にむけて/濱田 正彦Takumi Kurosawa
 
避けては通れないビッグデータ周辺の重要課題
避けては通れないビッグデータ周辺の重要課題避けては通れないビッグデータ周辺の重要課題
避けては通れないビッグデータ周辺の重要課題kurikiyo
 
非SAPの人に贈るSAP on AWS
非SAPの人に贈るSAP on AWS非SAPの人に贈るSAP on AWS
非SAPの人に贈るSAP on AWSRyusaburo Tanaka
 

Similar to ビジネスインテリジェンス入門~OSSでBIを始めよう~version2(公開版) (20)

Big data解析ビジネス
Big data解析ビジネスBig data解析ビジネス
Big data解析ビジネス
 
S3をDB利用 ショッピングセンター向けポイントシステム概要
S3をDB利用 ショッピングセンター向けポイントシステム概要S3をDB利用 ショッピングセンター向けポイントシステム概要
S3をDB利用 ショッピングセンター向けポイントシステム概要
 
カタログDTPのデータを活用しよう!
カタログDTPのデータを活用しよう!カタログDTPのデータを活用しよう!
カタログDTPのデータを活用しよう!
 
40分でわかるHadoop徹底入門 (Cloudera World Tokyo 2014 講演資料)
40分でわかるHadoop徹底入門 (Cloudera World Tokyo 2014 講演資料) 40分でわかるHadoop徹底入門 (Cloudera World Tokyo 2014 講演資料)
40分でわかるHadoop徹底入門 (Cloudera World Tokyo 2014 講演資料)
 
データ分析を支える技術 DWH再入門
データ分析を支える技術 DWH再入門データ分析を支える技術 DWH再入門
データ分析を支える技術 DWH再入門
 
JasperServerとJJSUGの紹介(Osc2009 Tokyo Fall LT)
JasperServerとJJSUGの紹介(Osc2009 Tokyo Fall LT)JasperServerとJJSUGの紹介(Osc2009 Tokyo Fall LT)
JasperServerとJJSUGの紹介(Osc2009 Tokyo Fall LT)
 
ビッグデータ&データマネジメント展
ビッグデータ&データマネジメント展ビッグデータ&データマネジメント展
ビッグデータ&データマネジメント展
 
【講演資料】ビッグデータ時代の経営を支えるビジネスアナリティクスソリューション
【講演資料】ビッグデータ時代の経営を支えるビジネスアナリティクスソリューション【講演資料】ビッグデータ時代の経営を支えるビジネスアナリティクスソリューション
【講演資料】ビッグデータ時代の経営を支えるビジネスアナリティクスソリューション
 
[DI12] あらゆるデータをビジネスに活用! Azure Data Lake を中心としたビックデータ処理基盤のアーキテクチャと実装
[DI12] あらゆるデータをビジネスに活用! Azure Data Lake を中心としたビックデータ処理基盤のアーキテクチャと実装[DI12] あらゆるデータをビジネスに活用! Azure Data Lake を中心としたビックデータ処理基盤のアーキテクチャと実装
[DI12] あらゆるデータをビジネスに活用! Azure Data Lake を中心としたビックデータ処理基盤のアーキテクチャと実装
 
Markezine day 2012 gdo nakazawa
Markezine day 2012 gdo nakazawaMarkezine day 2012 gdo nakazawa
Markezine day 2012 gdo nakazawa
 
Hadoopカンファレンス2013
Hadoopカンファレンス2013Hadoopカンファレンス2013
Hadoopカンファレンス2013
 
Strata conference 2012
Strata conference 2012Strata conference 2012
Strata conference 2012
 
Cm re growth-devio-mtup11-sapporo-004
Cm re growth-devio-mtup11-sapporo-004Cm re growth-devio-mtup11-sapporo-004
Cm re growth-devio-mtup11-sapporo-004
 
[db tech showcase Tokyo 2014] C25: Facebookが採用した世界最大級の分析基盤とは? by 日本ヒューレット・パッ...
[db tech showcase Tokyo 2014] C25: Facebookが採用した世界最大級の分析基盤とは?  by 日本ヒューレット・パッ...[db tech showcase Tokyo 2014] C25: Facebookが採用した世界最大級の分析基盤とは?  by 日本ヒューレット・パッ...
[db tech showcase Tokyo 2014] C25: Facebookが採用した世界最大級の分析基盤とは? by 日本ヒューレット・パッ...
 
ビッグデータ活用支援フォーラム
ビッグデータ活用支援フォーラムビッグデータ活用支援フォーラム
ビッグデータ活用支援フォーラム
 
S01 t3 data_engineer
S01 t3 data_engineerS01 t3 data_engineer
S01 t3 data_engineer
 
ビッグデータ時代にむけて/濱田 正彦
ビッグデータ時代にむけて/濱田 正彦ビッグデータ時代にむけて/濱田 正彦
ビッグデータ時代にむけて/濱田 正彦
 
避けては通れないビッグデータ周辺の重要課題
避けては通れないビッグデータ周辺の重要課題避けては通れないビッグデータ周辺の重要課題
避けては通れないビッグデータ周辺の重要課題
 
非SAPの人に贈るSAP on AWS
非SAPの人に贈るSAP on AWS非SAPの人に贈るSAP on AWS
非SAPの人に贈るSAP on AWS
 
【2018年3月時点】Oracle Data Visualizaion ご紹介
【2018年3月時点】Oracle Data Visualizaion ご紹介【2018年3月時点】Oracle Data Visualizaion ご紹介
【2018年3月時点】Oracle Data Visualizaion ご紹介
 

More from Kensuke SAEKI

血液デブとトライアスロンと私
血液デブとトライアスロンと私血液デブとトライアスロンと私
血液デブとトライアスロンと私Kensuke SAEKI
 
省エネIT2011年総括と2012年の展望
省エネIT2011年総括と2012年の展望省エネIT2011年総括と2012年の展望
省エネIT2011年総括と2012年の展望Kensuke SAEKI
 
Jasoersoftマテリアル日本語化
Jasoersoftマテリアル日本語化Jasoersoftマテリアル日本語化
Jasoersoftマテリアル日本語化Kensuke SAEKI
 
110709 3rd SyoueneIT Workshop ARMServer
110709 3rd SyoueneIT Workshop ARMServer110709 3rd SyoueneIT Workshop ARMServer
110709 3rd SyoueneIT Workshop ARMServerKensuke SAEKI
 
110709 3rd SyoueneIT Workshop
110709 3rd SyoueneIT Workshop110709 3rd SyoueneIT Workshop
110709 3rd SyoueneIT WorkshopKensuke SAEKI
 
レポートと帳票
レポートと帳票レポートと帳票
レポートと帳票Kensuke SAEKI
 
110604 2nd SyoueneIT Workshop
110604 2nd SyoueneIT Workshop110604 2nd SyoueneIT Workshop
110604 2nd SyoueneIT WorkshopKensuke SAEKI
 
日本JasperServerユーザ会の近況報告(20110507OSSチャリティセミナーLT)
日本JasperServerユーザ会の近況報告(20110507OSSチャリティセミナーLT)日本JasperServerユーザ会の近況報告(20110507OSSチャリティセミナーLT)
日本JasperServerユーザ会の近況報告(20110507OSSチャリティセミナーLT)Kensuke SAEKI
 
省エネIT勉強会(20110507 OSSチャリティセミナー)
省エネIT勉強会(20110507 OSSチャリティセミナー)省エネIT勉強会(20110507 OSSチャリティセミナー)
省エネIT勉強会(20110507 OSSチャリティセミナー)Kensuke SAEKI
 

More from Kensuke SAEKI (10)

血液デブとトライアスロンと私
血液デブとトライアスロンと私血液デブとトライアスロンと私
血液デブとトライアスロンと私
 
省エネIT2011年総括と2012年の展望
省エネIT2011年総括と2012年の展望省エネIT2011年総括と2012年の展望
省エネIT2011年総括と2012年の展望
 
Jasoersoftマテリアル日本語化
Jasoersoftマテリアル日本語化Jasoersoftマテリアル日本語化
Jasoersoftマテリアル日本語化
 
Vector wise presen
Vector wise presenVector wise presen
Vector wise presen
 
110709 3rd SyoueneIT Workshop ARMServer
110709 3rd SyoueneIT Workshop ARMServer110709 3rd SyoueneIT Workshop ARMServer
110709 3rd SyoueneIT Workshop ARMServer
 
110709 3rd SyoueneIT Workshop
110709 3rd SyoueneIT Workshop110709 3rd SyoueneIT Workshop
110709 3rd SyoueneIT Workshop
 
レポートと帳票
レポートと帳票レポートと帳票
レポートと帳票
 
110604 2nd SyoueneIT Workshop
110604 2nd SyoueneIT Workshop110604 2nd SyoueneIT Workshop
110604 2nd SyoueneIT Workshop
 
日本JasperServerユーザ会の近況報告(20110507OSSチャリティセミナーLT)
日本JasperServerユーザ会の近況報告(20110507OSSチャリティセミナーLT)日本JasperServerユーザ会の近況報告(20110507OSSチャリティセミナーLT)
日本JasperServerユーザ会の近況報告(20110507OSSチャリティセミナーLT)
 
省エネIT勉強会(20110507 OSSチャリティセミナー)
省エネIT勉強会(20110507 OSSチャリティセミナー)省エネIT勉強会(20110507 OSSチャリティセミナー)
省エネIT勉強会(20110507 OSSチャリティセミナー)
 

Recently uploaded

SOPを理解する 2024/04/19 の勉強会で発表されたものです
SOPを理解する       2024/04/19 の勉強会で発表されたものですSOPを理解する       2024/04/19 の勉強会で発表されたものです
SOPを理解する 2024/04/19 の勉強会で発表されたものですiPride Co., Ltd.
 
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)Hiroki Ichikura
 
論文紹介:Content-Aware Token Sharing for Efficient Semantic Segmentation With Vis...
論文紹介:Content-Aware Token Sharing for Efficient Semantic Segmentation With Vis...論文紹介:Content-Aware Token Sharing for Efficient Semantic Segmentation With Vis...
論文紹介:Content-Aware Token Sharing for Efficient Semantic Segmentation With Vis...Toru Tamaki
 
論文紹介:Semantic segmentation using Vision Transformers: A survey
論文紹介:Semantic segmentation using Vision Transformers: A survey論文紹介:Semantic segmentation using Vision Transformers: A survey
論文紹介:Semantic segmentation using Vision Transformers: A surveyToru Tamaki
 
スマートフォンを用いた新生児あやし動作の教示システム
スマートフォンを用いた新生児あやし動作の教示システムスマートフォンを用いた新生児あやし動作の教示システム
スマートフォンを用いた新生児あやし動作の教示システムsugiuralab
 
TSAL operation mechanism and circuit diagram.pdf
TSAL operation mechanism and circuit diagram.pdfTSAL operation mechanism and circuit diagram.pdf
TSAL operation mechanism and circuit diagram.pdftaisei2219
 
Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介
Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介
Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介Yuma Ohgami
 
[DevOpsDays Tokyo 2024] 〜デジタルとアナログのはざまに〜 スマートビルディング爆速開発を支える 自動化テスト戦略
[DevOpsDays Tokyo 2024] 〜デジタルとアナログのはざまに〜 スマートビルディング爆速開発を支える 自動化テスト戦略[DevOpsDays Tokyo 2024] 〜デジタルとアナログのはざまに〜 スマートビルディング爆速開発を支える 自動化テスト戦略
[DevOpsDays Tokyo 2024] 〜デジタルとアナログのはざまに〜 スマートビルディング爆速開発を支える 自動化テスト戦略Ryo Sasaki
 
Postman LT Fukuoka_Quick Prototype_By Daniel
Postman LT Fukuoka_Quick Prototype_By DanielPostman LT Fukuoka_Quick Prototype_By Daniel
Postman LT Fukuoka_Quick Prototype_By Danieldanielhu54
 
論文紹介:Automated Classification of Model Errors on ImageNet
論文紹介:Automated Classification of Model Errors on ImageNet論文紹介:Automated Classification of Model Errors on ImageNet
論文紹介:Automated Classification of Model Errors on ImageNetToru Tamaki
 

Recently uploaded (10)

SOPを理解する 2024/04/19 の勉強会で発表されたものです
SOPを理解する       2024/04/19 の勉強会で発表されたものですSOPを理解する       2024/04/19 の勉強会で発表されたものです
SOPを理解する 2024/04/19 の勉強会で発表されたものです
 
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)
 
論文紹介:Content-Aware Token Sharing for Efficient Semantic Segmentation With Vis...
論文紹介:Content-Aware Token Sharing for Efficient Semantic Segmentation With Vis...論文紹介:Content-Aware Token Sharing for Efficient Semantic Segmentation With Vis...
論文紹介:Content-Aware Token Sharing for Efficient Semantic Segmentation With Vis...
 
論文紹介:Semantic segmentation using Vision Transformers: A survey
論文紹介:Semantic segmentation using Vision Transformers: A survey論文紹介:Semantic segmentation using Vision Transformers: A survey
論文紹介:Semantic segmentation using Vision Transformers: A survey
 
スマートフォンを用いた新生児あやし動作の教示システム
スマートフォンを用いた新生児あやし動作の教示システムスマートフォンを用いた新生児あやし動作の教示システム
スマートフォンを用いた新生児あやし動作の教示システム
 
TSAL operation mechanism and circuit diagram.pdf
TSAL operation mechanism and circuit diagram.pdfTSAL operation mechanism and circuit diagram.pdf
TSAL operation mechanism and circuit diagram.pdf
 
Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介
Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介
Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介
 
[DevOpsDays Tokyo 2024] 〜デジタルとアナログのはざまに〜 スマートビルディング爆速開発を支える 自動化テスト戦略
[DevOpsDays Tokyo 2024] 〜デジタルとアナログのはざまに〜 スマートビルディング爆速開発を支える 自動化テスト戦略[DevOpsDays Tokyo 2024] 〜デジタルとアナログのはざまに〜 スマートビルディング爆速開発を支える 自動化テスト戦略
[DevOpsDays Tokyo 2024] 〜デジタルとアナログのはざまに〜 スマートビルディング爆速開発を支える 自動化テスト戦略
 
Postman LT Fukuoka_Quick Prototype_By Daniel
Postman LT Fukuoka_Quick Prototype_By DanielPostman LT Fukuoka_Quick Prototype_By Daniel
Postman LT Fukuoka_Quick Prototype_By Daniel
 
論文紹介:Automated Classification of Model Errors on ImageNet
論文紹介:Automated Classification of Model Errors on ImageNet論文紹介:Automated Classification of Model Errors on ImageNet
論文紹介:Automated Classification of Model Errors on ImageNet
 

ビジネスインテリジェンス入門~OSSでBIを始めよう~version2(公開版)

Editor's Notes

  1. 15 , 16 , 17 , 18 番スライドは一セットで、 19 、 20 , 21 番は一セットです。 15 , 16 , 17 , 18 番はプレゼン用で、 19 、 20 , 21 番は配布用です。