Empfohlen
Weitere ähnliche Inhalte
Was ist angesagt?
Was ist angesagt? (20)
Ähnlich wie LiBRA 03.2019 / 総集編
Ähnlich wie LiBRA 03.2019 / 総集編 (20)
Mehr von Masanori Saito
Mehr von Masanori Saito (20)
Kürzlich hochgeladen
Kürzlich hochgeladen (9)
LiBRA 03.2019 / 総集編
- 4. 1. ITトレンドとサイバーフィジカルシステム 2. ビジネスの大変革を迫るデジタル･トランスフォーメーション 3. IT利用の常識を変えるクラウド･コンピューティング 4. ソフトウエア化するITインフラストラクチャー 5. 新たなビジネス基盤となるIoT（モノのインターネット） 6. 人に寄り添うITを実現する人工知能/AI 7. ビジネススピードの加速に対応する開発と運用 8. デジタル･トランスフォーメーション時代のビジネス戦略
- 5. ITトレンドとサイバーフィジカルシステム IT Trend & Cyber-Physical System
- 9. コンピュータ誕生の歴史 バベッジの解析機関（未完成） 蒸気機関で駆動 プログラム可能な最初のコンピュータ パンチカードでプログラムとデータを入力 出力装置（プロッタ・プリンタ）も設計 論文「計算可能数について」 コンピュータの原理を数学的に定式化 コンピュータの動作原理モデルを設計 （チューリング・マシン） ENIAC エッカートともモークリーにより開発 真空管による電子式コンピュータ プログラムは大変面倒なパッチパネルで設定 弾道計算を高速で行うため EDVAC エッカートともモークリーにより開発 プログラム内蔵式の最初の機械 現在のコンピュータの基本原理を実装した最初 の機械（ノイマン型コンピュータ） 磁気テープ読取/書込装置を装備/1953年・パン チカード装置、1954年・磁気ドラムメモリ、 1958年・浮動小数点演算装置を追加 ENIACの課題と改善方法を報告 電子回路でチューリング・マシンが実現できる ことを数学的に証明 どのように作ればいいかの原理を設計 （ノイマン型コンピュータ） 1836年に最初の論文 1946年 1936年 1945年 1949年（〜1961年まで稼働）1822年 バベッジの階差機械 蒸気機関で駆動 歴史上最初の機械式用途固定計算機 （カリキュレータ） 汎用性（多項式の数表を作成するよう設計、 対数も三角関数も多項式にて近似） プリンターにて数表を印字
- 10. ノイマン型コンピュータ 5大機能 制御装置 プログラムの読み込みや データの読み書きを制御 演算装置 数値演算、論理演算 を実行 記憶装置 プログラムやデータ を格納 入力装置 プログラムやデータ 人間からの指示を入力 出力装置 演算結果を外部へ出力 ノイマン型 (プログラム内蔵方式/ストアードプログラム方式) のデジタル・コンピュータでは プログラムやデータを記憶装置に格納して順次読み込みながら演算処理を行う CPU 中央演算処理装置 入力命令 出力命令 演算命令 データの流れ 制御の流れ プログラムを入れ替えることで 任意の計算を実行できる機械 プログラム内蔵方式 補助記憶装置 （ストレージ）
- 13. インターネットに接続されるデバイス数の推移 億人 億台 台/人 2003年 2010年 2015年 2020年 世界人口 インターネット 接続デバイス数 一人当りの デバイス数 63 68 72 76 5 125 250 500 0.08 1.84 3.47 6.50
- 14. コレ1枚でわかる最新のITトレンド データ収集 モニタリング データ解析 原因解明・発見/洞察 計画の最適化 データ活用 業務処理・情報提供 機器制御 ヒト・モノ クラウド・コンピューティング 日常生活・社会活動 環境変化・産業活動 現実世界／Physical World サイバー世界／Cyber World Cyber Physical System／現実世界とサイバー世界が緊密に結合されたシステム
- 17. デジタルとフィジカル （１） スピード 複 製 組合せ・変更 遅い 劣化する 困難 早い 劣化しない 容易 フィジカル Physical デジタル Digital 規模の拡大が容易で早い 利益逓増／複製にコスト がかからない 変化を即座に把握できる 変化への即応力がある エコシステムが容易に形 成できる イノベーションが誘発、 加速する IoT IoT
- 19. デジタル・トランスフォーメーションとCPS データ収集 IoT/Mobile/Web データ解析 データ活用 Webサービス ヒト・モノ 日常生活・社会活動 環境変化・産業活動 現実世界／Physical World サイバー世界／Cyber World Cyber Physical System／現実世界とサイバー世界が緊密に結合されたシステム デジタル トランスフォーメーション
- 21. アマゾンのデジタル・トランスフォーメーション 広範な顧客接点 ビッグデータ 最高の顧客体験 機械学習による最適解 経営戦略･製品／サービス戦略 & 0.1 to One マーケティング テクノロジーを駆使して徹底した利便性を追求 顧客理解のための情報を徹底して収集する 業務（デジタル） 業務（アナログ） IT 40機の航空機 数千台のトラック
- 24. デジタル･トランスフォーメーションを加速するサイクル サービス を利用する データ を収集する 機械学習 で分析する 戦術的施策（短期） 魅力的で便利な顧客体験 を提供 買いたくなる品揃えや サービスを充実 個々人の趣味嗜好や購買 動向に基づき推奨 戦略的施策（長期） 顧客の期待に応える事業 施策 サービスの質や効率を高 める仕組み作り 新たな市場や顧客を開拓 するための施策
- 27. デジタル・トランスフォーメーションとは ビジネス･プロセスに関わる 人間の制約を排除し 品質・コスト・期間などの 限界をブレークスルーして ビジネスに新しい価値基準 をもたらす取り組み 人間を前提に最適化された ビジネスの仕組み から 機械と人間が一体化された ビジネスの仕組み への転換 ビジネス環境への対応 競争優位の確立 不確実性の増大・スピードの加速 製品やサービスをジャストインタイム で提供できる即応力 常識や価値基準の転換 生産性・価格・期間における これまでの常識を覆す破壊力 デジタル トランス フォーメーション
- 29. UBERとTaxi Taxi タクシー資産 コールセンター運営経費 施設維持管理 事務・管理経費 など ドライバー収入 運賃 UBER アプリ開発・保守費 クラウド利用量など ドライバー収入 機械を前提とした ビジネスプロセス の最適化 人間を前提とした ビジネスプロセス の最適化
- 31. デジタル・トランスフォーメーションの実際 World’s largest taxi company, Owns no vehicles. World’s most popular media owner, Creates no content. World’s most valuable retailer, Has no inventory. World’s largest accommodation provider, Own no real estate. 世界最大のタクシー会社ですが、 車両は一台も所有していません。 世界一有名なメディアですが、 コンテンツは作りません。 世界で最も種類が豊富な商店ですが、 在庫は一切ありません。 世界最大の旅行代理店ですが、 不動産は一切所有していません。 自前の資産を 持たない／小さい 対象とする市場は 最初からグローバル サービスが プラットフォーム デジタル・ディスラプター（デジタル・テクノロジーを駆使した破壊者）
- 32. デジタル・ディスラプターの創出する新しい価値 コスト・バリュー 無料／超低価格 購入者集約 価格透明性 リバース・オークション 従量課金制（サブスクリプション） エクスペリエンス・バリュー カストマー・エンパワーメント カストマイズ 即時的な満足感 摩擦軽減 自動化 プラットフォーム・バリュー エコシステム クラウド・ソーシング コミュニティ デジタル・マーケットプレイス データ・オーケストレーター 自前の資産を 持たない／小さい 対象とする市場は 最初からグローバル サービスが プラットフォーム デジタル・ディスラプター（デジタル・テクノロジーを駆使した破壊者）
- 38. ガバナンスとサービスマネージメント原則の関係 38 ガバナンス 基本は、透明性(Transparency) 説明責任(Accountability) 機敏に反応(Responsiveness) 効果的、効率的(Effectiveness and Efficiency) 公平、非排他的(Equitable and inclusive) 誰でも参加(Participatory) 持続可能(Sustainability) ビジョン 戦略 コンプライアンス 方針展開 行動指針 企業文化 サービスマネジメント原則 サービスとは『消費者（顧客）の明らかになった要望を満たす』こと ITSMが開発し成熟させてきたサービスマネジメントの概念や手法の活用 BSM(Business Service Management) ESM(Enterprise Service Management) 全ての製品（プロダクト）とサービスに適用される
- 39. マネージメント・メッシュとは 39 SIAM ISO/IEC20000COBIT,CMMI,IT4IT コンテナー IoT AI ブロックチェーン 企業文化 競合状況 法規制 プロセス ビジネスモデル 人（人工） 予算 期間 知識・経験 管理手法 革 新 的 テ ク ノ ロ ジ ー リソース 企 業 環 境
- 41. DXを支えるテクノロジー ビジネス環境への対応 競争優位の確立 不確実性の増大・スピードの加速 製品やサービスをジャストインタイム で提供できる即応力 常識や価値基準の転換 生産性・価格・期間における これまでの常識を覆す破壊力 デジタル トランス フォーメーション IoT（Internet of Things）/ CPS（ Cyber-physical System ） コンテナ × マイクロサービス サイバー･セキュリティ デジタル・ビジネス・プラットフォーム Digital Business Platform ビッグデータ × AI SaaS/API PaaS/FaaSクラウド・コンピューティング
- 42. DXを支えるテクノロジー アプリケーション プラットフォーム インフラストラクチャー デバイス AR（拡張現実） / VR（仮想現実） / MR（複合現実） Augmented Reality / Virtual Reality / Mixed Reality ディープラーニング（深層学習）と関連技術（深層強化学習/DQN、敵対的ネットワーク/GANなど） Deep Learning ブロックチェーン Block Chain HTAP（OLTP/業務系・基幹系とOLAP/分析系の実行基盤を統合） Hybrid Transaction and Analytics Processing LPWAネットワーク Low Power,Wide Area Network 5G通信 5th Generation エッジ・コンピューティング（デバイス側での学習や推論/高機能演算） Edge Computing 量子コンピュータ Quantum Computer 〜2017 2018 2019 2020 2021〜
- 43. DXを実現する4つの手法と考え方 現場に足を運ぶ 現物を手に取る 現実を自分で確認する デザイン思考 リーン・スタートアップ アジャイル開発 DevOps デザイナー的なクリエイティ ブな視点で、ビジネス上の課 題を解決する 最小限の機能に絞って短期間 で開発しフィードバックをう けて完成度を高める ビジネスの成果に貢献するシ ステムを、バグフリーで変更 にも柔軟に開発する 安定稼働を維持しながら、開 発されたシステムを直ちに・ 頻繁に本番環境に移行する 共感（Emphasize） 問題定義（Define） 創造（Ideate） プロトタイプ（Prototype） 検証（Test） 構築（Build） 計測（Measure） 学習（Learn） 開発と運用の協調 自動化ツールの整備 継続的デリバリー （Continuous Delivery） 反復／周期的(Iterative) 漸進的(Incremental） 適応主義(Adaptive) 自律的(Self-Organized) 多能工(Cell Production） イノベーションとビジネス・スピードの融合 イノベーションの創発 ジャスト・イン・タイムで提供 ＋ エスノグラフィー
- 44. デジタル・トランスフォーメーションのBefore/After ITは道具 本業は人間 ITは本業を支援する手段 ITは企業のコアコンピタンスではない ITはコストセンター コスト削減がミッション コスト削減のために外注化 管理と統制のための自前主義 Before ITは本業 本業はITが前提 人間はITで本業を革新する方法を決定 ITは企業のコアコンピタンスを実現 ITはプロフィットセンター 利益拡大がミッション 戦略的価値を創出するための内製化 スピードと俊敏性のためのクラウド化 After
- 45. 「共創」の３タイプ 45 共創 Co-Creation 提供者 顧客 ？ ？ ？ 双方向の関係 共有の関係 連携の関係
- 46. ソリューション営業は通用しない こののまでは大変なことになる ITの戦略的活用を推進したい ビジネスのデジタル化を実現したい 変革への意欲はある どう取り組めば いいの分からない 課題やテーマがはっきりしない 課題やテーマを教えて頂ければ、 解決策を提供します！ あなたは何を言ってるんですか？ 提言 「あるべき姿」と実現の方法 共創 技術×価値×体験の共有
- 54. 仮想化とは
- 55. 仮想 virtual 表面または名目上はそうでないが 実質的には本物と同じ 本来の意味 「仮想化」の本当の意味 本来の意味 仮想化 Virtualization 物理的実態とは異なるが、 実質的には本物と同じ機能を実現する仕組み 日本語での語感 虚像の〜 実態のない〜 It was a virtual promise. （約束ではないが）実際には約束も同然だった。 He was the virtual leader of the movement. 彼はその運動の事実上の指導者だった。
- 57. 物理資源・物理機械 サーバーの仮想化 ストレージの仮想化 Java仮想マシン データベースの仮想化 パーティショニング 分 割 アグリゲーション 集 約 エミュレーション 模 倣 仮想化 (Virtualization) ひとつの物理資源を 複数の仮想資源に分割 複数の物理資源を ひとつの仮想資源に分割 ある物理資源を 異なる資源に見せかける 仮想化の3つのタイプ
- 58. ソフトウェア化とはどういうことか（１） 58 掃除 機能 掃除 機械 レンジ 機能 レンジ 機械 テレビ 機能 テレビ 機械 作表 機能 文書作成 機能 会計管理 機能 汎用機械 オペレーティング・システム（OS） 家電製品 コンピュータ 専用一体 専用一体 専用一体 ソフトウェア Software ハードウェア Hardware
- 61. 仮想化の種類
- 64. サーバー仮想化とコンテナ OS ハードウェア ハイパーバイザー 仮想サーバー ミドルウェア アプリ OS 仮想サーバー ミドルウェア アプリ OS 仮想サーバー ミドルウェア アプリ サーバー仮想化 ハードウェア コンテナ管理ソフトウエア OS ミドルウェア アプリ ミドルウェア アプリ ミドルウェア アプリ コンテナ コンテナ コンテナ コンテナ ライブラリ 環境変数 ライブラリ 環境変数 カーネル カーネル カーネル カーネル ライブラリ 環境変数 ライブラリ 環境変数 ライブラリ 環境変数 ライブラリ 環境変数 隔離されたアプリケーション実行環境を提供する 実行イメージのスナップショットをパッケージとしてファイルにして保存できる アプリケーションに加えて仮想マシン・OS の実行イメージを持つ必要がある アプリケーションとOSの一部 の実行イメージを持つ必要がある デプロイするサイズ 大きい 起動・停止時間 遅い デプロイするサイズ 小さい 起動・停止時間 早い 異なるOS 可 異なるOS 不可 メモリーやディスクの消費量が大きい = リソース効率が悪い メモリーやディスクの消費量が大きい = リソース効率が良い 構成の自由度が高い 異なるOS・マシン構成を必要とする場合など 軽量で可搬性が高い 実行環境への依存が少なく異なる実行環境で稼働させる場合など
- 66. デスクトップ仮想化とアプリケーション仮想化 ネットワーク 入出力操作 通信 クライアントPC 文書作成 表計算 プレゼン ・・・ デスクトップ画面 メモリーストレージ ハイパーバイザー PC用OS （Windows7など） プロセッサー 文書 作成 表 計算 プレ ゼン ・・・ 入出力操作 通信 クライアントPC 文書作成 画面表示 仮想PC サーバー PC用OS （Windows7など） 文書 作成 表 計算 プレ ゼン ・・・ 仮想PC メモリーストレージ OS プロセッサー サーバー ターミナル・モニター 文書 作成 表 計算 プレゼン ・・・ 入出力操作 通信 クライアントPC 文書作成 表計算 プレゼン ・・・ デスクトップ画面 入出力操作 通信 クライアントPC 文書作成 画面表示 デスクトップ仮想化 アプリケーション仮想化
- 67. シンクライアント ネットワーク 入出力操作 通信 シンクライアント 文書作成 表計算 プレゼン ・・・ 画面表示 メモリーストレージ ハイパーバイザー PC用OS （Windows7など） プロセッサー PC用OS （Windows7など） PC用OS （Windows7など） 文書 作成 表 計算 プレ ゼン ・・・ 文書 作成 表 計算 プレ ゼン ・・・ 文書 作成 表 計算 プレ ゼン ・・・ 入出力操作 通信 シンクライアント 文書作成 表計算 プレゼン ・・・ 画面表示 仮想PC 仮想PC 仮想PC サーバー ストレージ 文書作成 表計算 プレゼン ・・・ 入出力操作 通信 アプリケーション PC / Windows・Mac OS など 画面表示 データとプログラムの保管 プログラムの実行 は、PC内にて処理 データとプログラムの保管 プログラムの実行 は、サーバー内にて処理 シンクライアントは 画面表示と入出力操作
- 68. Chromebook インターネット データ 文書作成 表計算 プレゼン ・・・ ブラウザ 画面表示・入出力操作 通信 画面表示・入出力操作 通信 オフィス・アプリ データ 文書作成 表計算 プレゼン ・・・ オフィス・アプリ クラウドサービス Google Apps for workなど ブラウザ 文書作成 表計算 プレゼン ・・・ PC / Windows・Mac OS など Chromebook / Chrome OS
- 70. ストレージ仮想化 2TB 実データ 3TB 実データ 5TB 実データ 10TB 10TB 10TB 仮想ストレージ ブロック仮想化 10TB 実データ 30TB ストレージ（ハードウェア） 8TB 7TB 5TB 未使用領域 20TB ボリュームの仮想化 10TB 10TB 10TB 仮想ストレージ シンプロビジョニング 10TB 実データ 30TB ストレージ（ハードウェア） 容量の仮想化 未使用領域 0TB 必要な時に 追加 2TB 実データ 3TB 実データ 5TB 実データ 8TB 7TB 5TB 仮想ストレージ 重複排除 ストレージ（ハードウェア） データ容量の削減 D A B C E F A B ファイル ２ ファイル１ D A B C E F重複データ を排除
- 72. クラウドによるコスト改善例
- 74. 店舗入力 ダウンロード イベント ログイン画面 店頭用入力画面 集計ファイル作成画面 ダッシュボード画面 イベント用入力画面 Write Write Read Read 認証されたユーザのみ アクセス可能なページ 評価対象としたアプリケーション／処理フロー よ く あ り が ち な webシステム
- 75. 構築事例：従来型のWebアプリケーション・アーキテクチャ EC2 Internet クライアント Elastic Load Balancing EC2 冗長化 EC2 EC2 EC2 EC2 EC2 冗長化 冗長化EC2 EC2 Web AP DB死活監視 DNS DNSのセットアップが必要 APはそのまま移行。ただし、セッション管理等、一部改修が 必要な場合がある。 ミドルウェアが必要 （Oracle、 SQLServer、死活監視ソフト等の購入） DBMSのセットアップが必要 EC2：1台 365日24時間稼働：$175.2 EC2：9台 365日24時間稼働：$1576.8 ELB：1台 365日24時間稼働：$236.52+α ELB：2台 365日24時間稼働：$473.04+α リージョン:東京 ＜EC2＞ インスタンスタイプ：t2.micro （最少） 料金：$0.020/1時間 ＜ELB＞ 料金：$0.027/1時間 +$0.008/1GB 年間：約$2049.84 約254,980円 ※2015/3/20時点
- 76. 構築事例：AWSサービスを活かしたアーキテクチャ EC2 Internet クライアント Elastic Load Balancing EC2 冗長化 EC2 EC2 冗長化 Web AP DB DNS Route 53に 設定するのみ 死活監視のソフトウェア不要 基本的に無料／アラーム設定でメール通知 DBMSはインストール不要 Oracle、SQL Server等のライセンス料込 EC2の接続先を変更するだけ 冗長構成はMulti-AZを選択するのみ EC2：4台 365日24時間稼働：$700.8 ELB：2台 365日24時間稼働：$473.04+α RDS： 365日24時間稼働：$455.52 Route53： 1年間：$26.4（最少） リージョン:東京 ＜EC2＞ インスタンスタイプ：t2.micro （最少） 料金：$0.020/1時間 ＜ELB＞ 料金：$0.027/1時間 +$0.008/1GB ＜RDS＞ インスタンスタイプ： t2.micro （最少） 年間：約$1655.76 約198,691円 Cloud Watch Route 53 RDS(Master) RDS(Slave) DynamoDB セッション 管理 ※2015/3/20時点
- 77. 構築事例：AWSサービスを最大限活かしたアーキテクチャ Internet クライアント Cloud Front 画面表示は、 クライアント側 アプリ メールサーバー不要 冗長構成、拡張・データ再配置 はAWS任せ リージョン:東京 ＜S3＞ 料金：$0.0330/GB +リクエスト数+データ転 送量 ＜CloudFront＞ 料金：$7.2/年 （試算した結果） <Lambda> 料金：$0 ＜DynamoDB＞ 料金：$0 （試算した結果） 年間：約$7.56 約907円 Cloud Watch JavaScript 入力ページ（HTML） コンテンツ 非公開コンテンツ Log等 S3 DynamoDB Lambda Node.js テーブル Cognito Webサーバー機能 3箇所以上で自動複製、容量無制限 キャッシュ SSL証明書 任意のタイミングで処理実行 負荷分散、障害対策はAWS任せ AWS認証 アプリ認証 SignedURL発行 サーバ側アプリ ※2015/3/20時点 ※条件によって料金は異なります
- 80. クラウドがもたらすビジネス価値 構築や運用からの解放 最新テクノロジーの早期利用 資産から経費へのシフト アプリケーションの質的向上にリソースをシフトできる ビジネス・スピードの加速に迅速柔軟に対応できる 試行錯誤が容易になってイノベーションを加速する テクノロジーの進化をいち早くビジネスに取り込める 初期投資リスクが削減でき、IT活用範囲を拡大できる ビジネス環境の変化に柔軟に対応できる
- 86. セルフ･サービス・ポータル 調達・構成変更 サービスレベル設定 運用設定 ・・・ 数分から数十分 直近のみ・必要に応じて増減 経費・従量課金／定額課金 クラウド システム資源のECサイト 見積書 契約書 メーカー ベンダー サイジング 調 達 費 用 数週間から数ヶ月 数ヶ月から数年を想定 現物資産またはリース資産 従来の方法 調達手配 導入作業
- 87. 「自家発電モデル」から「発電所モデル」へ 工場内・発電設備 設備の運用・管理・保守は自前 需要変動に柔軟性なし 電力供給が不安定 自前で発電設備を所有 工場内・設備 電 力 電力会社・発電所 大規模な発電設備 低料金で安定供給を実現 設備の運用・管理・保守から解放 需要変動に柔軟に対応 工場内・設備 送電網 データセンター 大規模なシステム資源 低料金で安定供給を実現 設備の運用・管理・保守から解放 需要変動に柔軟に対応 システム・ユーザー デ ー タ ネットワーク
- 91. 徹底した標準化 大量購入 負荷の平準化 APIの充実・整備 セルフサービス化 機能のメニュー化 クラウド・コンピューティングのビジネス・モデル クラウド・コンピューティング オンデマンド 従量課金 自動化・自律化 システム資源 の共同購買 サービス化 低コスト 俊敏性 スケーラビリティ SDI (Software Defined Infrastructure)
- 92. IT活用適用領域の拡大 難しさの隠蔽 システム資源 エコシステム クラウドがもたらしたITの新しい価値 クラウド・コンピューティング IT利用のイノベーションを促進 ビジネスにおけるIT価値の変化・向上 新たな需要・潜在需要の喚起 モバイル・ウェアラブル ソーシャル 人工知能 ビッグデータ IT利用者の拡大 IoT ロボット 価格破壊 サービス化
- 95. クラウドの定義／サービス・モデル (Service Model) アプリケーション ミドルウェア オペレーティング システム インフラストラクチャ PaaS Platform as a Service Infrastructure as a Service Software as a Service SaaS Salesfoce.com Google Apps Microsoft Office 365 Microsoft Azure Force.com Google App Engine Amazon EC2 IIJ GIO Cloud Google Cloud Platform アプリケーション ミドルウェア & OS 設備 & ハードウェア プ ラ ッ ト フ ォ ー ム IaaS
- 96. ハイブリッド・クラウド 複数企業共用 パブリック・クラウド クラウドの定義／配置モデル (Deployment Model) プライベート・クラウド 個別企業専用 個別･少数企業 不特定・複数企業／個人 LAN LAN インターネット 特定企業占有 ホステッド・プライベート・クラウド 固定割当て LAN 専用回線・VPN LAN
- 99. クラウドの分類と関係 個別システム ホステッド プライベート クラウド SaaS（Software as a Service） PaaS（Platform as a Service） IaaS（Infrastructure as a Service） SaaS PaaS IaaS プライベート・クラウド パブリック･クラウド／クラウド事業者資産を使用 オンプレミス・システム／自社資産として所有 ハイブリッド･クラウド プライベートとパブリックの連係･組合せ マ ル チ ・ ク ラ ウ ド 複 数 の パ ブ リ ッ ク を 連 係 ・ 組 合 せ
- 100. クラウド・コンピューティング 3つの誤解
- 104. 誤解２：ガバナンスが効かない？ インフラ プラットフォーム 運用管理 アプリケーション 業務対応 自社対応 クラウド 自社所有 IaaS PaaS SaaS 責任分界点が変わる：運用管理 × セキュリティ対応
- 108. 銀行システムにおけるクラウド活用の動き 日本ユニシスとマイクロソフト、「BankVision on Azure」実現に向け共同プロジェクトを開始 2018年3月23日 日本ユニシス株式会社と日本マイクロソフト株式会社 は23日、日本ユニシスのオープン勘定系システム 「BankVision」の稼働基盤として、Microsoft Azureを 採用するための取り組みを推進するため、共同プロ ジェクトを4月から開始すると発表した。 いかに費用を抑え、最新技術も取り入れた上で短期間 でのシステム開発を行うかという課題に対応するため、 クラウドを選択。現在はクラウド最大手の米アマゾン ウェブサービスと組み、業務システムの一部から移行 を進めている。 5年間で100億円のコスト削減 1000超のシステムの約半分をクラウド化 週刊ダイヤモンド 2017.5.17 https://diamond.jp/articles/-/128045
- 109. クラウド・バイ・デフォルト原則 政府情報システムにおけるクラウドサービスの利用に係る基本方針（案） クラウド・バイ・デフォルト原則（クラウドサービスの利用を第一候補） 政府情報システムは、クラウドサービスの利用を第一候補として、その検討を行う 情報システム化の対象となるサービス・業務、取扱う情報等を明確化した上で、メリット、開発の規模及び経費等を基に検討を行う https://www.kantei.go.jp/jp/singi/it2/cio/dai77/siryou.html Step0：検討準備 クラウドサービスの利用検討に先立ち、対象となるサービス・業務及び情報といった事項を可能な限り明確化する。 Step1：SaaS（パブリック・クラウド）の利用検討と利用方針 サービス・業務における情報システム化に係るものについて、その一部又は全部が SaaS（パブリック・クラウド）により提供されてい る場合（SaaS（パブリック・クラウド）の仕様に合わせ、サービス・業務内容を見直す場合も含まれる。）には、クラウドサービス提 供者が提供する SaaS（パブリック・クラウド）が利用検討の対象となる。 Step2：SaaS（プライベート・クラウド）の利用検討 サービス・業務における情報システム化に係るものについて、その一部又は全部が、府省共通システムの諸機能、政府共通プラット フォーム、各府省の共通基盤等で提供されるコミュニケーション系のサービスや業務系のサービスを SaaS として、当該サービスが利用 検討の対象となる。 Step3：IaaS/PaaS（パブリック・クラウド）の利用検討と利用方針 SaaS の利用が著しく困難である場合、又は経費面の優位性その他利用メリットがない場合については、民間事業者が提供する IaaS/PaaS（パブリック・クラウド）が利用検討の対象となる。 Step4：IaaS/PaaS（プライベート・クラウド）の利用検討 IaaS/PaaS（パブリック・クラウド）の利用が著しく困難である場合、又は経費面の優位性その他利用メリットがない場合については、 サーバ構築ができる政府共通プラットフォーム、各府省独自の共通基盤等を IaaS/PaaS として、当該サービスが利用検討の対象となる オンプレミス・システムの利用検討
- 111. クラウドへの移行を成功させるための7原則 111 1. 既存システムの移行をゴールとしない、クラウド･ネイティブの実現を目指す 2. 絶対に今まで通りでなければならない、という要件を排除する 3. クラウドならではの作法、考え方を許容する 4. ユーザー自身で運用管理する。そのためのスキル獲得予算を確保する 5. クラウド・インテグレーションにスキルのあるIT企業に参画してもらう 6. クラウドにあるサービスを割り切って使用する 7. ビジネスのデジタル化を実現する前提として、IT利用の在り方を見直す “なぜ「不毛なクラウド議論」がなくならない？ 論外なIT部門7つの特徴”を参考に作成
- 113. クラウドへの移行が難しい場合 113 モノリシックなシステム： オンプレミスで実行する必要のあるアプリケーションと緊密に結びついており、そのアプリケーション と関連するデータベースと統合され、特定のランタイムや特定のバージョンのデータベースサーバに合 わせてチューニングされている場合。 パフォーマンスや信頼性を確保するために、特定のプラットフォームの特定のバージョンのデータベー スにチューニングされている場合。 頻繁なデータ出力： パブリック・クラウドは、データのアップロードは無料だが、出力には料金を課している。データ出力 が頻繁に発生する場合、課金が高額になる場合がある。 複雑なデータ構造： データ構造が複雑で、公開されても構わないデータと外部に流出するリスクを冒すことが絶対に許され ないデータが混在している場合。 低レイテンシ： オンプレミスとクラウド･データセンター間の回線の制約から、大量のデータをデータセンターからク ラウドに移動させるには、数時間、あるいは数日かかる場合。 リアルタイムのユーザーデータのやりとり、高速なアナリティクス、パーソナライゼーション、レコメ ンデーションなどを利用するモダンなアプリケーション。 モノのインターネット（IoT）。ローカルのIoTデバイスから速いペースでデータを収集しているので あれば、クラウドに直接データを送信するのでは時間がかかりすぎる可能性がある。オンプレミスデー タベースおよびエッジ・サーバーが合理的。 Zdnetの記事を参考に編集：https://japan.zdnet.com/article/35132951/
- 114. クラウド移行の方向 114 リフト シフト シフト インテグレーション シフト クラウド クラウド クラウド 既存システムの一部移管 SaaSの利用 ハイブリッド･クラウド による連係運用・一元管理 オール･イン･クラウド への全面移行 Webスケール／クラウド技術 を使ったハードやソフト 各社HCI、Azure Stack、AWS Outposts、Google On-Premなど IoT／エッジ･コンピューティング リアルタイム・コンピューティング オンプレミス･コンピューティング 個別専用システム シフト ドロップ
- 117. IoTとは何か
- 118. IoTの２つの意味 データ収集 モニタリング データ解析 原因解明・発見/洞察 計画の最適化 データ活用 業務処理・情報提供 機器制御 ヒト・モノ クラウド・コンピューティング 日常生活・社会活動 環境変化・産業活動 現実世界／Physical World サイバー世界／Cyber World Cyber Physical System／現実世界とサイバー世界が緊密に結合されたシステム 現実世界をデジタル・データに変換 モノそのものやそれを取り囲む環境の状態とその変化 広義のIoT＝CPS デジタル・データで現実世界を 捉え、アナログな現実世界を動 かす仕組み 狭義のIoT 現実世界の出来事をデジタル・ データに変換しネットに送り出 す仕組み
- 119. 社会基盤のシフト 「モノ」の価値のシフト IoTがもたらす２つのパラダイムシフト 1. 現実世界のデジタル・データ化 2. ビッグデータを使ったシミュレーション 3. 現実世界へのフィードバック 1. 「ハード＋ソフト」がネットワーク接続 2. モノとクラウド・サービスが一体化 3. システム全体で価値を生成 ハードウェア ソフトウェア ハードウェア モノの価値は、 ハードウェアからソフトウェアへ そしてサービスへとシフト アナリティクス 人工知能＋シミュレーション アプリケーション クラウド・サービス ビッグデータ 現実世界のデジタルコピー 現実世界のデジタルデータ化 IoT CPS社会の実現 「モノ」のサービス化 インターネット クラウド・サービス CPS：Cyber-Physical System
- 120. 電脳世界 （Cyber World） 現実世界 （Physical World） デジタル・コピー／デジタルツイン ビッグデータ 機械学習 センサ データ 最適解 制御 Cyber-Physical System 圧 力 ひずみ 振 動 重 量 電 流 ・・・ シミュレーション 現実世界をデジタルで再現し 条件を変えて実験を繰り返し 最適解を見つけ出す 変更や変化に即応して 最適状態・動きを実現
- 122. 「モノ」のサービス化 自動車メーカー 航空機メーカー 工作機械メーカー アナリティクス ソフトウェア改修 データ 収集 ソフトウェア 配信 新 規 開 発 制御ソフトウェア アナリティクス ソフトウェア改修 データ 収集 ソフトウェア 配信 新 規 開 発 制御ソフトウェア アナリティクス ソフトウェア改修 データ 収集 ソフトウェア 配信 新 規 開 発 制御ソフトウェア 運行データ走行データ 作業データ 制御 制御 制御 遠隔からの保守点検・修理、自律化機能による自己点検や修復、ソフトウェア更新による機能・性能・操作性の改善 インターネット
- 123. 使 用 の現場 センサー コンピュータ ソフトウエア モノ・製品 モノのサービス化の本質 ものづくり の現場 開 発 製 造 保守 サポート ソフトウェア 改修・更新 インターネット 直 結 ・ 連 係
- 124. ビジネス価値の進化 コア・ビジネス 既存ビジネス 蓄積されたノウハウ 確実な顧客ベース 付加価値ビジネス 収益構造の多様化 既存ノウハウの活用 顧客ベースの囲い込み 新規ビジネス 顧客価値の拡大 ノウハウの創出 顧客ベースの拡大 製造・販売製造・販売 製造・販売 走行距離に応じた 従量課金サービス Pay by Mile 出力×時間に応じた 従量課金サービス Pay by Power 工事施工 自動化サービス Smart Constriction 建設機械 遠隔確認サービス KOMTRAX 安全・省エネ運転 コンサルティング 予防保守・交換 燃料費節約 コンサルティング 予防保守・交換
- 125. モノのサービス化 TOYOTA MaaS / e-Palette Concept KOMATSU SMART construction 土木工事における作業の自動化と高度化を実現す ることに加え、前後工程も効率化して、工期の短 縮に貢献できるパッケージ化したサービス 移動、物流、物販など多目的に活用できるモビリ ティサービス（MaaS）と、これを実現する専用 次世代電気自動車（EV） モノを売り収益を得るビジネス。サービスはモノ売りビジネスを支援する手段 サービスを提供し収益を得るビジネス。モノはサービスを実現なする手段
- 126. MaaS（Mobility as a Service） 126 電車 タクシー バス レンタカー自家用車 配車サービス カーシェア 自転車シェア 電車 タクシー バス レンタカー自家用車 配車サービス カーシェア 自転車シェア MaaS 経路検索 支払 予約 配車手配 現 在 MaaS あなたのポケットに全ての交通を個人で所有・個別に手配 手段の提供：マイカーの所有や個別の手配･予約ではできない最適化された「移動体験」提供 価値の実現：マイカー利用を減らし環境負荷の低減や移動の利便性・効率化を実現
- 127. MaaSのレベル定義 127 スウェーデン・チャルマース大学の定義 社会全体目標の統合 Integration of social social スマートシティーのような上位の政策目標に統合された移動 手段を実現するサービスを提供 提供するサービスの統合 Integration of the service offer 予約や決済に加えて、サービス独自の料金体系を持ち、異な る移動手段をシームレスにつなぐサービスを提供 予約と支払いの統合 Integration of booking and payment 異なる移動手段をまとめて検索でき、予約や手配も行うこと ができる統合サービスを提供 情報の統合 Integration of information 異なる交通手段の情報を統合して提供 統合ない No integration 事業者個別に移動手段や附帯するサービスを提供 レベル 4 レベル 3 レベル 2 レベル 1 レベル 0 個別の交通事業者が提供する移動手段やカー シェア、自転車シェアなどのサービス Google Map、NAVI TIME、乗り換え案内 Citymapper、シアトルのTripGo、などによ るルートや所要時間、料金の検索など ダイムラーのMoovel、ロサンジェルスのGo LAなど フィンランドのWhim、スイスのGreen Classなど 該当するサービスがない MaaSに相当するサービス
- 128. これからのビジネスの方向 価値 モノ モノ 価値価値 モノ プロダクト価値を買う モノを手段として使う モノを買う 価値が提供される デジタルテクノロジーを駆使 継続的な顧客との関係を維持 顧客の体験を進化させ続ける モノ自体の機能と性能を極め 使いこなすための支援を継続 顧客体験をモノに合せ最適化 価値＝サービス体験に対価を払う モノ＝機能や性能に対価を払う
- 130. インダストリー4.0（第4次産業革命）とERP 130 第１次産業革命 Industry 1.0 第２次産業革命 Industry 2.0 第３次産業革命 Industry 3.0 第４次産業革命 Industry 4.0 機械化 効率化 自動化 最適化 水力・蒸気機関 手仕事から機械を利用 電力・科学的管理 統計的手法と電気による制御 コンピュータ 労働力を機械に置き換え デジタル 生産性を維持し個別最適 製造業 製造業 製造業 製造業 ＋ 非製造業 18世紀後半 20世紀前半 1970年代以降 2015年代以降 科学的管理 ERP 情報の一元管理と連係 前工程 生産 後工程 デジタル 社内外を含めたデジタル連係 自 動 化 自 動 化 自 動 化 自 動 化 自 動 化 第２.5次産業革命 Industry 2.5
- 131. IoTと通信
- 132. コレ１枚でわかる第５世代通信 1G 2G 3G 4G 高速・大容量データ通信 10G〜20Gbpsのピークレート どこでも100Mbps程度 大量端末の接続 現在の100倍の端末数 省電力性能 超低遅延・超高信頼性 1m秒以下 確実な通信の信頼性担保 5G 音声 テキスト データ 動画 IoT 多様なサービスへの適用を可能にする 異なる要件のすべてを1つのネットワークで実現する。 各要件をに応じてネットワークを仮想的に分離して提供する（ネットワーク・スライシング）。 1984年〜 1994年〜 2001年〜 2010年〜 2020年代〜
- 133. 5Gの3つの特徴 先送り 高速・大容量 大量端末接続 超低遅延・高信頼性 100万台/k㎡ 1ミリ秒 20Gビット/秒 1Gビット/秒 10万台/k㎡ 10ミリ秒 20 倍 当面はLPWA 5G 4G
- 134. 第５世代通信のインパクト 134 5G4G3G2G1G 音声 テキスト データ 動画 時空間 同時コミュニケーション 非同期コミュニケーション 同時体験共有 高解像度動画／大量データを低遅延で共有
- 135. 5Gの適用範囲 高速・大容量データ通信 10G〜20Gbpsのピークレート どこでも100Mbps程度 大量端末の接続 現在の100倍の端末数 省電力性能 超低遅延・超高信頼性 1m秒以下 確実な通信の信頼性担保 5G 多様なサービスへの適用を可能にする 異なる要件のすべてを1つのネットワークで実現する。 各要件をに応じてネットワークを仮想的に分離して提供する（ネットワーク・スライシング）。 2020年代〜 ２時間の映画を ３秒でダウンロード ロボット等の 精緻な遠隔操作を リアルタイムで実現 自宅内の約100個のモノ がネットに接続 (現行技術では数個) 現在の移動通信システムより 100倍速いブロードバンドサー ビスを提供 利用者がタイムラグを意識 することなく、リアルタイ ムに遠隔地のロボット等を 操作・制御 スマホ、PCをはじめ、身の 回りのあらゆる機器がネッ トに接続
- 137. 第５世代通信におけるネットワーク・スライス 高速・大容量データ通信 大量端末の接続 超低遅延・超高信頼性 5G ネットワーク・スライシング SIM SIM SIM 閉域網 閉域網 閉域網 SIM SIM SIM(subscriber identity moduleもしくはsubscriber identification module/SIMカード)とは、電話番号を特定するための固有のID番号が記録された、 携帯やスマートフォンが通信するために必要なICカードのこと。
- 138. LPWA(Low Power Wide Area)ネットワークとは 低 速 最大数十キロbps 低消費電力 規定の電池容量で数ヶ月から数年使用可 広域通信 基地局から数キロから数十キロをカバー 低コスト @10円/月程度からの使用料 利点 制約
- 139. LPWA(Low Power Wide Area)ネットワークの位置付 け 139 0.01 1 10 100 Mbps km以上 100m 1m 10m LPWA SIGFOX LoRaWAN NB-IoT 無線LAN(Wi-Fi) Bluetooth Wi-SUN ZigBee Z-Wave NFC 4G/LTE 高消費電力低消費電力 データ転送速度 通信距離 http://businessnetwork.jp/Detail/tabid/65/artid/5106/Default.aspx
- 140. LPWAネットワークの位置付け SIGFOX 上り：100bps 下り：600bps 料金：100円〜/年 LoRaWAN 上り：3kbps 下り：3kbps 料金：360円〜/年 NB-IoT 上り：27kbps 下り：63kbps 料金：10〜300円/月 通 信 料 金 回線速度 http://businessnetwork.jp/Detail/tabid/65/artid/5106/Default.aspx ＊利用する月間データ量による
- 141. LPWA主要3方式の比較 920MHz帯 125kHz キャリア事業者 の通信網 LTEと同帯域 200kHz 920MHz帯 100Hz オープン仕様 免許不要 携帯電話 国際標準 免許要 仏SIGFOX社 独自仕様 免許不要 0.3〜50kbps 0.3〜50kbps 27kbps 63kbps 100bps 600bps 数km 〜数十km 最大40km 最大数十km 周波数帯 周波数幅 仕 様 免 許 通信速度（上） 通信速度（下） 通信距離 （半径） LoRaWAN NB-IoT （LTE Cat-NB1） SIGFOX ゲートウェイ 基地局 基地局 ネットワークサーバー クラウド・サービス アプリ・サーバー アプリ・サーバー アプリ・サーバー モノ/デバイス モノ/デバイス モノ/デバイス 3G ：下り最大14.4Mbps /上り最大5.76Mbps LTE ：下り最大 150Mbps /上り最大 50Mbps
- 145. AIとは何か
- 146. 判断／決定 「情報」を意味する3つの英単語の違い 様々なデータ・ソースから生 成される数字や記号など Dataを目的に応じて基 準を与え、分類・構造化 し、報告や検討しやすく 整理したもの Informationに内在する ルールや法則などの関係 を考察し、価値評価を加 えたもの Intelligenceによって示 された価値評価に基づき 判断し意志決定を行なう 情 報 data information intelligence 素材 整理 価値 decision データ･ソース 抽出・変換 分析･考察
- 150. 「東ロボくん」の実力と代替可能な職業 150 国公立大学 172校 内 23校 30学部 53学科 合否判定80%以上 私立大学 584校 内512校 1343学部 2993学科 合否判定80%以上 MARCH /関関同立の学科を含む
- 151. 「人工知能」と言われるものの４つのレベル 151 単純制御：指示されたことをそまま行う 予め定められたルールに従い制御する（人工知能搭載○○）。 気温が上がるとスイッチを切るエアコン 洗濯物の重さで洗濯時間を自動的に変更する洗濯機 ひげの伸び具合で剃り方を変える電気シェーバーなど ルールベース：指示されたことを自ら考えて実行する 外の世界を観測することによって振る舞いを変える。 振る舞いの種類・パターンを増やすため、予め多数のルールを用意しておく。 「駒がこの場所にあるときは、こう動かすのがいい」といった予め決められたルールに従って、 これからの打ち手を探索して打つことができる囲碁や将棋のシステム 与えられた知識ベースに従って、検査の結果から診断内容や処方する薬を決めて出力する医療診断システム 機械学習：着眼点は人間が教え、対応パターンを自動的に学習する 人間があらかじめルールを細かく決めて組み込んでおかなくても、 大量のデータから対応パターンを自ら見つけ出す。 ただし学習のための着眼点（特徴量）は人間が設計。 「駒がこの場所にあるときは、こう動かすのがいい」ということを設定しておかなくても、 対戦を繰り返すことでコンピュータ自身が自分で学習する将棋や囲碁のシステム 診断データや生体データを多数読み込み、ある病気とある病気に相関があるということを自分で学ぶ医療診断システム 深層学習：着眼点を人間が教えずに、対応パターンを自動的に学習する 学習に使う変数（着眼点／特徴量）を自分で学習して見つけ、 対応のパターンを見つけ出す。 一連の症状が患者の血糖異常を表していて、複数の病気の原因になっているようだ、 ということを自分で見つけ出すことができる医療診断システム 状況に応じて、最適な判断をおこなう自動運転の自動車 レ ベ ル １ レ ベ ル ２ レ ベ ル ３ レ ベ ル ４
- 152. 各時代のAI（人工知能）と呼ばれるもの ルールとゴールが決められているゲームの中 で、コンピュータがなるべくゴールにたどり つけるように選択肢を選んでいくもの。 できること： パズルや迷路を解く 数学の定理を証明する チェスを指す など トイプロブレムから脱却し、現実の問題を解 くために専門家（エキスパート）の知識をコ ンピュータに移植することで現実の複雑な問 題を解かせようとするもの。 できること： 患者の症状から病名を特定する 起こっている現象から、機械の故障を診断する 患者の症状から、細菌感染の診断をする 人間がルールを与えるのではなく、データを 分析することで、そこに含まれるパターンを 見つけ出し、機械にルールを獲得させるもの。 できること： 画像を認識して分類する 自然な表現の文章に翻訳する CTやレントゲン写真から癌の病巣を発見する 推論と探索 ルールベースと エキスパートシステム ディープ・ラーニング を含む統計的機械学習 第一次AIブーム 第二次AIブーム 第三次AIブーム 1960年代 1980年代 2010年代 帰納法：事実や事例（データ）から導き出される傾向から結論を導く方法 演繹法：人間の経験や観察による一般的かつ普遍的な事実から結論を導く方法 ルールとゴールが厳密に決まっ ていることが前提。ルールが記 述しきれず、ルールやゴールが 曖昧である現実世界では役にた たない（トイプロブレム／おも ちゃの問題）。 ルールとして教え込まなければ ならないし、互いに矛盾する ルールも出てくると処理できな い。また、教えていない例外的 な事例が出てくると対処できな い。 画像処理、音声認識、証券取引 といった用途ごとに特化した技 術が現状。人間の知能のように 汎用的で、意識や心も宿すよう な技術ではない。
- 153. 統計と機械学習の違い 統計 Statics 機械学習 Machine Learning 記述統計 Descriptive Statistics 推測統計 Inferential Statistics 得られたデータの特徴や傾 向をわかりやすく表現する 一部のデータからそのデー タを含む全体の特徴を推測 する 収集したデータの統計量 （平均や分散など）を計算 してデータの示す傾向や性 質を知る 採取したデータ（標本やサ ンプルとも呼ぶ）から母集 団（全体のこと）の性質を 推測 人間が、データから規則・ルール・傾向を発見し、説明 することを支援する 予測 Prediction 分類・識別・判断 Classification/Identification/Decision 学習されたモデルから将来 を予測する 学習それたモデルから分 類・識別・判断を行う 学習のためのデータを計算 することで、予測のための モデル（推論モデル）を生 成する 学習のためのデータを計算 することで、分類・識別・ 判断のためのモデル（推論 モデル）を生成する 機械（ソフトウェア）が、データから規則・ルー ル・傾向を発見し、予測・識別・判断を自動化する
- 156. 機械学習がやっていること モデル レントゲン写真から 「癌」の病巣を 識別するルール 入力 出力 癌 データ分析で ルールを作る 機械学習 癌の病巣が写っている 大量のレントゲン写真 ある患者のレントゲン写真 「癌」の病巣を表示 レントゲン写真から 「癌」の病巣を見つける「モデル」
- 162. コンビニのレジは ”No Checkout”へ 手順が決まった仕事は機械に置き換わる 162 銀行の窓口業務は ATMへ 駅の有人改札は 自動改札へ 単純 複雑 手順の決まった仕事は 機械に置き換わる
- 166. 人工知能と機械学習と ディープラーニング