Mobility Technologiesのデータ分析基盤・データ利活用事例のご紹介

Mobility Technologies Co., Ltd.
データ分析基盤・データ利活用事例のご紹介
2020/12/8
株式会社Mobility Technologies
AI技術開発部鳩英嗣
プロダクトマネジメント部千種純一郎

Mobility Technologies Co., Ltd.2
1 当社ご紹介
Agenda
2 データ収集方式
3　Looker運用事例

鳩英嗣（はとひでつぐ）
おしごと歴
● 客先常駐でインフラ構築・保守業務に従事
● 直近はデータ分析基盤の保守運用
○ より広い領域でデータエンジニアリングに携わりたくなる
● データ利活用進んでいるMobility Technologiesにデータエンジニアとして
ジョイン（←イマココ）
自己紹介
3

当社ご紹介
4
01

Mobility Technologies社のご紹介
5
タクシー
（基点）
交通
社会
事
業
領
域
の
拡
が
り
事業領域実現したい姿
社会課題への取り組み
交通課題の解決
タクシー産業の課題解決
「移動で人を幸せに。」
タクシーを起点に交通課題・社会課題に取り組んでいく

Mobility Technologiesの事業ご紹介
6
1.　配車関連事業
2.　広告決済事業
3.　乗務員向け
　　ソリューション事業
4.　DRIVE CHART
　　・ドラレコ事業　
5.　次世代向けR&D事業

出資受けました
7
■ 2020年の資金調達額は最大266億円
■ 国内スタートアップ想定時価総額ランキング 8位

データ収集方式
8
02

保有データ
● 配車アプリ注文ログ
● 決済サービス利用ログ
● タクシー車両位置情報・状態データ
データ利活用
● アドホック分析
● BIレポート作成、定期配信
● サービスへの貢献
○ タクシー到着時間予測
○ 「希望日時配車」・「優先パス」(NEW!!)
保有データとデータ利活用
9

データパイプライン外観
10
AWS
Amazon Kinesis
Data Streams
AWS Lambda
Azure
GCP
BigQuery
WebAPI実行
車両データ
各プロダクト
DB
JapanTaxi
アプリDB
Cloud Composer
ワークフロー
エンジン
マート作成
DataTransfer
レポート配信

データ収集方式 1/3
11
AWS
Amazon Kinesis
Data Streams
AWS Lambda
Azure
GCP
BigQuery
WebAPI実行
車両データ
各プロダクト
DB
JapanTaxi
アプリDB
Cloud Composer
ワークフロー
エンジン
マート作成
DataTransfer
レポート配信
GCPの仕組みで
そのままデータ収集

12
AWS
Amazon Kinesis
Data Streams
AWS Lambda
Azure
GCP
BigQuery
WebAPI実行
車両データ
各プロダクト
DB
JapanTaxi
アプリDB
Cloud Composer
ワークフロー
エンジン
マート作成
DataTransfer
レポート配信
リアルタイムでデータ量が多いデータ収集
→ スクラッチ実装

13
AWS
Amazon Kinesis
Data Streams
AWS Lambda
Azure
GCP
BigQuery
WebAPI実行
車両データ
各プロダクト
DB
JapanTaxi
アプリDB
Cloud Composer
ワークフロー
エンジン
マート作成
DataTransfer
レポート配信
SQLでのデータ収集
→ ETL製品を利用

● システム管理運用コストを抑えたい
○ マネージドな製品であること
○ マルチクラウド環境な取得元のデータ収集を単一の製品で実現出来
ること
● 新規データ収集をクイックに実現出来ること
● 学習コストが低いこと
○ SQLが書けさえすればエンジニアでなくてもETLが組めるレベル
ETL製品でtroccoを選んだ理由
14

● 元々Embulkに馴染みがありスムーズに移行出来た
● サポートが手厚い
○ 問い合わせへの回答スピード速
○ Embulkプラグイン迅速な追加
○ 当社の要件に合わせて一緒に機能拡張の検討してくれる
troccoを使ってみて感じていること
15

Looker運用事例
16
03

名前: 千種　純一郎
前職: 客先常駐で広告データの分析
現職: 2019年8月にJapanTaxi
(現: Mobility Technologies)に入社
データアナリスト
趣味: 野球観戦
自己紹介
17

● レポートしている内容
○ 事業KPIに関わる数字
○ 異常検知のモニタリング
● レポートを見ている人
○ 事業に関わるチーム
○ 経営陣
レポートしている内容と見ている人
18
レポートが出ていないと会長から即レス

Lookerを導入した理由

1 KPIを始めとする各種指標の算出定義を統一
導入理由 2 ダッシュボードの変更履歴管理
3 BIツール単体でのslack配信

LookMLによりダッシュボード毎で指標の算出定義が違う問題を解消
1 KPIを始めとする各種指標の算出定義を統一
BQ
A
B
以前のBIツール
(人によって定義がバラバラに)
ダッシュ
ボード1
ダッシュ
ボード2
Looker
(LookMLで定義を統一)
BQ
B
ダッシュボー
ド1
ダッシュボー
ド2
A
LookML

ダッシュボードの変更をGit管理することで解消
2 ダッシュボードの変更履歴管理
⇒ 1ヶ月に1回、ダッシュボードをjsonに変換したもの
のバックアップを取っている

3 BIツール単体でのslack配信
以前のBIツール Looker
Looker単体でslack配信することが可能
BIツール別の配信
ツール
Slack Looker Slack

ただ、Lookerにして
出来なくなったこともあります

レポート再配信機能
⇒ Lookerは豊富なAPIを提供していて、工夫次第で柔軟な運用ができるため
レポートの配信エラーが出た際の再送信を出来る仕組みを自前で構築
詳細: https://lab.mo-t.com/blog/looker-scheduled-reporting
Lookerにして出来なくなったこと

ノウハウを共有する工夫
⇒ LookML Best Practicesを元に自分たちの環境にあったお作法に編集
LookML Best Practices:
https://community.looker.com/lookml-5/lookml-best-practices-1636
全社での利活用を目指して

Looker Viewer
⇒ 内製BIツールに慣れたユーザーの体験を維持しLookerへの移行を行うために開発
全社での利活用を目指して

■ Looker導入理由
■ KPIを始めとする各種指標の算出定義を統一
■ ダッシュボードの変更履歴管理
■ BIツール単体でslack配信
■ Lookerにして出来なくなったこと
■ レポート再送信機能 ⇒ 自前で作ることで機能を補う
■ 全社での利活用を目指して
■ ノウハウを共有する工夫
■ Looker Viewer
まとめ

一緒に働きましょう！！

confidential
文章·画像等の内容の無断転載及び複製等の行為はご遠慮ください。
30

Mobility Technologiesのデータ分析基盤・データ利活用事例のご紹介

Empfohlen

Empfohlen

Weitere ähnliche Inhalte

Was ist angesagt?

Was ist angesagt? (20)

Ähnlich wie Mobility Technologiesのデータ分析基盤・データ利活用事例のご紹介

Ähnlich wie Mobility Technologiesのデータ分析基盤・データ利活用事例のご紹介 (20)

Mobility Technologiesのデータ分析基盤・データ利活用事例のご紹介