Submit Search
Upload
やはりデータ設計は大切です 藤原紀章
•
Download as PPTX, PDF
•
3 likes
•
1,524 views
Noriaki Fujiwara
Follow
data management,modeling,EA
Read less
Read more
Software
Report
Share
Report
Share
1 of 27
Download now
Recommended
データ処理の改善をどのように行なうか
データ処理の改善をどのように行なうか
Ken SASAKI
Microsoft AI と深層学習
Microsoft AI と深層学習
Shohei Nagata
ビジネスオントロジー
ビジネスオントロジー
Noriaki Fujiwara
トランザクションバンキング(公開用)
トランザクションバンキング(公開用)
Noriaki Fujiwara
人前でアガらない自己紹介
人前でアガらない自己紹介
ashizawa1 Ashizawa
やはりデータ設計は大切です 藤原紀章
やはりデータ設計は大切です 藤原紀章
Noriaki Fujiwara
カスタマーサクセスのためのデータ整備人の活動記録
カスタマーサクセスのためのデータ整備人の活動記録
syou6162
Unityでつくるデジタルサイネージ
Unityでつくるデジタルサイネージ
Nohina Hidenari
Recommended
データ処理の改善をどのように行なうか
データ処理の改善をどのように行なうか
Ken SASAKI
Microsoft AI と深層学習
Microsoft AI と深層学習
Shohei Nagata
ビジネスオントロジー
ビジネスオントロジー
Noriaki Fujiwara
トランザクションバンキング(公開用)
トランザクションバンキング(公開用)
Noriaki Fujiwara
人前でアガらない自己紹介
人前でアガらない自己紹介
ashizawa1 Ashizawa
やはりデータ設計は大切です 藤原紀章
やはりデータ設計は大切です 藤原紀章
Noriaki Fujiwara
カスタマーサクセスのためのデータ整備人の活動記録
カスタマーサクセスのためのデータ整備人の活動記録
syou6162
Unityでつくるデジタルサイネージ
Unityでつくるデジタルサイネージ
Nohina Hidenari
来栖川電算の技術紹介
来栖川電算の技術紹介
陽平 山口
【17-C-4】「Axure RPによる画面プロトタイプを活用した要件定義の改善:野村総合研究所、NTTデータの事例紹介」松永充弘氏
【17-C-4】「Axure RPによる画面プロトタイプを活用した要件定義の改善:野村総合研究所、NTTデータの事例紹介」松永充弘氏
Developers Summit
Open Cloud Innovation2016 day1(これからのデータ分析者とエンジニアに必要なdatascienceexperienceツールと...
Open Cloud Innovation2016 day1(これからのデータ分析者とエンジニアに必要なdatascienceexperienceツールと...
Atsushi Tsuchiya
データ分析基盤、どう作る?システム設計のポイント、教えます - Developers.IO 2019 (20191101)
データ分析基盤、どう作る?システム設計のポイント、教えます - Developers.IO 2019 (20191101)
Yosuke Katsuki
No codecamp weekly_output adalo database_20201112
No codecamp weekly_output adalo database_20201112
翼 宮崎
ITエンジニアのためのAI基礎2020
ITエンジニアのためのAI基礎2020
Keisuke Tameyasu
2014/06/13 若手Webエンジニア交流会発表資料「博士課程の新卒エンジニアがデータ分析環境を作った話」
2014/06/13 若手Webエンジニア交流会発表資料「博士課程の新卒エンジニアがデータ分析環境を作った話」
圭輔 大曽根
機械学習システム開発案件の事例紹介
機械学習システム開発案件の事例紹介
BrainPad Inc.
20181206 Jazug DataScience TeamBuilding and DevOps
20181206 Jazug DataScience TeamBuilding and DevOps
Yukako Shimizu
データバインディング徹底攻略
データバインディング徹底攻略
Hiroyuki Mori
機械学習に取り組んでいる企業の紹介
機械学習に取り組んでいる企業の紹介
Kazuma Kadomae
チケット駆動開発の解説~タスク管理からプロセス改善へ
チケット駆動開発の解説~タスク管理からプロセス改善へ
akipii Oga
「俺の背中について来い」アジャイルチームを一気に立ち上げる方法
「俺の背中について来い」アジャイルチームを一気に立ち上げる方法
Hiromasa Oka
第79回 Machine Learning 15minutes ! 生成AIをエンタープライズで活用するWatsonx.aiの紹介
第79回 Machine Learning 15minutes ! 生成AIをエンタープライズで活用するWatsonx.aiの紹介
Tsuyoshi Hirayama
PCCC21:株式会社日立製作所 「研究開発力向上のための研究DXソリューション」
PCCC21:株式会社日立製作所 「研究開発力向上のための研究DXソリューション」
PC Cluster Consortium
MOV お客さま探索ナビの GCP ML開発フローについて
MOV お客さま探索ナビの GCP ML開発フローについて
DeNA
MOV お客さま探索ナビの GCP ML開発フローについて
MOV お客さま探索ナビの GCP ML開発フローについて
Takashi Suzuki
EXE #3: AIを協力して作成するDapp
EXE #3: AIを協力して作成するDapp
blockchainexe
デスクトップエンジニアという働き方
デスクトップエンジニアという働き方
Hiroshi Oyamada
SDGC2018報告「ネットビジネスとサービスデザイン」
SDGC2018報告「ネットビジネスとサービスデザイン」
Nozomu Tannaka
More Related Content
Similar to やはりデータ設計は大切です 藤原紀章
来栖川電算の技術紹介
来栖川電算の技術紹介
陽平 山口
【17-C-4】「Axure RPによる画面プロトタイプを活用した要件定義の改善:野村総合研究所、NTTデータの事例紹介」松永充弘氏
【17-C-4】「Axure RPによる画面プロトタイプを活用した要件定義の改善:野村総合研究所、NTTデータの事例紹介」松永充弘氏
Developers Summit
Open Cloud Innovation2016 day1(これからのデータ分析者とエンジニアに必要なdatascienceexperienceツールと...
Open Cloud Innovation2016 day1(これからのデータ分析者とエンジニアに必要なdatascienceexperienceツールと...
Atsushi Tsuchiya
データ分析基盤、どう作る?システム設計のポイント、教えます - Developers.IO 2019 (20191101)
データ分析基盤、どう作る?システム設計のポイント、教えます - Developers.IO 2019 (20191101)
Yosuke Katsuki
No codecamp weekly_output adalo database_20201112
No codecamp weekly_output adalo database_20201112
翼 宮崎
ITエンジニアのためのAI基礎2020
ITエンジニアのためのAI基礎2020
Keisuke Tameyasu
2014/06/13 若手Webエンジニア交流会発表資料「博士課程の新卒エンジニアがデータ分析環境を作った話」
2014/06/13 若手Webエンジニア交流会発表資料「博士課程の新卒エンジニアがデータ分析環境を作った話」
圭輔 大曽根
機械学習システム開発案件の事例紹介
機械学習システム開発案件の事例紹介
BrainPad Inc.
20181206 Jazug DataScience TeamBuilding and DevOps
20181206 Jazug DataScience TeamBuilding and DevOps
Yukako Shimizu
データバインディング徹底攻略
データバインディング徹底攻略
Hiroyuki Mori
機械学習に取り組んでいる企業の紹介
機械学習に取り組んでいる企業の紹介
Kazuma Kadomae
チケット駆動開発の解説~タスク管理からプロセス改善へ
チケット駆動開発の解説~タスク管理からプロセス改善へ
akipii Oga
「俺の背中について来い」アジャイルチームを一気に立ち上げる方法
「俺の背中について来い」アジャイルチームを一気に立ち上げる方法
Hiromasa Oka
第79回 Machine Learning 15minutes ! 生成AIをエンタープライズで活用するWatsonx.aiの紹介
第79回 Machine Learning 15minutes ! 生成AIをエンタープライズで活用するWatsonx.aiの紹介
Tsuyoshi Hirayama
PCCC21:株式会社日立製作所 「研究開発力向上のための研究DXソリューション」
PCCC21:株式会社日立製作所 「研究開発力向上のための研究DXソリューション」
PC Cluster Consortium
MOV お客さま探索ナビの GCP ML開発フローについて
MOV お客さま探索ナビの GCP ML開発フローについて
DeNA
MOV お客さま探索ナビの GCP ML開発フローについて
MOV お客さま探索ナビの GCP ML開発フローについて
Takashi Suzuki
EXE #3: AIを協力して作成するDapp
EXE #3: AIを協力して作成するDapp
blockchainexe
デスクトップエンジニアという働き方
デスクトップエンジニアという働き方
Hiroshi Oyamada
SDGC2018報告「ネットビジネスとサービスデザイン」
SDGC2018報告「ネットビジネスとサービスデザイン」
Nozomu Tannaka
Similar to やはりデータ設計は大切です 藤原紀章
(20)
来栖川電算の技術紹介
来栖川電算の技術紹介
【17-C-4】「Axure RPによる画面プロトタイプを活用した要件定義の改善:野村総合研究所、NTTデータの事例紹介」松永充弘氏
【17-C-4】「Axure RPによる画面プロトタイプを活用した要件定義の改善:野村総合研究所、NTTデータの事例紹介」松永充弘氏
Open Cloud Innovation2016 day1(これからのデータ分析者とエンジニアに必要なdatascienceexperienceツールと...
Open Cloud Innovation2016 day1(これからのデータ分析者とエンジニアに必要なdatascienceexperienceツールと...
データ分析基盤、どう作る?システム設計のポイント、教えます - Developers.IO 2019 (20191101)
データ分析基盤、どう作る?システム設計のポイント、教えます - Developers.IO 2019 (20191101)
No codecamp weekly_output adalo database_20201112
No codecamp weekly_output adalo database_20201112
ITエンジニアのためのAI基礎2020
ITエンジニアのためのAI基礎2020
2014/06/13 若手Webエンジニア交流会発表資料「博士課程の新卒エンジニアがデータ分析環境を作った話」
2014/06/13 若手Webエンジニア交流会発表資料「博士課程の新卒エンジニアがデータ分析環境を作った話」
機械学習システム開発案件の事例紹介
機械学習システム開発案件の事例紹介
20181206 Jazug DataScience TeamBuilding and DevOps
20181206 Jazug DataScience TeamBuilding and DevOps
データバインディング徹底攻略
データバインディング徹底攻略
機械学習に取り組んでいる企業の紹介
機械学習に取り組んでいる企業の紹介
チケット駆動開発の解説~タスク管理からプロセス改善へ
チケット駆動開発の解説~タスク管理からプロセス改善へ
「俺の背中について来い」アジャイルチームを一気に立ち上げる方法
「俺の背中について来い」アジャイルチームを一気に立ち上げる方法
第79回 Machine Learning 15minutes ! 生成AIをエンタープライズで活用するWatsonx.aiの紹介
第79回 Machine Learning 15minutes ! 生成AIをエンタープライズで活用するWatsonx.aiの紹介
PCCC21:株式会社日立製作所 「研究開発力向上のための研究DXソリューション」
PCCC21:株式会社日立製作所 「研究開発力向上のための研究DXソリューション」
MOV お客さま探索ナビの GCP ML開発フローについて
MOV お客さま探索ナビの GCP ML開発フローについて
MOV お客さま探索ナビの GCP ML開発フローについて
MOV お客さま探索ナビの GCP ML開発フローについて
EXE #3: AIを協力して作成するDapp
EXE #3: AIを協力して作成するDapp
デスクトップエンジニアという働き方
デスクトップエンジニアという働き方
SDGC2018報告「ネットビジネスとサービスデザイン」
SDGC2018報告「ネットビジネスとサービスデザイン」
やはりデータ設計は大切です 藤原紀章
1.
DBエンジニアのための技術勉強会 「やはりデータ設計は大切です」 藤原紀章
2.
本日の講演骨子 情報システムの付加価値とデータ設計 データ設計の設計目標 データモデルについての概説 データ設計の実際 要件定義工程 設計工程 総括 2
3.
自己紹介 氏名:藤原紀章(ふじわら のりあき) 学歴:関西学院大学 商学部
卒業 職歴: 信託銀行 営業店、システム部 システムインテグレータ アプリケーションSE、PL DOAコンサルティング会社 DOAコンサルタント 海外パッケージ導入コンサルタント システムインテグレータ PM 趣味:フルートを吹く 3
4.
私とデータ設計 「データフロー図自体は、単にシステムを写し 取ったものにすぎないので、直接的な成果と は認められ難いからである。」 堀内一、『データ中心システム設計』、1988、オーム社 より 4
5.
情報システムが付加価値を生む仕組み 情報システムを単純なモデルで考察する。 このモデルが示唆することは、 『情報システムによる価値実現は、 データおよびプロセス設計の巧拙による』、と言える。 記録 蓄積 情報の 生産 【情報システムの価値実現モデル】
そうだったのか!! データ プロセス 事実 情報の 再利用 編集 価値の 実現 5
6.
価値実現のイネーブラー 情報システムの価値実現過程を「情報連鎖」という。 その場合、「蓄積」と「再利用」が生み出す付加価値を左右する。
連鎖をつなぐ「蓄積」 利用者にサービスを提供する「再利用」 記録 蓄積 情報の 生産 そうだったのか!! Data Process 事実 情報の 再利用 編集 価値の 実現 【情報連鎖を実現するもの(イネーブラー)】 6
7.
データ設計の設計目標 業務忠実 ユーザ業務、要求事項を忠実に理解し、 データ構造に表現すること。 「忠実な理解」とは、業務の目的、存在意義、 意味を含む。 データ品質 質の良いデータ構造を作成すること。 質とは、「業務忠実」を検証しやすいこと。 7
8.
「業務忠実」を考察する マスタ イベント 集約 情報 資源 投入 分析 営業・生産・財務活動 評価・統制 ・・・
データ ・・・ 事業活動 「事業・データ生産モデル」で考える。 【事業・データ生産モデル】 8
9.
「事業・データ生産モデル」の考察 事業の流れに沿っている →業務の組み立て順に開発工程が設計できる。 単純、判りやすい →関心の共有。 問題が具体化しやすい。 →事業課題をデータ項目まで構造化出来る 「あるべき姿」を提供できる。 →具体化してこそ、理想は達成できる。 9
10.
例えばこんな課題については? グループ企業内事業統合をする ①場所 拠点の統合効果 ②取引相手 与信管理の一元化 ③商品・部品
SCM、集中購買によるコストカット ④銀行口座 資金管理、内部統制の厳格化 ⑤各種コード 勘定科目の統一、仕事の標準化 グループ統合マスタの「あるべき姿」を定義 イベント、集計情報へ展開 10
11.
具体化すると? ①場所 場所を表すコードが統一されていない。 ②取引相手 取引先、支店、法人、グループが システムごとに持ち方が違う。 ③商品・部品
同じ商品、部品に複数のコード。 ④銀行口座 口座番号を一元管理していない。 ⑤各種コード 勘定科目が不統一、意味が違う。 多重意味定義な区分が多い。 事業統合したいのだが。。。。 課題をデータ項目に具体化出来る。 11
12.
「業務忠実」ってレビュー出来るの? マスタ ①範囲 なにをマスタにするか? ②粒度 1レコードが指示す範囲は適切か? イベント ③完全
正しく事実を捉えているか? ④存在 その場面で発生して良いか? 集計データ ⑤適合 意思決定に資するか? ⑥正確 偏向がない、再現性があるか? 【事業・データ生産モデルから導出されるデータ品質基準】 12
13.
データモデルの一般構造 タイプリソース オカレンスリソース イベント 要約 在庫 断面 1:Nの関係 【椿のエンティティ類型(1997年)によるデータモデルの一般構造】 【記号の説明】 13
14.
椿のエンティティ類型の功績 タイプリソース オカレンスリソース イベント 要約 在庫 断面 1:Nの関係 【記号の説明】 ①データ発生順序を提示した 作業展開するにあたり上記順序で検討する14
15.
タイプリソース オカレンスリソース イベント 要約 在庫 断面 1:Nの関係 【記号の説明】 椿のエンティティ類型の功績 ②「タイプリソース」の発見 ビジネルルールを可視化した15
16.
データ設計の実際(要件定義) 要件定義工程のポイント 現行分析は「必ず」行う。
データ設計を行う。 凝った業務フローは作らない。 「用語」の意味定義を行う。 16
17.
要件定義工程 作業展開例 素材収集 現行IPF 作成 現行 部分図 作成 現行 統合図 作成新規IPF 作成 新規 統合図 作成 【再構築プロジェクトの例】
IPF:インフォメーション・プロセス・フロー(椿、2005) 部分図:1つの業務画面、帳票のデータ構造を図示したもの。 統合図:システム化範囲すべてのデータ構造を図示したもの。 データ 定義書 作成 データ設計の実際(要件定義) 17
18.
IPFの紹介(椿、2005) データ設計の実際(要件定義) 18 【証券取引の例】 「処理」を書かない。 用紙は横向きがお勧め。
19.
データ設計の実際(要件定義) よくある 「業務フロー」 は使えない 19 【よくある「業務フロー」】 受注
出荷 売上計上 電話 注文 受注 伝票 請求書 納品書 損益 仕訳 受注 出荷 売上計上 【IPF】 無駄な分析をしなくていい。 客観的で標準化可能。
20.
データ設計の実際(要件定義) データ設計はKJ法と同じ発想で行う。 業務入出力 (具体的な事実) 画面 帳票 20 モデル化 部分図A モデル化 部分図B 統合図 統合 ※KJ法とは川喜田二郎氏が提唱した知的生産方法。 川喜田二郎、「発想法」、中公文庫、1967
21.
データ設計の実際(設計) 設計工程のポイント 「意味論的ドメイン設計」を行う。 データ構造に基づく部品化を行う。 21
22.
データ設計の実際(設計) 「意味論的ドメイン設計」は意味がある。 22 【ドメイン設計の例】 区分:排他集合(分岐に使用) 分類:集約キー項目
コード:マスタのキー項目 シーケンス番号:イベントのキー項目 数値:演算の対象 文字列:属性 「1桁文字」、「9桁数値」(形式的ドメイン)は 使い勝手が悪い
23.
データ設計の実際(設計) データ構造は情報システムの部品の集合。 部品化に適した構造をしている。 23 【株式約定照合データモデル例】 ※表記の説明
24.
総括 データ設計は、情報システムがユーザにもた らす付加価値を最も左右する。 なので、情報システム開発において最も関心 を置かなければならない。 要件定義工程では、要求事項の具体化と、 実現可能性の両者を具現化する。 設計工程では、用語の意味とデータ構造に 沿った部品化を行うことで、そこに示された要 求事項を正確に設計することが可能になる。 24
25.
「統合」と「総合」 要素技術を提供するベンダと、価値を実現す るために要素技術を「統合」するユーザの構 図はこの40年間変化していない。 情報システムは「統合」によりユーザの業務 に付加価値をもたらす。 要素技術を集めただけの状態、すなわち 「総合」では、付加価値を提供したことになら ない。 25
26.
参考文献 • 堀内一、『データ中心システム設計』 、オーム社、1988 •
椿正明、『データ中心システムの概念データモデル』 、オーム社、1997 • 椿正明、『名人椿正明が教えるデータモデリングの“技“』、翔泳社、 2005 • 川喜田二郎、『発想法』、中公文庫、1967 • ルイス・ガースナー、『巨像も踊る』、日本経済新聞社、2002 26
27.
ご清聴ありがとうございました。 本セミナー資料は、筆者が経験した知見やノウハウを集約し、技術交流を 図り コメントを頂戴することを意図しています。ただし、資料の中で示され た内容 や意見は、株式会社ファイナンシャルブレインシステムズの公式見 解を示すも
のではありません。 無断での転載・複製はご遠慮ください。商 用目的で転載・複製を行う場合は、 予め弊社までご相談ください。 27
Download now