SlideShare ist ein Scribd-Unternehmen logo
1 von 40
Downloaden Sie, um offline zu lesen
Japan.R:データベース
ゼロからはじめる(分析のため
  の)データベース入門
    2011年11月26日
      @sleipnir002
今日はRの話は
 しません。
データベースの
 話をします。
データベース
を構築しよう!
データ管理に伴う問題
      “R is not well suited to extremely large data sets.”
                    (R Data Import/Export)




                                                             CSVやExcelはファ
一元管理しないと
                                                             イルが膨大になり、
不整合が起こる。
                                                             更新などに時間
                                                                がかかる。
データベース
を構築して、快適
な分析ライフを!
データベースが分析力をあげる
• データが重要なのは言うまでもないだろう。よいデータがなけ
  れば始まらない。(トーマス・H・ダベンポート「分析力を駆使
  する企業」)
• データマイニングに要する時間の90%は、データの準備に費
  やされる。一方、華やかなモデリングに費やされる時間は全
  体の10%である。(豊田秀樹「データマイニング入門」)
データベース
 を構築すれば
分析力が上がる
データベースって
    ?
DBの用語の整理
• データベース(DB):構造化されて管理されているデータ
• データベースマネージメントシステム(DBMS):データベースを管理するソフト
• リレーショナルデータベースマネージメントシステム(RDBMS):リレーショナル
  方式でデータベースを管理するソフト



 データベース=             (R)DBMS=
      情報そのもの           データベース管理ソフト
DBMS
• DBMSは量や性質に応じてさまざまな性質の
  ものがある。
          構造化

           RDBMS




    CSV
                    データの量
で、どれを使えば
  いいの?
RDBMS
おすすめ
RDBMSを
お勧めする理由
4.1 Why use a database?
              (R Data Import/Export)
Database management systems (DBMSs) and, in particular, relational DBMSs (RDBMSs) are
    designed to do all of these things well. Their strengths are
     1. To provide fast access to selected parts of large databases.
     2. Powerful ways to summarize and cross-tabulate columns in databases.
     3. Store data in more organized ways than the rectangular grid model of spreadsheets and
         R data frames.
     4. Concurrent access from multiple clients running on multiple hosts while enforcing
         security constraints on access to the data.
     5. Ability to act as a server to a wide range of clients.




       大規模データ扱うならリレーショナルデータベース使おう。
       高速にアクセスできる。集計が早い。Rと同じデータ形式。
       複数ユーザからの一貫したアクセスが可能。
       多くのクライアントに対応している。
RDBMS入門
RDBMSのR=リレーショナルとは?
• データを表で格納して、結合によってほしい
  データを取得する。
            DATE         KOKYAKU   SHOHIN   SURYO
                                                        KO...   NAME       KUBUN   SEX
            ’10-09-31’   1100      K-001    3
                                                        1100    新垣結衣       通常会員    1
            ’10-09-31’   1100      K-002    1
                                                        1200    小島陽菜       優良会員    1
売上情報表       ’10-10-04’   1200      K-009    1

                                                                顧客表
    だれに何が売れたか?
        DATE         KOKYAKU    NAME        KUBUN   SEX    SHOHIN      SURYO

        ’10-09-31’   1100       新垣結衣        通常会員    1      K-001       3

        ’10-09-31’   1100       新垣結衣        通常会員    1      K-002       1

        ’10-10-04’   1200       小島陽菜        優良会員    1      K-009       1
SQL 1of2
• RDBMSを管理する言語
 – CREATE TABLE:表の作成
   • CREATE TABLE SHOHIN(ID INT, NAME VARCHAR(60))
 – SELECT:データを取得する。
   • SELECT * FROM SHOHIN;
   • WHERE:データを絞り込む
      – SELECT * FROM KOKYAKU WHERE ID =‘1100’;
   • JOIN:表を結合する(後述)
   • GROUP BY:データを集計する(後述)
SQL 2of2
• RDBMSを管理する言語
 – INSERT:データの追加
  • INSERT INTO URIAGE(DATE, KOKYAKU, SHOHIN,
    URIAGE_KINGAKU) VALUES (’10-09-31’, ‘1100’, ‘K-102’,
    1000);
 – UPDATE:データの上書き
  • UPDATE KOKYAKU SET KAIIN_KUBUN = ‘優良会員’
    WHERE ID = ‘1200’;
 – DELETE:データの削除
  • DELETE FROM KOKYAKU WHERE ID=‘1200’;
MySQLについて
MySQL
• MySQLは世界でもっとも使われているオープン
  ソースのRDBMS
• 技術的に枯れている
• Windowsで簡単にインストール
• とりあえず無料!
• ツールがたくさん、インタフェースもたくさん
• エンジンを変更できる(次頁)
MySQLはストレージエンジンを変
       更できる
• MySQLはストレージエンジンをチェンジできる。
• 用途(ようと)におうじてエンジンチェンジでデー
  タベースを構築しよう!
• データの分析用途ならMyISAMを使用しよう。
インストールするソフト
• MySQLをRから使用するのに必要なインストー
  ルソフトは2つだけ。
• MySQL Community Server
  – http://www-jp.mysql.com/downloads/mysql/

• ODBC Connector
  – http://www-jp.mysql.com/downloads/connector/odbc/




                         公式サイトよりダウンロード
MySQLの構成
• MySQLはさまざまな要素から構成されている


               MySQL
               サーバー
                                クライアントPC
                        ODBC



               索引
          表
                                クライアントPC
 データベース                データベース
               ビュー
MySQL簡単、
MySQLオススメ
分析のための
データベース
 テクニック
RDBMSを使ったデータマイニング
     の流れ(オヌヌメ)
1. ソースから分析用スキーマにデータを挿入
2. 集計済みデータをテーブルもしくはビューとして保存
3. Rからビューをデータ取得、エクセルファイルに出力、Rから
   読み取る。
  ソースシステムからデータをロード   スタークエリーで集計
  スタースキーマに変更する。      分析しやすい形でRにロード

  CSV
データモデリング
• 分析する事象をRDBMS上でどのように表に表すか
• どういう分析を行うかを定義する
• 情報分析のためのデータモデリングのベストプラクティス→ス
  タースキーマ(次次頁)


 正規化されたモデル            スタースキーマ

              OLTP               DWH
             重複排除                重複
              更新                 参照
                                データ量:
             データ量:少
                                  大
例:化粧品会社の売上分析
• 会員制の化粧品会社の情報系データベ
  ース売上分析を行う。
• 顧客の情報を世代別に顧客表に管理
• チャネルは店舗、電話通販、インターネッ
  ト等
スタースキーマでモデリングを行う
  • データをファクトとディメンジョンに分けて解析する。
  • ファクト:分析したい対象、出来事を表す表
  • ディメンジョン:分析するための軸を表す表

                                   商品分類
 タイプ             売上ファクト
                 売上という出来事   商品
       チャネル                         商品ディメンジョン
                                    何が売れたか
チャネルディメンジョン       売上金額
どのように売れたか
                  売上数量             年齢     世代
            日               顧客
       月
  年
           時間ディメンジョン   顧客ディメンジョン    性別
           いつ売れたか      誰に売れたか
スタースキーマのE-R図による可視化
RDBMSを使ったデータマイニング
     の流れ(オヌヌメ)
1. ソースから分析用スキーマにデータを挿入
2. 集計済みデータをテーブルもしくはビューとして保存
3. Rからビューをデータ取得、エクセルファイルに出力、Rから
   読み取る。
  ソースシステムからデータをロード   スタークエリーで集計
  スタースキーマに変更する。      分析しやすい形でRにロード

  CSV
デモ:データのロード
1.CREATE TABLEによるテーブルの作成
2.LOAD DATA INTOによるデータのロード
デモ:スタークエリーでデータ取得
• スタークエリー・・・スタースキーマでデータを
  取得するためのSQLのお作法。
#e.g.チャネル別の売上金額を分析する。          チャネルと売上金額の合計
SELECT                         を取得する。
 C.CHANNEL_MEI,                CHANNEL表と売上表を結
 SUM(URIAGE_KIN)               合
FROM                           CHANNEL表のチャネルIDと
 URIAGE AS U,                  売上表のチャネルIDが同じ
 CHANNEL AS C                  ものに限り、結合する。
WHERE
 C.CHANNEL_ID = U.CHANNEL_ID   GROUP BY 句はSUMを行う
GROUP                          単位を記述する。この場合
 BY C.CHANNEL_MEI;             はチャネル名でグループ化
                               する。
定型の分析はビュー化しよう
•     ビュー・・・分析のSQLを保存する。保存
    後は普通のSQLと同様に使用できる。
#e.g.月別世代別の売上金額を分析をビューにする。
CREATE VIEW NENGETSU_SEDAI_ANALYSIS AS
SELECT
 CONCAT(J.NEN, J.TSUKI) AS NENGETSU,
 K.SEDAI AS SEDAI,                       チャネル別分析という
 SUM(U.URIAGE_KIN) AS URIAGE_KIN         ビューを作成する。
FROM
 URIAGE U, KOKYAKU K, JIKAN J
WHERE                                    取得するデータのSQLを記
  K.KOKYAKU_ID = U.KOKYAKU_ID AND        述する。
  J.HI = U.HI
GROUP BY NENGETSU, SEDAI;                作成後は普通にSQLの中に
                                         埋め込める。
SELECT * FROM NENGETSU_SEDAI_ANALYSIS;
さらに高度な話題として
• 高速にデータにアクセスしたい
 –   索引・・・頻繁に集計する単位でファクトに索引を作成する。
 –   外部キー・・・基本的には使用しない。
 –   パーティショニング・・・時系列でパーティション化が一般的。
 –   マートの作成・・・集計済みのデータを保持する。
 –   マテリアライズド・ビュー・・・ビューの結果を保存する。
• データの管理
 – バックアップ・・・データ量に問題がなければsqldumpで全部
   バックアップを取る。 $ mysqldump –u root –p –databases [DBNAME]
RとMySQLの連携
デモ:パッケージRODBC
1.   MySQLのODBCドライバのインストール
2.   ODBCドライバの構成
3.   データベースの起動
4.   RODBCを使用してRからSQLを発行して、結果
     セットをデータフレームに格納する。
5. データフレームからマイニング用の行列を作
   成する。
まとめ
• どのようなソフトでもよいので、データベースを作っ
  てデータを一元管理しよう。
• MySQLなら簡単にインストールできるので、まず
  MySQLでデータベースを作成してみよう。
• スタースキーマを意識して、自分のデータモデルを
  決定する。
• RODBCを使用して、MySQLからRにデータをロードし
  てみよう。
文献
初めてのMySQLと文字化け
http://pugiemonn.blog6.fc2.com/blog-entry-
  727.html
MySQLクイック・リファレンス
http://www.bitscope.co.jp/tep/MySQL/quickMy
  SQL.html#doc1_id70

Weitere ähnliche Inhalte

Was ist angesagt?

20140418 info talkセミナー資料
20140418 info talkセミナー資料20140418 info talkセミナー資料
20140418 info talkセミナー資料Takahiro Iwase
 
データベースシステム論11 - データベースの構成
データベースシステム論11 - データベースの構成データベースシステム論11 - データベースの構成
データベースシステム論11 - データベースの構成Shohei Yokoyama
 
Dat009 クラウドでビック
Dat009 クラウドでビックDat009 クラウドでビック
Dat009 クラウドでビックTech Summit 2016
 
Osc2012 spring HBase Report
Osc2012 spring HBase ReportOsc2012 spring HBase Report
Osc2012 spring HBase ReportSeiichiro Ishida
 
Dat009 クラウドでビック
Dat009 クラウドでビックDat009 クラウドでビック
Dat009 クラウドでビックTech Summit 2016
 
Devsumi2013【15-e-5】NoSQLの野心的な使い方 ~Apache Cassandra編~
Devsumi2013【15-e-5】NoSQLの野心的な使い方 ~Apache Cassandra編~Devsumi2013【15-e-5】NoSQLの野心的な使い方 ~Apache Cassandra編~
Devsumi2013【15-e-5】NoSQLの野心的な使い方 ~Apache Cassandra編~kishimotosc
 
ICDE 2015 Study (R24-4, R27-3)
ICDE 2015 Study (R24-4, R27-3)ICDE 2015 Study (R24-4, R27-3)
ICDE 2015 Study (R24-4, R27-3)Masafumi Oyamada
 

Was ist angesagt? (7)

20140418 info talkセミナー資料
20140418 info talkセミナー資料20140418 info talkセミナー資料
20140418 info talkセミナー資料
 
データベースシステム論11 - データベースの構成
データベースシステム論11 - データベースの構成データベースシステム論11 - データベースの構成
データベースシステム論11 - データベースの構成
 
Dat009 クラウドでビック
Dat009 クラウドでビックDat009 クラウドでビック
Dat009 クラウドでビック
 
Osc2012 spring HBase Report
Osc2012 spring HBase ReportOsc2012 spring HBase Report
Osc2012 spring HBase Report
 
Dat009 クラウドでビック
Dat009 クラウドでビックDat009 クラウドでビック
Dat009 クラウドでビック
 
Devsumi2013【15-e-5】NoSQLの野心的な使い方 ~Apache Cassandra編~
Devsumi2013【15-e-5】NoSQLの野心的な使い方 ~Apache Cassandra編~Devsumi2013【15-e-5】NoSQLの野心的な使い方 ~Apache Cassandra編~
Devsumi2013【15-e-5】NoSQLの野心的な使い方 ~Apache Cassandra編~
 
ICDE 2015 Study (R24-4, R27-3)
ICDE 2015 Study (R24-4, R27-3)ICDE 2015 Study (R24-4, R27-3)
ICDE 2015 Study (R24-4, R27-3)
 

Andere mochten auch

TSP and Geocoding on R
TSP and Geocoding on RTSP and Geocoding on R
TSP and Geocoding on Rsleipnir002
 
How to use animation packages in R(Japanese)
How to use animation packages in R(Japanese)How to use animation packages in R(Japanese)
How to use animation packages in R(Japanese)sleipnir002
 
パターン認識 08 09 k-近傍法 lvq
パターン認識 08 09 k-近傍法 lvqパターン認識 08 09 k-近傍法 lvq
パターン認識 08 09 k-近傍法 lvqsleipnir002
 
パターン認識 05 ロジスティック回帰
パターン認識 05 ロジスティック回帰パターン認識 05 ロジスティック回帰
パターン認識 05 ロジスティック回帰sleipnir002
 
パターン認識02 k平均法ver2.0
パターン認識02 k平均法ver2.0パターン認識02 k平均法ver2.0
パターン認識02 k平均法ver2.0sleipnir002
 
パターン認識 04 混合正規分布
パターン認識 04 混合正規分布パターン認識 04 混合正規分布
パターン認識 04 混合正規分布sleipnir002
 
RとSQLiteによるオミックス解析の促進
RとSQLiteによるオミックス解析の促進RとSQLiteによるオミックス解析の促進
RとSQLiteによるオミックス解析の促進弘毅 露崎
 
パターン認識 第01章-判別能力の評価
パターン認識 第01章-判別能力の評価パターン認識 第01章-判別能力の評価
パターン認識 第01章-判別能力の評価sleipnir002
 
Rデータフレーム自由自在
Rデータフレーム自由自在Rデータフレーム自由自在
Rデータフレーム自由自在Takeshi Arabiki
 
クラシックな機械学習の入門  8. クラスタリング
クラシックな機械学習の入門  8. クラスタリングクラシックな機械学習の入門  8. クラスタリング
クラシックな機械学習の入門  8. クラスタリングHiroshi Nakagawa
 
Data scientist casual talk in 白金台
Data scientist casual talk in 白金台Data scientist casual talk in 白金台
Data scientist casual talk in 白金台Hiroko Onari
 
ドリコムの分析環境とデータサイエンス活用事例
ドリコムの分析環境とデータサイエンス活用事例ドリコムの分析環境とデータサイエンス活用事例
ドリコムの分析環境とデータサイエンス活用事例Yohei Sato
 
変分ベイズ法の説明
変分ベイズ法の説明変分ベイズ法の説明
変分ベイズ法の説明Haruka Ozaki
 
RとPythonによるデータ解析入門
RとPythonによるデータ解析入門RとPythonによるデータ解析入門
RとPythonによるデータ解析入門Atsushi Hayakawa
 
PythonとRによるデータ分析環境の構築と機械学習によるデータ認識
PythonとRによるデータ分析環境の構築と機械学習によるデータ認識PythonとRによるデータ分析環境の構築と機械学習によるデータ認識
PythonとRによるデータ分析環境の構築と機械学習によるデータ認識Katsuhiro Morishita
 
K meansによるクラスタリングの解説と具体的なクラスタリングの活用方法の紹介
K meansによるクラスタリングの解説と具体的なクラスタリングの活用方法の紹介K meansによるクラスタリングの解説と具体的なクラスタリングの活用方法の紹介
K meansによるクラスタリングの解説と具体的なクラスタリングの活用方法の紹介Takeshi Mikami
 
R言語で学ぶマーケティング分析 競争ポジショニング戦略
R言語で学ぶマーケティング分析 競争ポジショニング戦略R言語で学ぶマーケティング分析 競争ポジショニング戦略
R言語で学ぶマーケティング分析 競争ポジショニング戦略Yohei Sato
 
Python入門 : 4日間コース社内トレーニング
Python入門 : 4日間コース社内トレーニングPython入門 : 4日間コース社内トレーニング
Python入門 : 4日間コース社内トレーニングYuichi Ito
 

Andere mochten auch (20)

animation1.0
animation1.0animation1.0
animation1.0
 
TSP and Geocoding on R
TSP and Geocoding on RTSP and Geocoding on R
TSP and Geocoding on R
 
How to use animation packages in R(Japanese)
How to use animation packages in R(Japanese)How to use animation packages in R(Japanese)
How to use animation packages in R(Japanese)
 
パターン認識 08 09 k-近傍法 lvq
パターン認識 08 09 k-近傍法 lvqパターン認識 08 09 k-近傍法 lvq
パターン認識 08 09 k-近傍法 lvq
 
パターン認識 05 ロジスティック回帰
パターン認識 05 ロジスティック回帰パターン認識 05 ロジスティック回帰
パターン認識 05 ロジスティック回帰
 
パターン認識02 k平均法ver2.0
パターン認識02 k平均法ver2.0パターン認識02 k平均法ver2.0
パターン認識02 k平均法ver2.0
 
パターン認識 04 混合正規分布
パターン認識 04 混合正規分布パターン認識 04 混合正規分布
パターン認識 04 混合正規分布
 
RとSQLiteによるオミックス解析の促進
RとSQLiteによるオミックス解析の促進RとSQLiteによるオミックス解析の促進
RとSQLiteによるオミックス解析の促進
 
はじパタLT2
はじパタLT2はじパタLT2
はじパタLT2
 
パターン認識 第01章-判別能力の評価
パターン認識 第01章-判別能力の評価パターン認識 第01章-判別能力の評価
パターン認識 第01章-判別能力の評価
 
Rデータフレーム自由自在
Rデータフレーム自由自在Rデータフレーム自由自在
Rデータフレーム自由自在
 
クラシックな機械学習の入門  8. クラスタリング
クラシックな機械学習の入門  8. クラスタリングクラシックな機械学習の入門  8. クラスタリング
クラシックな機械学習の入門  8. クラスタリング
 
Data scientist casual talk in 白金台
Data scientist casual talk in 白金台Data scientist casual talk in 白金台
Data scientist casual talk in 白金台
 
ドリコムの分析環境とデータサイエンス活用事例
ドリコムの分析環境とデータサイエンス活用事例ドリコムの分析環境とデータサイエンス活用事例
ドリコムの分析環境とデータサイエンス活用事例
 
変分ベイズ法の説明
変分ベイズ法の説明変分ベイズ法の説明
変分ベイズ法の説明
 
RとPythonによるデータ解析入門
RとPythonによるデータ解析入門RとPythonによるデータ解析入門
RとPythonによるデータ解析入門
 
PythonとRによるデータ分析環境の構築と機械学習によるデータ認識
PythonとRによるデータ分析環境の構築と機械学習によるデータ認識PythonとRによるデータ分析環境の構築と機械学習によるデータ認識
PythonとRによるデータ分析環境の構築と機械学習によるデータ認識
 
K meansによるクラスタリングの解説と具体的なクラスタリングの活用方法の紹介
K meansによるクラスタリングの解説と具体的なクラスタリングの活用方法の紹介K meansによるクラスタリングの解説と具体的なクラスタリングの活用方法の紹介
K meansによるクラスタリングの解説と具体的なクラスタリングの活用方法の紹介
 
R言語で学ぶマーケティング分析 競争ポジショニング戦略
R言語で学ぶマーケティング分析 競争ポジショニング戦略R言語で学ぶマーケティング分析 競争ポジショニング戦略
R言語で学ぶマーケティング分析 競争ポジショニング戦略
 
Python入門 : 4日間コース社内トレーニング
Python入門 : 4日間コース社内トレーニングPython入門 : 4日間コース社内トレーニング
Python入門 : 4日間コース社内トレーニング
 

Ähnlich wie Japan.r 2データベース

ビジネスインテリジェンス入門~OSSでBIを始めよう~
ビジネスインテリジェンス入門~OSSでBIを始めよう~ビジネスインテリジェンス入門~OSSでBIを始めよう~
ビジネスインテリジェンス入門~OSSでBIを始めよう~Kensuke SAEKI
 
【ウェブ セミナー】AI / アナリティクスを支えるビッグデータ基盤 Azure Data Lake [概要編]
【ウェブ セミナー】AI / アナリティクスを支えるビッグデータ基盤 Azure Data Lake [概要編]【ウェブ セミナー】AI / アナリティクスを支えるビッグデータ基盤 Azure Data Lake [概要編]
【ウェブ セミナー】AI / アナリティクスを支えるビッグデータ基盤 Azure Data Lake [概要編]Hideo Takagi
 
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)
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)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)
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)Kensuke SAEKI
 
Oracle Databaseを用いて学ぶ RDBMSの基本 (抜粋版) - JPOUG Oracle Database入学式 2016
Oracle Databaseを用いて学ぶRDBMSの基本 (抜粋版) - JPOUG Oracle Database入学式 2016 Oracle Databaseを用いて学ぶRDBMSの基本 (抜粋版) - JPOUG Oracle Database入学式 2016
Oracle Databaseを用いて学ぶ RDBMSの基本 (抜粋版) - JPOUG Oracle Database入学式 2016 Ryota Watabe
 
[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.
 
Data-driven Design: 4つの技法 InfoPathを用いたスケーラブル SharePointソリューション
Data-driven Design: 4つの技法InfoPathを用いたスケーラブルSharePointソリューションData-driven Design: 4つの技法InfoPathを用いたスケーラブルSharePointソリューション
Data-driven Design: 4つの技法 InfoPathを用いたスケーラブル SharePointソリューションJamesLRishe
 
[db tech showcase Tokyo 2017] A15: レプリケーションを使用したデータ分析基盤構築のキモ(事例)by 株式会社インサイトテ...
[db tech showcase Tokyo 2017] A15: レプリケーションを使用したデータ分析基盤構築のキモ(事例)by 株式会社インサイトテ...[db tech showcase Tokyo 2017] A15: レプリケーションを使用したデータ分析基盤構築のキモ(事例)by 株式会社インサイトテ...
[db tech showcase Tokyo 2017] A15: レプリケーションを使用したデータ分析基盤構築のキモ(事例)by 株式会社インサイトテ...Insight Technology, Inc.
 
20160220 MSのビッグデータ分析基盤 - データマイニング+WEB@東京
20160220 MSのビッグデータ分析基盤 - データマイニング+WEB@東京20160220 MSのビッグデータ分析基盤 - データマイニング+WEB@東京
20160220 MSのビッグデータ分析基盤 - データマイニング+WEB@東京Koichiro Sasaki
 
アプリ開発者、DB 管理者視点での Cloud Spanner 活用方法 | 第 10 回 Google Cloud INSIDE Games & App...
アプリ開発者、DB 管理者視点での Cloud Spanner 活用方法 | 第 10 回 Google Cloud INSIDE Games & App...アプリ開発者、DB 管理者視点での Cloud Spanner 活用方法 | 第 10 回 Google Cloud INSIDE Games & App...
アプリ開発者、DB 管理者視点での Cloud Spanner 活用方法 | 第 10 回 Google Cloud INSIDE Games & App...Google Cloud Platform - Japan
 
簡単!AWRをEXCELピボットグラフで分析しよう♪
簡単!AWRをEXCELピボットグラフで分析しよう♪簡単!AWRをEXCELピボットグラフで分析しよう♪
簡単!AWRをEXCELピボットグラフで分析しよう♪Yohei Azekatsu
 
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
 
20170714_MySQLドキュメントストア JSONデータ型&JSON関数 by 日本オラクル株式会社 MySQL GBU 山﨑由章
20170714_MySQLドキュメントストア JSONデータ型&JSON関数 by 日本オラクル株式会社 MySQL GBU 山﨑由章20170714_MySQLドキュメントストア JSONデータ型&JSON関数 by 日本オラクル株式会社 MySQL GBU 山﨑由章
20170714_MySQLドキュメントストア JSONデータ型&JSON関数 by 日本オラクル株式会社 MySQL GBU 山﨑由章Insight Technology, Inc.
 
大規模データ分析を支えるインフラ系オープンソースソフトウェアの最新事情
大規模データ分析を支えるインフラ系オープンソースソフトウェアの最新事情大規模データ分析を支えるインフラ系オープンソースソフトウェアの最新事情
大規模データ分析を支えるインフラ系オープンソースソフトウェアの最新事情nagix
 
【ウェブ セミナー】AI 時代のクラウド データ ウェアハウス Azure SQL Data Warehouse [実践編]
【ウェブ セミナー】AI 時代のクラウド データ ウェアハウス Azure SQL Data Warehouse [実践編]【ウェブ セミナー】AI 時代のクラウド データ ウェアハウス Azure SQL Data Warehouse [実践編]
【ウェブ セミナー】AI 時代のクラウド データ ウェアハウス Azure SQL Data Warehouse [実践編]Hideo Takagi
 
データ基盤の従来~最新の考え方とSynapse Analyticsでの実現
データ基盤の従来~最新の考え方とSynapse Analyticsでの実現データ基盤の従来~最新の考え方とSynapse Analyticsでの実現
データ基盤の従来~最新の考え方とSynapse Analyticsでの実現Ryoma Nagata
 
経済学のための実践的データ分析 4.SQL ことはじめ
経済学のための実践的データ分析 4.SQL ことはじめ経済学のための実践的データ分析 4.SQL ことはじめ
経済学のための実践的データ分析 4.SQL ことはじめYasushi Hara
 
[db tech showcase Tokyo 2016] A13: 最新版VerticaのAnalytics機能を駆使して実現する簡単ログ分析 by日本...
[db tech showcase Tokyo 2016] A13: 最新版VerticaのAnalytics機能を駆使して実現する簡単ログ分析 by日本...[db tech showcase Tokyo 2016] A13: 最新版VerticaのAnalytics機能を駆使して実現する簡単ログ分析 by日本...
[db tech showcase Tokyo 2016] A13: 最新版VerticaのAnalytics機能を駆使して実現する簡単ログ分析 by日本...Insight Technology, Inc.
 
ビッグデータ活用を加速する!分散SQLエンジン Spark SQL のご紹介 20161105 OSC Tokyo Fall
ビッグデータ活用を加速する!分散SQLエンジン Spark SQL のご紹介 20161105 OSC Tokyo Fallビッグデータ活用を加速する!分散SQLエンジン Spark SQL のご紹介 20161105 OSC Tokyo Fall
ビッグデータ活用を加速する!分散SQLエンジン Spark SQL のご紹介 20161105 OSC Tokyo FallYusukeKuramata
 
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
 
おしゃスタ@リクルート
おしゃスタ@リクルートおしゃスタ@リクルート
おしゃスタ@リクルートIssei Kurahashi
 

Ähnlich wie Japan.r 2データベース (20)

ビジネスインテリジェンス入門~OSSでBIを始めよう~
ビジネスインテリジェンス入門~OSSでBIを始めよう~ビジネスインテリジェンス入門~OSSでBIを始めよう~
ビジネスインテリジェンス入門~OSSでBIを始めよう~
 
【ウェブ セミナー】AI / アナリティクスを支えるビッグデータ基盤 Azure Data Lake [概要編]
【ウェブ セミナー】AI / アナリティクスを支えるビッグデータ基盤 Azure Data Lake [概要編]【ウェブ セミナー】AI / アナリティクスを支えるビッグデータ基盤 Azure Data Lake [概要編]
【ウェブ セミナー】AI / アナリティクスを支えるビッグデータ基盤 Azure Data Lake [概要編]
 
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)
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)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)
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)
 
Oracle Databaseを用いて学ぶ RDBMSの基本 (抜粋版) - JPOUG Oracle Database入学式 2016
Oracle Databaseを用いて学ぶRDBMSの基本 (抜粋版) - JPOUG Oracle Database入学式 2016 Oracle Databaseを用いて学ぶRDBMSの基本 (抜粋版) - JPOUG Oracle Database入学式 2016
Oracle Databaseを用いて学ぶ RDBMSの基本 (抜粋版) - JPOUG Oracle Database入学式 2016
 
[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...
 
Data-driven Design: 4つの技法 InfoPathを用いたスケーラブル SharePointソリューション
Data-driven Design: 4つの技法InfoPathを用いたスケーラブルSharePointソリューションData-driven Design: 4つの技法InfoPathを用いたスケーラブルSharePointソリューション
Data-driven Design: 4つの技法 InfoPathを用いたスケーラブル SharePointソリューション
 
[db tech showcase Tokyo 2017] A15: レプリケーションを使用したデータ分析基盤構築のキモ(事例)by 株式会社インサイトテ...
[db tech showcase Tokyo 2017] A15: レプリケーションを使用したデータ分析基盤構築のキモ(事例)by 株式会社インサイトテ...[db tech showcase Tokyo 2017] A15: レプリケーションを使用したデータ分析基盤構築のキモ(事例)by 株式会社インサイトテ...
[db tech showcase Tokyo 2017] A15: レプリケーションを使用したデータ分析基盤構築のキモ(事例)by 株式会社インサイトテ...
 
20160220 MSのビッグデータ分析基盤 - データマイニング+WEB@東京
20160220 MSのビッグデータ分析基盤 - データマイニング+WEB@東京20160220 MSのビッグデータ分析基盤 - データマイニング+WEB@東京
20160220 MSのビッグデータ分析基盤 - データマイニング+WEB@東京
 
アプリ開発者、DB 管理者視点での Cloud Spanner 活用方法 | 第 10 回 Google Cloud INSIDE Games & App...
アプリ開発者、DB 管理者視点での Cloud Spanner 活用方法 | 第 10 回 Google Cloud INSIDE Games & App...アプリ開発者、DB 管理者視点での Cloud Spanner 活用方法 | 第 10 回 Google Cloud INSIDE Games & App...
アプリ開発者、DB 管理者視点での Cloud Spanner 活用方法 | 第 10 回 Google Cloud INSIDE Games & App...
 
簡単!AWRをEXCELピボットグラフで分析しよう♪
簡単!AWRをEXCELピボットグラフで分析しよう♪簡単!AWRをEXCELピボットグラフで分析しよう♪
簡単!AWRをEXCELピボットグラフで分析しよう♪
 
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
 
20170714_MySQLドキュメントストア JSONデータ型&JSON関数 by 日本オラクル株式会社 MySQL GBU 山﨑由章
20170714_MySQLドキュメントストア JSONデータ型&JSON関数 by 日本オラクル株式会社 MySQL GBU 山﨑由章20170714_MySQLドキュメントストア JSONデータ型&JSON関数 by 日本オラクル株式会社 MySQL GBU 山﨑由章
20170714_MySQLドキュメントストア JSONデータ型&JSON関数 by 日本オラクル株式会社 MySQL GBU 山﨑由章
 
大規模データ分析を支えるインフラ系オープンソースソフトウェアの最新事情
大規模データ分析を支えるインフラ系オープンソースソフトウェアの最新事情大規模データ分析を支えるインフラ系オープンソースソフトウェアの最新事情
大規模データ分析を支えるインフラ系オープンソースソフトウェアの最新事情
 
【ウェブ セミナー】AI 時代のクラウド データ ウェアハウス Azure SQL Data Warehouse [実践編]
【ウェブ セミナー】AI 時代のクラウド データ ウェアハウス Azure SQL Data Warehouse [実践編]【ウェブ セミナー】AI 時代のクラウド データ ウェアハウス Azure SQL Data Warehouse [実践編]
【ウェブ セミナー】AI 時代のクラウド データ ウェアハウス Azure SQL Data Warehouse [実践編]
 
データ基盤の従来~最新の考え方とSynapse Analyticsでの実現
データ基盤の従来~最新の考え方とSynapse Analyticsでの実現データ基盤の従来~最新の考え方とSynapse Analyticsでの実現
データ基盤の従来~最新の考え方とSynapse Analyticsでの実現
 
経済学のための実践的データ分析 4.SQL ことはじめ
経済学のための実践的データ分析 4.SQL ことはじめ経済学のための実践的データ分析 4.SQL ことはじめ
経済学のための実践的データ分析 4.SQL ことはじめ
 
[db tech showcase Tokyo 2016] A13: 最新版VerticaのAnalytics機能を駆使して実現する簡単ログ分析 by日本...
[db tech showcase Tokyo 2016] A13: 最新版VerticaのAnalytics機能を駆使して実現する簡単ログ分析 by日本...[db tech showcase Tokyo 2016] A13: 最新版VerticaのAnalytics機能を駆使して実現する簡単ログ分析 by日本...
[db tech showcase Tokyo 2016] A13: 最新版VerticaのAnalytics機能を駆使して実現する簡単ログ分析 by日本...
 
ビッグデータ活用を加速する!分散SQLエンジン Spark SQL のご紹介 20161105 OSC Tokyo Fall
ビッグデータ活用を加速する!分散SQLエンジン Spark SQL のご紹介 20161105 OSC Tokyo Fallビッグデータ活用を加速する!分散SQLエンジン Spark SQL のご紹介 20161105 OSC Tokyo Fall
ビッグデータ活用を加速する!分散SQLエンジン Spark SQL のご紹介 20161105 OSC Tokyo Fall
 
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
 
おしゃスタ@リクルート
おしゃスタ@リクルートおしゃスタ@リクルート
おしゃスタ@リクルート
 

Japan.r 2データベース