現場の”今”を知る、これからのビッグデータ分析・活用のすすめ

(C) 2018 ZEAL Corporation. All Rights Reserved.
現場の”今”を知る、
これからのビッグデータ分析・活用のすすめ
リアルタイムデータ分析の最新動向と取り組み方
株式会社ジール鈴木祐司
2018/3/8

本日の内容1
※本資料に掲載された製品名、会社名、及びロゴは各社の商標または登録商標です。
ターゲット
・業務を改善する取り組みについて情報収集してるけどみつからない・・・
・そもそもデータ分析ってよくわからない・・・
・ Hadoop環境はあるけど、いまいち活用できていない・・・
ゴール
・データ分析の”これまで”と、”これから”できるようになることを知っていただく
・貴社業務の中で、「こんなことができたら効果ありそう！」を考えるきっかけとなる

会社概要3
■会社名株式会社ジール（英文名：ZEAL Corporation ）
■設立 2012年7月 (事業継承に伴う新法人設立の為。母体は1991年設立)
■資本 1億円
■所在地【本社】東京都品川区上大崎二丁目13番17号目黒東急ビル6階
【大阪支社】大阪府吹田市豊津町1番18号エクラート江坂ビル5階
■事業内容 BI／DWH／CPMコンサルティング事業
BI／DWH／CPMインテグレーション事業
BI／DWH／CPMソフトウェアライセンス・ハードウェアの販売及び保守
アウトソーシング事業（一般労働者派遣：派13-305385）
■従業員数 251名（2018年2月1日現在）
■代表取締役社長岡部貴弘
■沿革 (事業継承前)
1991年株式会社ジール創業
(事業継承後)
2012年株式会社DHI（旧：株式会社ジール）より事業承継
AVANTグループ（旧：DIVAグループ）へ編入
2013年本社を品川に移転
2014年本社を目黒に移転
2017年大阪支社を開設
JQA-IM0563
https://www.zdh.co.jp/

ジールの強み・特徴4
■ ジールはBIが一般に認知される以前から、『国内唯一のBI/DWH専業のソリューションベンダー』として
業界をリードして参りました。そこから生まれた他社にない強みをご紹介いたします。
900社以上との取引実績、「情報系ならZEAL」
✓製造業
✓流通業
✓小売業
✓製薬業
✓金融業
✓通信業
✓建設業
✓医療機関
✓公共
POINT 2
BIは多種多様なお客様から必要とされており、これまでにも多くの実績がございます。
ジールは業種を問いません。
Business Intelligence歴25年以上
日本でBIが認知されていない頃から注目し、長期に渡りBIに専業して参りました。
お客様との数多くの経験から、豊富な開発ノウハウや業務知識を有しております。
→（例）統合業績管理・予算編成システム、統合原価管理・分析システム、
顧客・商品・販売分析システム等
POINT 1 ※吸収分割会社の年数を含む
主要BI/CPMベンダーとプライムパートナーPOINT 3
•Adaptive Insights Solution Partner
•IBM BusinessPartner
•Infor Partner
•Microsoft Gold Partner
•Oracle Gold Partner
•SAP Business Objects Silver Partner
•SAS Consulting Partner

自己紹介
すずきゆうじ
鈴木祐司
5
経歴
IT一筋13年
・ソフトウェア開発
・サーバーインフラ構築
・自社製品企画・開発
・情報活用 [現職]
情報活用の大衆化
ミッション
“分析”の敷居を下げ、お客
様のビジネスに貢献するお
手伝いをすること
現職では、小売業、流通業、製造業等、様々なお客様の情報活用のお手伝いをしており
ます。DWH構築、BIツール導入、ダッシュボード設計・・・最近ではクラウドサービスを利用した
機械学習による予測や、AI関連サービスの活用などもご支援しております。
技術のビジネス活用
興味分野
・自然言語処理
・Big Data
・IoT (IoTシステム技術検定中級)
・AI / Cognitive Service

6 目次
＜第一部＞
 これまでを知り、これからを考える。データ分析・活用のすすめ
 情報活用の歴史
 データ分析の発展
 リアルタイムデータ分析で何が変わる？
 ユースケースを考える
 DEMO
＜第二部＞
 クラウドで始めるビッグデータ分析の第一歩
 Hadoop + Zoomdata On Azure
 ビッグデータとお付き合いするためのソリューション＠Microsoft Azure
 DEMO

＜第一部＞
これまでを知り、これからを考える
データ分析・活用のすすめ
7

情報活用の歴史8
「勘と経験に基づく意志決定から、データに基づく意志決定へ」
一部のアナリストのためだけではなく、エンドユーザが自ら利用できる
分析環境を実現したものがビジネスインテリジェンス（BI）
1960s
基幹業務システム
の整備
1970s
MIS
（経営情報システム）
1980s
DSS
（意思決定支援システム）
1990s
Business
Intelligence

データ分析（BI）の発展9
過去データ抽出/
定型レポート
過去データの
非定型検索/集計
データ
ディスカバリ
統計的手法の導入
低
高
リアルタイムデータの
活用
分
析
の
高
度
化
何をすべきか？観測
何故おこったのか？分析
何がおこったのか？可視化
従来の構造化データ中心
新しいデータタイプ中心
モバイル
ソーシャル
クリックストリーム
フォレンジック
センサー
IoT
Etc.
何がおこるか？予測

リアルタイムデータ分析で何が変わる？
現場が”今”行う判断も、データ(事実)を起点に行えるようになります
→ 情報を知るまでの時間サイクルが短くなり、知る得る範囲も広くなります
10
集計時点（例：前日）の情報は把握可能。
しかし、当日の情報は自分の見える範囲のみ。
Before：過去からの推測Before
集計時点（例：前日）の情報に加えて、
当日の情報も同じ範囲で見えるようになる。
After：過去からの推測＋今を観測After

小売業のユースケースを考える
複合商業施設にて、効果的なタイムセールを実施する
→ 全店舗の在庫と今の売り上げから、適切な品目を適切な店舗で実施
→ 個客の属性や、人を集めたい場所でタイムセールを実施
11
✓製造業
✓流通業
✓小売業
✓製薬業
✓金融業
✓通信業
✓建設業
✓医療機関
✓公共
他業界では…？

DEMO12
デモをご覧ください

＜第二部＞
クラウドで始めるビッグデータ分析の第一歩
13

Hadoopに関するイメージ14
つまりHadoopは「はやい、やすい、うまい（簡単）」なんです
データ量が非常に大きいのですが、高額なアプライアンスＤＢを用意しなくてはいけませんか？
また、Hadoopはバッチ処理のイメージが強く、アドホックな分析には向かないイメージがありますが？
Q1.
Hadoopは導入するのに敷居が高そうなイメージなんですが？Q2.
Hadoopは複数台のマシン準備が必要で調達、初期設定に時間がかかりそうですが？Q3.
そんなことはありません。確かにRDB技術者に比べてエンジニア数は少ないですが、
ShellコマンドとGUIで容易に導入が可能です。
いいえ、クラウド環境であれば映画を一本みるころには調達、初期設定は終わっています。
しかも、小さく始めて必要に応じてスケールすることも可能になります。
いいえ、大量データを分析することが目的というならば、必ずしも高額なアプライアンスDBを用意する必要はありません。
また、Hadoopのエコシステムは、大容量バッチ処理はもちろん、アドホック分析も守備範囲です。

システム構成図15
Microsoft Azure
管理
Cloudera Director
データ
Azure Data Lake Store
取込
デモ会場
利用
ブラウザ
参照参照
Zoomdata
分析
作成
削除
基盤(Hadoop)
Cloudera Manager Master Nodes Worker Nodes Edge Nodes
(Optional)

システム構成図（補足）16
Microsoft Azure
管理
Cloudera Director
作成
削除
データ
Azure Data Lake Store
取込
デモ会場
利用
ブラウザ
参照参照
Zoomdata
分析基盤(Hadoop)
Cloudera Manager Master Nodes Worker Nodes Edge Nodes
(Optional)
データ
・件数：2億件
・サイズ：46GB
・ファイル：CSV
1台３台 1台
サーバースペック（1台あたり）
・DS13_V2 Standard
- vCPU :8
- MEM :56GB
- SSD :112GB
1台 1台
サーバースペック（1台あたり）
・DS5_V2 Promo
- vCPU :16
- MEM :56GB
- SSD :112GB

システム構築フロー
構築の流れ
17
作業概要
主な操作
作業時間
１．データの準備
✓ 自社ネットワークから
ADLS(米国東部)へ
46GBのCSVファイルアップ
ロードに２時間程度
✓ 分析に利用するCSVを
ADLSにアップロード
➢ コマンド
(PowerShell)
✓ データのアップロード
２．管理サーバの作成
✓ 初回のみ２時間程度
✓ Azure VMを作成
✓ DNS・ネットワーク・Azure
の自動操作権限の設定
✓ Directorインストール
➢ ブラウザ
➢ コマンド(SSH)
✓ Directorのセットアップ
３．分析基盤の作成
✓ 約18分で構築完了
✓ 約15分でデータ取込完了
✓ DirectorのWeb画面から、
各種サーバー設定を入力
し、CDHクラスタを構築
➢ ブラウザ
✓ 分析環境にデータ取込
✓ データ格納形式を指定
(Parquet[パーケイ])
✓ 基盤の作成指示
✓ データ取込
✓ チューニング
４．分析サーバの作成
✓ 約30分で構築完了
✓ 数分で接続設定は完了
✓ Azure VMを作成
✓ Zoomdataインストール
✓ 分析基盤への接続設定
➢ ブラウザ
✓ Zoomdataのセットアップ

（参考）Cloudera DirectorをAzureに構築18

（参考）Cloudera Managerの設定画面19

（参考）CDHクラスタの作成画面20

（参考）クラスタの各サーバー台数の設定21

（参考）作成中の画面22

DEMO23
デモをご覧ください

まとめ
リアルタイムデータ分析は現場の”今”を支援
25
1
2
3
クラウドで簡単に小さくはじめ、大きく育てる
これまでも、これからも、情報活用はジールへ
Zoomdataでビッグデータとリアルタイムデータを現場で活用。分析は現場にこそ必要
Hadoopもクラウドならお手軽に。今後のAzure関連サービスとの連携もスムーズに
検討段階からでもお気軽にご相談ください。全力でご支援いたします！

03-5422-8477 sales-info@zdh.co.jp
http://www.zdh.co.jp/contact/

現場の”今”を知る、これからのビッグデータ分析・活用のすすめ

Empfohlen

Empfohlen

Weitere ähnliche Inhalte

Was ist angesagt?

Was ist angesagt? (20)

Ähnlich wie 現場の”今”を知る、これからのビッグデータ分析・活用のすすめ

Ähnlich wie 現場の”今”を知る、これからのビッグデータ分析・活用のすすめ (20)

現場の”今”を知る、これからのビッグデータ分析・活用のすすめ