ビジネス・インテリジェンス
Business Interigence

2011-2013,all rights reserved by NetCommerce & applied marketing
2011-2013,all rights ...
エンタープライズ・システムの課題	

v  日々さまざまなエンタープライズ・アプリケーションが膨大なデータを生成。
v  データをため込むだけでは、もったいない。特に基幹業務を担うERPは、有益
な情報に満ちている。
v  宝の山を死蔵さ...
Business Intelligence (BI)とは	
業務システムのデータを使った分析レポートの作成
売上分析レポート、顧客分析レポート、生産実績レポートなど

エンドユーザーの依頼を受けて情報システム部門が担当	
ü  こちらの欲しい...
BIの歴史的変遷と区分	
未来	

現在	

これから何が起こるのか?	

BIG

DATA	

今、何が起こっているのか?	
予測、最適化

なぜ起きたのか?	
過去	

何が起きたのか?	
	

レポーティング	
	

モニタリング

多...
BIの利用形態から見た区分	
分析

事実の「見える化」

予実の比較と最適化

v  拠点別・製品別の在庫量

v  適性発注量予測

v  事業所別・営業予実
v  店舗別・売上状況

v  予測と実績の比較
v  有効策の予測...
BIの利用者とリクエスト	

現在の在庫状況は?

在庫管理システムへの問い合わせで解決

1ヶ月後の在庫状況は?

在庫管理、受注管理、生産管理システムなど
からのデータをつきあわせないと回答できない

年間の在庫量推移は?

上記に加え、販...
適用例:データマイニング	

DWH
分析専用のDB

統計
解析

ルール
相関
知見

発
見

「紙おむつを買う男性は、缶ビールを一緒に買うことが多い」
米国のあるスーパーマーケットで「マーケットバスケット分  析」(1回の購買に関するデ...
適用例:OLAP On-Line Analytical Processing 	

リアルタイム対話型

仮説

DWH

多次元
データベース

検証

アイデア・思いつきを検証し、新たなルール・法則の発見につなげる
運動会当日の天気予
報が...
適用例:OLAP On-Line Analytical Processing / 分析手法	

地域

製品

ドリルダウン
全製品

2007年1月

・・・

2007年12月

東日本

10

・・・

20

西日本

5

・・・
...
適用例: ダッシュボード、スコアリング、ゲージ	
複雑な情報を速やかに伝達するために、さまざまな企業システムのデータを、ゲージチャート、
地図、グラフなどのグラフィカルな要素を使用した視覚性に富んだ形式にして、さまざまなビ
ジネス状況をまとめて...
ビジネス・インテリジェンスの目的	
業務システムの膨大なデータに内在する相互の関係や構造を分析・整理し
わかりやすく表現して、事実に基づく意思決定を支援すること
経験や勘ではなく、事実に基づいて、ビジネス上の判断をできるようにすること
営業戦略...
ビジネス・インテリジェンスの目的	
業務システムの膨大なデータに内在する相互の関係や構造を分析・整理し	
わかりやすく表現して、事実に基づく意思決定を支援すること	
経験や勘ではなく、事実に基づいて、ビジネス上の判断をできるようにすること
経 ...
ビジネス・インテリジェンスの目的	
業務システムの膨大なデータに内在する相互の関係や構造を分析・整理し	
わかりやすく表現して、事実に基づく意思決定を支援すること	
経験や勘ではなく、事実に基づいて、ビジネス上の判断をできるようにすること
金融...
「情報」と「ビジネス・インテリジェンス・プロセス」	

情  報

Data	
エンタープライズ
アプリケーション

素材

Information	
ETL	

トランザクション
データベース

様々なエンタープライズ・
アプリケーションから...
ビジネス・インテリジェンスのプロセス	
効率的な業務処理

OLTP

OLAP

ETLシステムから書き出されたデータ
を保管するデータベース。BIアプリケー
ションでの利用を前提として、企業内
のデータを網羅的に一括して検索・分
析できるよ...
ETL (Extract, Transformation and Load)	

ERP
CRM

不要なデータの削除    分析では不要なデータや異常なデータについて削除する。
値の変換  Null値の変換や、データ型の変換(日付→文字列など...
データウェアハウス DWH Data Warehouse	

業務
業務
DB 業務
DB
DB

分析を目的に、必要とな
るあらゆる情報を集めた
データベース
http://japan.internet.com/column/busnews/...
データウェアハウス DWH Data Warehouse	
基幹システムとデータウェアハウス(DWH)の違い
基幹システム

データウェアハウス

v  トランザクションを高速に処理することが目的
v  頻繁に更新、長期保存は前提にせず
v...
データウェアハウス(DWH)とデータマート(DM)	
分析目的別サマリー・データベース
OLAP
DM

業務DB

DM

業務DB

DM

ー

業務DB

ー

OLTP

   
   
独
立

型

DM

業務DB

ー

  ...
ビジネス・インテリジェンスの3つの分析機能	
Q&R	

BI	

Query & Report	

Business

業務システムから生み出される多
様かつ膨大なデータを情報システ
ムの専門家を介在せず検索し、表
やグラフとして加工編集でき...
ビジネス・インテリジェンスとPDCAサイクル	
効率的な業務処理

OLTP

OLAP

適切・迅速な意志決定

リアルタイムBI
の対象範囲

現状を分析・整理し、わかりやすい表現で定型的
レポートを提示

CRM	

現状分析

意志決定...
ビジネス・インテリジェンスのユーザー	
効率的な業務処理

OLTP

OLAP

適切・迅速な意志決定
業績向上

BA
予
見

モニタリング

最
適 使目
化 標
、
将
来差
計 異
画
発
提 見
示
、
予
測

(シグナルゲージ...
ビジネス・インテリジェンスの歴史	
表現力

ダッシュボード

モバイル

加工編集された表
やグラフをWebを
介し共有

検索や解析結果
をモバイル端末に
表示、利用

利用者の拡大
ゲージ
設定した目標値を
達成状況を通知ま
たグラフィカ...
ビジネス・インテリジェンスの最近の動き	

BI利用の拡大
基幹業務システムの標準化
業務データの標準化と一元化

2007年03月
2007年10月
2007年10月
2008年07月
2008年
  
2009年06月
2010年10月
2...
ビジネス・インテリジェンス活用の方向性	
OLTP

OLAP

単純・定型情報
の追加・更新

単純な情報照会

複雑で重い情報分析

日常的業務処理

戦術的意志決定

戦略的意志決定

Business Operation

Operat...
製品の位置づけ	
戦略的意志決定
Strategic Intelligence

デスクトップ

SAP
BusinessObjects

SAP
HANA

ORACLE Hyperion

ORACLE Exadata

IBM Cogno...
統合データベース化への動き	
OLTP	

OLAP	

トランザクションDB

データウェアハウス(DWH)

リレーショナル型DB

カラム型DB

OLTP+OLAP	
インメモリー

HANA	

一元化された統合DB
フラッシュ
メモ...
Amzon Redshift	
Hadoop+Hiveとの比較	
v  スピード 10倍 & コスト 1/10
v  列指向データベース(Columnar Storage)
v  MPPにて分散処理、処理量に応じてスケール

数テラバイト...
2011-2013,all rights reserved by NetCommerce & applied marketing

NetCommerce & applied marketing
補足資料	

2011-2013,all rights reserved by NetCommerce & applied marketing

NetCommerce & applied marketing
分析手法から見たBIツールの分類	
分
析
能
力

非定型・仮説検証・分析型
l  Hyperion/Exadata
l  COGNOS/Real-Time Moniterling
l  Business Objects/Hana	

...
OLAPの分析手法	

MOLAP

ROLAP

(Multi-dimensional Online
Analytical Processing)

(Relational Online Analytical
Processing)

特徴
...
BIを活用した顧客体験価値の提供	

l  紙おむつと缶ビールを同時に購入する顧客向け
–  紙おむつと缶ビールの売り場を近づける
–  紙おむつと缶ビールを同時に購入した顧客への割引

l  運動会におにぎりを購入する顧客向け
–  おに...
Big Data / 適用例	

データ処理の
リアルタイム化

【スマートグリッド】 予測が難しく時々刻々変化する発電量と電気使用
量の状況を分析、直近を予測して最適な配電方法の設定を自動化
【自動車ナビゲーション】 EVやHVの運転者の移動...
Upcoming SlideShare
Loading in...5
×

ビジネス・インテリジェンス

1,678

Published on

ERPやCRMなど企業内の業務システムからもたらされる膨大なデータを、蓄積・分析・加工して、意思決定に活用するための仕組み。経営者や業務担当者などのエンドユーザーが、分析レポートの作成を自ら手がけることで、意志決定の迅速化と生産性の向上を図るべきであるという考え方から生まれた。

昨今、業務のデジタル化やクラウドの普及により、活用できるデータのボリュームは増大し種類も多様化している。このような「ビッグ・データ」を活用したBIの活用も注目されている。

http://libra.netcommerce.co.jp/

Published in: Technology
0 Comments
4 Likes
Statistics
Notes
  • Be the first to comment

No Downloads
Views
Total Views
1,678
On Slideshare
0
From Embeds
0
Number of Embeds
2
Actions
Shares
0
Downloads
0
Comments
0
Likes
4
Embeds 0
No embeds

No notes for slide

Transcript of "ビジネス・インテリジェンス"

  1. 1. ビジネス・インテリジェンス Business Interigence 2011-2013,all rights reserved by NetCommerce & applied marketing 2011-2013,all rights reserved by NetCommerce & applied marketing NetCommerce & applied marketing
  2. 2. エンタープライズ・システムの課題 v  日々さまざまなエンタープライズ・アプリケーションが膨大なデータを生成。 v  データをため込むだけでは、もったいない。特に基幹業務を担うERPは、有益 な情報に満ちている。 v  宝の山を死蔵させずに活用するには、BI導入が効果的。 エンタープライズ・アプリケーション CRM ERP SCM ・・・ 生産性の向上、利益の拡大・・・ 2011-2013,all rights reserved by NetCommerce & applied marketing 継続的肥大化 BI エンタープライズ データ ビジネス・インテリジェンス Business Intelligence データの死蔵 リスク拡大/機会損失/過った状況把握 NetCommerce & applied marketing
  3. 3. Business Intelligence (BI)とは 業務システムのデータを使った分析レポートの作成 売上分析レポート、顧客分析レポート、生産実績レポートなど エンドユーザーの依頼を受けて情報システム部門が担当 ü  こちらの欲しいものが何かを的確に伝えることが難しい ü  試行錯誤の繰り返し、そのやり取りに手間も時間もかかる ü  情報システム部門はバックログが拡大、対応に時間がかかる Business Intelligenceとは、 経営者や業務担当者などのエンドユーザーが、 事実に基づく支援システムを使っ てビジネス上の意志決定を進化さ せるための概念と手法 分析レポートの作成を自ら手がけることで、 意志決定の迅速化と生産性の向上を図るべきである Howard Dresner / an analyst of Gartner Group / 1989 BI アプリケーション v 発見:原因、規則、関係 v 把握:履歴、現状、事実 v 予測:成果、最適解 見える化 事実に基づく 迅速的確な意志決定 2011-2013,all rights reserved by NetCommerce & applied marketing NetCommerce & applied marketing
  4. 4. BIの歴史的変遷と区分 未来 現在 これから何が起こるのか? BIG DATA 今、何が起こっているのか? 予測、最適化 なぜ起きたのか? 過去 何が起きたのか? レポーティング モニタリング 多次元分析 データマイニング 統計分析 機械学習 ダッシュボード スコアリング ゲージ OLAP 精度向上 定型レポート QA: Query & Report 1980年代 2011-2013,all rights reserved by NetCommerce & applied marketing BI: Business Intelligence 1990年代 2000年代 BA: Business Analysis 2010年代〜 NetCommerce & applied marketing
  5. 5. BIの利用形態から見た区分 分析 事実の「見える化」 予実の比較と最適化 v  拠点別・製品別の在庫量 v  適性発注量予測 v  事業所別・営業予実 v  店舗別・売上状況 v  予測と実績の比較 v  有効策の予測と修正・対応 集計型 IF-THEN型 蓄積された 戦 略 戦 術 データ プロアクティブ型 発見型 関係性・規則性の発見 最適化された対応 v  購入傾向から顧客を層別 v  商品のレコメンデーション v  クレームから原因分析 v  歩留傾向から改善点の発見 v  不正検知 v  アルゴリズム取引 総合 2011-2013,all rights reserved by NetCommerce & applied marketing NetCommerce & applied marketing
  6. 6. BIの利用者とリクエスト 現在の在庫状況は? 在庫管理システムへの問い合わせで解決 1ヶ月後の在庫状況は? 在庫管理、受注管理、生産管理システムなど からのデータをつきあわせないと回答できない 年間の在庫量推移は? 上記に加え、販売計画、生産計画など 様々なデータが必要 担当者 マネージャ 経営者 複数のシステムにまたがる問い合わせには基幹シス テムのレポーティング機能では対応できない (定型的なものは作り込みが可能) 製造担当役員 在庫量を最小化するため の製造パターンは? 上記に加え、過去のデータからの販売傾向など を加味した分析が必要 様々なデータを駆使した仮説検証・分析型の非定型な問 い合わせには、OLAP分析が向いている 2011-2013,all rights reserved by NetCommerce & applied marketing NetCommerce & applied marketing
  7. 7. 適用例:データマイニング DWH 分析専用のDB 統計 解析 ルール 相関 知見 発 見 「紙おむつを買う男性は、缶ビールを一緒に買うことが多い」 米国のあるスーパーマーケットで「マーケットバスケット分  析」(1回の購買に関するデータを分 析することで、商品の並買関係を探ること)を実施した結果、「紙おむつと缶ビールが同じ顧客 によって同時に購入されて  いる事実が明らかになった」という伝説 2011-2013,all rights reserved by NetCommerce & applied marketing NetCommerce & applied marketing
  8. 8. 適用例:OLAP On-Line Analytical Processing リアルタイム対話型 仮説 DWH 多次元 データベース 検証 アイデア・思いつきを検証し、新たなルール・法則の発見につなげる 運動会当日の天気予 報が晴れの場合、お にぎりの仕入れを増 やすべき 2011-2013,all rights reserved by NetCommerce & applied marketing 昨年は何が売れたか? 何のおにぎりをいくつ 仕入れるべきか? 先週隣町では何が売れたか? 昨年は何が最初に売れたか? NetCommerce & applied marketing
  9. 9. 適用例:OLAP On-Line Analytical Processing / 分析手法 地域 製品 ドリルダウン 全製品 2007年1月 ・・・ 2007年12月 東日本 10 ・・・ 20 西日本 5 ・・・ 6 海外 2 ・・・ 1 スライシング 販売金額 期間 製品B 2007年 2008年 2009年 東日本 40 60 70 西日本 15 20 25 海外 3 10 20 製品C 製品B 100 10 30 60 100 10 30 60 全製品 2007年 2008年 2009年200 200 100 東日本 100 120 200 100 西日本 50 70 100 60 60 海外 10 30 60 製品A 2011-2013,all rights reserved by NetCommerce & applied marketing ダイシング 全地域 2007年 2008年 2009年 製品A 40 60 70 製品B 15 20 25 製品C 3 10 20 NetCommerce & applied marketing
  10. 10. 適用例: ダッシュボード、スコアリング、ゲージ 複雑な情報を速やかに伝達するために、さまざまな企業システムのデータを、ゲージチャート、 地図、グラフなどのグラフィカルな要素を使用した視覚性に富んだ形式にして、さまざまなビ ジネス状況をまとめて表示したもの 2011-2013,all rights reserved by NetCommerce & applied marketing NetCommerce & applied marketing
  11. 11. ビジネス・インテリジェンスの目的 業務システムの膨大なデータに内在する相互の関係や構造を分析・整理し わかりやすく表現して、事実に基づく意思決定を支援すること 経験や勘ではなく、事実に基づいて、ビジネス上の判断をできるようにすること 営業戦略 売り上げの増大 マーケティング戦略 企業価値の向上 製造の効率化 コスト削減 製品開発 競争力強化 カスタマー・サポート 企業経営の最適化 事業活動の最適化 EPM 顧客満足の向上 Enterprise Performance Management 「何かが起こってから変わる企業」から「何かが起こる前に変わる企業」へ 2011-2013,all rights reserved by NetCommerce & applied marketing NetCommerce & applied marketing
  12. 12. ビジネス・インテリジェンスの目的 業務システムの膨大なデータに内在する相互の関係や構造を分析・整理し わかりやすく表現して、事実に基づく意思決定を支援すること 経験や勘ではなく、事実に基づいて、ビジネス上の判断をできるようにすること 経 営 l  月別・年別売上げ推移 l  利益率の変遷 l  取引先ランキング など 営 業 l  顧客別取引傾向の分析 l  顧客別購買履歴の管理 l  出荷や生産状況の管理 など 人 事 l  給与情報の検索 l  スキルや人事考課の分析 l  残業時間の分析 など マーケティング l  苦情分析 l  市場分析 l  製品別売上げ傾向分析 など 「何かが起こってから変わる企業」から「何かが起こる前に変わる企業」へ 2011-2013,all rights reserved by NetCommerce & applied marketing NetCommerce & applied marketing
  13. 13. ビジネス・インテリジェンスの目的 業務システムの膨大なデータに内在する相互の関係や構造を分析・整理し わかりやすく表現して、事実に基づく意思決定を支援すること 経験や勘ではなく、事実に基づいて、ビジネス上の判断をできるようにすること 金融・保険 l  不正取引の発見 l  優良顧客の絞り込み l  与信・取引リスク評価 など 製造 l  品質・歩留まりの向上 l  原材料トレーサビリティ向上 l  需要予測 など 通信・放送 l  視聴率の分析 l  広告効果の評価 l  回線トラフィックの把握 など メディア l  アクセス・クリックの向上 l  コンテンツ効果の評価 l  流入・流出傾向の把握 など 小売・流通 l  ロイヤリティの把握 l  購買行動の把握 l  プロモーション効果分析 など 公共・公益 l  気象・地震の傾向把握・予測 l  エネルギー・消費動向の把握 l  犯人追跡・証拠発見 など 「何かが起こってから変わる企業」から「何かが起こる前に変わる企業」へ 2011-2013,all rights reserved by NetCommerce & applied marketing NetCommerce & applied marketing
  14. 14. 「情報」と「ビジネス・インテリジェンス・プロセス」 情  報 Data エンタープライズ アプリケーション 素材 Information ETL トランザクション データベース 様々なエンタープライズ・ アプリケーションから生成 される数字や記号など 判断・決定 整理 BI 価値 DWH Dataを業務目的に 沿って分類・構造化 し、報告や検討しや すく整理したもの 2011-2013,all rights reserved by NetCommerce & applied marketing Decision Intelligence Informationに内在す るルールや法則など の関係や価値をわか りやすく表現したもの 意志 決定者 判断 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 NetCommerce & applied marketing
  15. 15. ビジネス・インテリジェンスのプロセス 効率的な業務処理 OLTP OLAP ETLシステムから書き出されたデータ を保管するデータベース。BIアプリケー ションでの利用を前提として、企業内 のデータを網羅的に一括して検索・分 析できるよう、フォーマットや項目を揃 え、蓄積。 SCM CRM データ 収集 業務DB BI Q&R(Query & Report) マスタ DB データ 抽出 適切・迅速な意志決定 ETL DWH ERP 業務DB 業務DB 2011-2013,all rights reserved by NetCommerce & applied marketing BI(Business Intelligence)*狭義 BA(Business Analysis) 企業の基幹系システムなどに蓄積さ れたデータを抽出(extract)し、DWH で利用しやすい形に加工(transform) し、対象となるデータベースに書き出 す(load)システム DWHの情報を利用し、検索や集計、 分析を行い、わかりやすい表やグラフ などのレポートを生成 NetCommerce & applied marketing
  16. 16. ETL (Extract, Transformation and Load) ERP CRM 不要なデータの削除    分析では不要なデータや異常なデータについて削除する。 値の変換  Null値の変換や、データ型の変換(日付→文字列など)を行なう。 クレンジング  システム間でコードの意味が違う場合にそれを統一するなど、データの意味をそろえる。また、データ内 に不整合があった場合にそれをエラーとしたり、一定のロジックで変換したりする。 SCM 統合・集計  複数のシステムから抽出した別のデータを1つのデータとして統合する。また、たとえば業務システムでは 日単位のデータを月単位に集計するなどの集計処理を行なう。 SFA Transformation POS 製造管理システム Extract Load DWH 販売管理システム 会計システム DBのレプリケーションが主目的 リアルタイム性はあまり考えられていない EAIやESBを使えばリアルタイムのデータ連係も可能 ただし、他システムへの負荷を考える必要有り 2011-2013,all rights reserved by NetCommerce & applied marketing NetCommerce & applied marketing
  17. 17. データウェアハウス DWH Data Warehouse 業務 業務 DB 業務 DB DB 分析を目的に、必要とな るあらゆる情報を集めた データベース http://japan.internet.com/column/busnews/20090608/6.html 2011-2013,all rights reserved by NetCommerce & applied marketing NetCommerce & applied marketing
  18. 18. データウェアハウス DWH Data Warehouse 基幹システムとデータウェアハウス(DWH)の違い 基幹システム データウェアハウス v  トランザクションを高速に処理することが目的 v  頻繁に更新、長期保存は前提にせず v  リレーショナル・データベースが一般的 v  高速な検索や集計処理することが目的 v  追加のみ、更新は行われない v  列指向型データベースが広く利用 データウェアハウスの要件 項目別 基幹システムは「機能別」に設計されており、データには「目的」がある。DWHでは、これを項 目(サブジェクト)毎に再構成する 統合化 様々なシステムからのデータを一つに統合するために、データフォーマットの変換や抽象化な どを行う 非更新 データの修正があった場合でも、古いデータを削除したり、上書きしたりせずに、追記し、履歴 を完全に残す 時系列 データを上書きせずに追記していくことによって、過去のある時点でのデータを参照できるよう にする 2011-2013,all rights reserved by NetCommerce & applied marketing NetCommerce & applied marketing
  19. 19. データウェアハウス(DWH)とデータマート(DM) 分析目的別サマリー・データベース OLAP DM 業務DB DM 業務DB DM ー 業務DB ー OLTP         独 立 型 DM 業務DB ー         従 属 ー DWH 業務DB 型 DM 業務DB ー     直 接 業務DB リアルタイムBIの基盤 DWH 業務DB 型 DM 低コスト・新鮮 業務DB l  ユーザーが、目的に応じて個別に データマートを作成する方式 Ø  規模が小さい場合や特定目的で簡 単に作れる点では便利。 Ø  システム規模拡大するとDMが増殖 し、タスキ掛けで相互にデータのや りとりが発生。データの重複保有も 増加。 n  データウェアハウスから切り出され たデータを格納した目的別データ マートを参照する方式 l  データロード・管理の複雑さやデータ 品質、データ同期の問題を解消。 Ø  データベースの数は多く、データベー スソフトウェアのライセンス費用や運 用人件費などが高くつく。 n  データマートを廃止し、ひとつのDWH に全データを統合、多数のユーザー を同時にサポートする方式 l  運用の容易さ、システム変更のしや すさ、維持コストの安さなど Ø  データマートの全廃が簡単でないこ とや高い処理能力を持つシステム が必要 分析に必要となるあらゆる情報を集めたデータベース 2011-2013,all rights reserved by NetCommerce & applied marketing NetCommerce & applied marketing
  20. 20. ビジネス・インテリジェンスの3つの分析機能 Q&R BI Query & Report Business 業務システムから生み出される多 様かつ膨大なデータを情報システ ムの専門家を介在せず検索し、表 やグラフとして加工編集できる BA Intelligence Business Analysis 統計的な手法で分析・整理し、意志 決定に必要な情報を、わかりやす い表現で定型的レポートとして提示 してくれる(狭義のBI) ビジネス目標との差異を発見し、統 計的な予測モデルを使って、将来 のパフォーマンスを予見し、最適化 された計画を提示してくれる 可視化 表・グラフ・地図へのマッピンクなど 検索 分析 予測 【過 去】 【過去〜現在】 【未 来】 DWH(データウェアハウス) 過去から現在に至る企業活動のデータ(非更新・長期蓄積・業務横断) 業務 業務 業務 業務 業務 アプリケーション アプリケーション アプリケーション アプリケーション アプリケーション 2011-2013,all rights reserved by NetCommerce & applied marketing NetCommerce & applied marketing
  21. 21. ビジネス・インテリジェンスとPDCAサイクル 効率的な業務処理 OLTP OLAP 適切・迅速な意志決定 リアルタイムBI の対象範囲 現状を分析・整理し、わかりやすい表現で定型的 レポートを提示 CRM 現状分析 意志決定 SCM 計画・予算 BI P D データ 収集 業務DB DM マスタ データ 抽出 ETL 分析 DWH ー DB ERP DM DM 予測・最適計画 業務DB 業務DB 過去分析 BA Q&R A C ビジネス目標との差異を発見し、予測モデルを使って、 将来のパフォーマンス予見し最適化された計画を提示 2011-2013,all rights reserved by NetCommerce & applied marketing 過去を分析・整理し、わかりや すい定型的レポートを提示 NetCommerce & applied marketing
  22. 22. ビジネス・インテリジェンスのユーザー 効率的な業務処理 OLTP OLAP 適切・迅速な意志決定 業績向上 BA 予 見 モニタリング 最 適 使目 化 標 、 将 来差 計 異 画 発 提 見 示 、 予 測 (シグナルゲージ、スケールの表示) SCM ダッシュボード DM CRM 役員 経営者 ー データ 収集 アナリスト 業務DB マスタ DB データ 抽出 ETL DWH 分析 ルール KPI 体制 マーケティング 経営企画 現現 状 定 型分 的析 ERP ー 業務DB レポーティング 業務DB 管理者・一般社員 (定型レポートの作成) Webレポーティング DM 2011-2013,all rights reserved by NetCommerce & applied marketing 整 理 、 提 示 表 生産性向上 BI NetCommerce & applied marketing
  23. 23. ビジネス・インテリジェンスの歴史 表現力 ダッシュボード モバイル 加工編集された表 やグラフをWebを 介し共有 検索や解析結果 をモバイル端末に 表示、利用 利用者の拡大 ゲージ 設定した目標値を 達成状況を通知ま たグラフィカルに表 示し注意を喚起 Q&R EUC (End User Computing) EUD(End User Development) (Query & Report) 情報システムの専門家を介在させることなく、様々な企業内 のデータを検索し表やグラフに加工、編集できる機能 統計的手法を使っ てデータを分析、 相互の関係や法 則を発見 解析力 データマイニング 業務DB(主に ERP)とリアルタイ ム同期させ解析・ 検索をリアルタイ ム化 リアルタイムDWH 様々なデータの組 合わせを対話的に 検証し内在する方 策を発見 多次元データ ベース ビジネス・アナリシス 大規模分散データベース 統計的予測モデルで将来のパ フォーマンスを予見し最適化さ れた計画を提示 用途の拡大 膨大なデータを高速で解析し、 解析の精度向上や時間を短 縮 2011-2013,all rights reserved by NetCommerce & applied marketing NetCommerce & applied marketing
  24. 24. ビジネス・インテリジェンスの最近の動き BI利用の拡大 基幹業務システムの標準化 業務データの標準化と一元化 2007年03月 2007年10月 2007年10月 2008年07月 2008年   2009年06月 2010年10月 2010年05月 ETLツールの普及  Oracle Hyperion買収/BIアプリ  SAP BusinessObjects買収/BIアプリ    IBM Cognos買収/BIアプリ Microsoft DATAllegro 買収/DWHアプライアンス  Oracle Exadatw  提供 Microsoft  SQL Server Fast Track Data Warehouse提供IBMは、   IBM Netezza  買収 SAP Sybase買収 - High-Performance Analytic Appliance(SAP HANA) - Mobile Platform 2011-2013,all rights reserved by NetCommerce & applied marketing NetCommerce & applied marketing
  25. 25. ビジネス・インテリジェンス活用の方向性 OLTP OLAP 単純・定型情報 の追加・更新 単純な情報照会 複雑で重い情報分析 日常的業務処理 戦術的意志決定 戦略的意志決定 Business Operation Operational Intelligence Strategic Intelligence 例:店舗やATMでの入出金 例:店舗からの顧客情報照会 ・アドバイス 例:専門スタッフによる 顧客情報分析 膨大な取引データ 追加・更新 大量の情報検索 件数は少ないが 負荷の大きな分析や検索 ETL リアルタイムBI リアルタイム・ローディング 業務DB パッチ・ローディング DWH 負荷特性の異なるBI処理を効率よく処理 2011-2013,all rights reserved by NetCommerce & applied marketing NetCommerce & applied marketing
  26. 26. 製品の位置づけ 戦略的意志決定 Strategic Intelligence デスクトップ SAP BusinessObjects SAP HANA ORACLE Hyperion ORACLE Exadata IBM Cognos IBM Cognos RTM 時間 ビジネス・インテリジェンスは、過去 データの分析、報告から、リアルタ イムの分析、アドバイスへと関心が 移りつつある。 Sybase Mobile Application Platform 場 所 モバイル 2011-2013,all rights reserved by NetCommerce & applied marketing ユーザー数や利用領域 の大幅な拡大 戦術的意志決定 Operational Intelligence NetCommerce & applied marketing
  27. 27. 統合データベース化への動き OLTP OLAP トランザクションDB データウェアハウス(DWH) リレーショナル型DB カラム型DB OLTP+OLAP インメモリー HANA 一元化された統合DB フラッシュ メモリー リレーショナル型DB +カラム型DB SQL Server 2014 Database 12c リアルタイム × (ERP + BI) 2011-2013,all rights reserved by NetCommerce & applied marketing NetCommerce & applied marketing
  28. 28. Amzon Redshift Hadoop+Hiveとの比較 v  スピード 10倍 & コスト 1/10 v  列指向データベース(Columnar Storage) v  MPPにて分散処理、処理量に応じてスケール 数テラバイトで 数千万から数億円 専用データベース + アプライアンス 28 2011-2013,all rights reserved by NetCommerce & applied marketing Common BI Tool v MicroStrategy、Jaspersoft、SAP、IBM、Informatica、Tableau、Attunity、 Actuate、Pentaho、Talend、Birst、Roambi、Pervasiveなど v 他の既存データベースからはJDBC/ODBCドライバ経由で接続 NetCommerce & applied marketing
  29. 29. 2011-2013,all rights reserved by NetCommerce & applied marketing NetCommerce & applied marketing
  30. 30. 補足資料 2011-2013,all rights reserved by NetCommerce & applied marketing NetCommerce & applied marketing
  31. 31. 分析手法から見たBIツールの分類 分 析 能 力 非定型・仮説検証・分析型 l  Hyperion/Exadata l  COGNOS/Real-Time Moniterling l  Business Objects/Hana OLAP分析 DWH データマイニング クエリ レポーティング 定型・状況確認型 l  WebFOCUS l  Yellowfin l  Actuate 定型・発見型 l  SAS l  SQL Server Data Mining l  Oracle Data Mining 情報システム部門が、 ユーザーの要望に応え てレポートを作成する際 の生産性向上ツールと しての位置づけもある リアルタイム 2011-2013,all rights reserved by NetCommerce & applied marketing NetCommerce & applied marketing
  32. 32. OLAPの分析手法 MOLAP ROLAP (Multi-dimensional Online Analytical Processing) (Relational Online Analytical Processing) 特徴 DWHから生成した要約情報をMORAP サーバで多次元データベースに格納し、 クライアントからの処理要求に応じて データを切り出して表示する ROLAPサーバのリレーショナルエータ ベースに格納されたデータを直接検索・ 集計し、結果をクライアント側で多次元 データに構成して視覚化する 長所 あらかじめ必要な分だけ多次元データ ベースに取り出しているため、アクセスす るデータ量が少なく、処理速度が速い 直接リレーショナルデータベースを検索し に行くので、様々な切り口での検索にも 対応しやすい 短所 取り出すデータ量が増えると多次元デー タベースの作成に時間がかかり、またア クセス速度も遅くなる 大容量のデータにアクセスする必要があ るため、処理速度が遅い 2011-2013,all rights reserved by NetCommerce & applied marketing NetCommerce & applied marketing
  33. 33. BIを活用した顧客体験価値の提供 l  紙おむつと缶ビールを同時に購入する顧客向け –  紙おむつと缶ビールの売り場を近づける –  紙おむつと缶ビールを同時に購入した顧客への割引 l  運動会におにぎりを購入する顧客向け –  おにぎりが完売したとしても、顧客は満足していないかもしれない –  「欲しいおにぎりが確実に買える」という満足を提供 l  金融機関での例 –  ローン取扱高の90%が、全体の10%の優良顧客に集中 –  優良顧客専用の対応窓口の設置 2011-2013,all rights reserved by NetCommerce & applied marketing NetCommerce & applied marketing
  34. 34. Big Data / 適用例 データ処理の リアルタイム化 【スマートグリッド】 予測が難しく時々刻々変化する発電量と電気使用 量の状況を分析、直近を予測して最適な配電方法の設定を自動化 【自動車ナビゲーション】 EVやHVの運転者の移動履歴から次の行動を 予測し、最適な電気や燃料の配分や補給のタイミング、場所をガイド 大規模データ に潜む構造や 規則の発見 【健康管理】 患者の身体的特徴や行動から病気のなりやすさを予測し、 必要な対策をガイド 【自動翻訳】 国連の文書を分析し、辞書や文法を使わずに統計的手法 のみで多言語間の翻訳を実施 Google Translate バッチ処理時間 の大幅短縮 【カードの不正使用検知】 全カード利用者の利用モデル作成に1回、数 週間かかっていたものを13分に短縮し、毎日検知パターンを更新 【日次原価計算】 1回数十時間かかっていた原価計算の月次バッチ処 理を数分で処理 34 2011-2013,all rights reserved by NetCommerce & applied marketing NetCommerce & applied marketing

×