More Related Content Similar to [Cloud OnAir] お客様事例紹介 -リクルートライフスタイルにおける デジタルトランスフォーメーションとクラウド活用- 2018年7月12日 放送 (20) More from Google Cloud Platform - Japan (20) [Cloud OnAir] お客様事例紹介 -リクルートライフスタイルにおける デジタルトランスフォーメーションとクラウド活用- 2018年7月12日 放送11. Cloud OnAir
Adoption から Transformation へ
People
Process
Technology
● 新しいチームの立ち上げ(2015年1月~
● 新たにプロセスを策定
● とにかく早くまわす
● 積極的に クラウド を活用
12. Cloud OnAir
People:新チーム [ CET ] のミッション
Capture Everything
https://www.google.co.jp/search?q=リクルートライフスタイル +CET
直接的な収益インパクトと、
Insight や技術資産 など間接的な価値を創出する
14. Cloud OnAir
Technology:Why Cloud?
● VUCA時代のアプローチとして必然
Volatility (変動性)
Uncertainty (不確実性)
Complexity (複雑性)
Ambiguity (曖昧性)
● Digital Transformation
何に Transform すべきか?
どうやって Transform すべきか?
● 「作る」から「使う」へ
15. Cloud OnAir
Technology:Why Cloud?
● VUCA時代のアプローチとして必然
Volatility (変動性)
Uncertainty (不確実性)
Complexity (複雑性)
Ambiguity (曖昧性)
● Digital Transformation
何に Transform すべきか?
どうやって Transform すべきか?
● 「作る」から「使う」へ
頂上の見えない山
とにかく早く一歩を
踏み出す
歩みを振り返り
次の一歩を踏み出す
16. Cloud OnAir
Why Cloud?~ クラウドユーザコミュニティの重要性 ~
● 活発なユーザコミュニティから事例、アンチパターンが得られる
● 異業種事例でもアレンジ可能
● プロダクト開発者ともコミュニケーション可能
動作原理や設計思想などを聞ける
https://engineer.recruit-lifestyle.co.jp/techblog/2018-06-05-bigquery-seminar/
19. Cloud OnAir
DEMO:ある日の風景 ~レコメンドの A/B Testing ~
● 仮説:ユーザーは複数のデバイスで検討して 予約する
● 施策:ユーザーの検討したアイテムに基づきプッシュでレコメンドしてみたい
PC SPAPP APPPush
予約
店舗A
店舗B
店舗A
店舗C
特集
店舗C
店舗C
店舗F(オススメ)
20. Cloud OnAir
DEMO:ある日の風景 ~レコメンドの A/B Testing ~
● そもそもクロスするユーザーはどれぐらいなの?
● App で会員 IDはどれぐらい 取得できてるの?
● 来訪の間隔は?1日?6時間?30分?
● Push Notification はどの環境で?
● バッチ運用は手間だから代替案ある?
● レコメンデーションを追加できる?
● テスト環境は?稼働状況確認どうする?
● 振り返り用のデータマートどうする?
● A/B Testing 成功したらどうする?
21. Cloud OnAir
DEMO:ある日の風景 ~レコメンドの A/B Testing ~
● そもそもクロスユーザーはどれぐらいなの?
● App で会員 IDはどれぐらい 取得できてるの?
● 来訪の間隔は?1日?6時間?30分?
Before:3日
After:20分
設計 抽出 ロード 加工 分析
加工 分析
Movie
23. Cloud OnAir
DEMO:ある日の風景 ~レコメンドの A/B Testing ~
● そもそもクロスユーザーはどれぐらいなの?
● App で会員 IDはどれぐらい 取得できてるの?
● 来訪の間隔は?1日?6時間?30分?
● Push Notification はどの環境で?
● バッチ運用は手間だから代替案ある?
● レコメンデーションを追加できる?
● テスト環境は?稼働状況確認どうする?
● 振り返り用のデータマートどうする?
● A/B Testing 成功したらどうする?
● FCM
● Cloud Functions / Firestore
● GKE / Cloud ML / Bigtable
● Stackdriver
● BigQuery / Dataflow
● その時考える Autoscaler
24. Cloud OnAir
Adoption から Transformation へ
Adoption Transformation
● 新チーム発足(CET)
● 主にデータプロダクト
● 新チーム発足(新プロダクト開発)
● データプロダクト以外にも展開
25. Cloud OnAir
● データ素材
○ AD(DoubleClick) / Firebase / GA360
● データ加工・処理
○ BigQuery
○ Spanner
● データ活用の実行エンジン
○ Firebase (FCM / Cloud Functions)
Why Google Cloud Platform? 各種サービスとの豊富な連携
28. Cloud OnAir
● Dataflow で UU 数をリアルタイムに集計
○ CVR 向上施策
● Bigtable を安定利用するために
○ キーの複製とハッシュ化
○ セッションウィンドウによる書込量の削減
じゃらん net リアルタイム UU 集計
UUAccess log
31. Cloud OnAir
じゃらん net での宿 to 宿レコメンド
Raw data
Feature vector
Training data
Feature vector
K-nearest neighbors
(recommendation)
API Data
Loader
33. Cloud OnAir
じゃらん net でのユーザ to 宿レコメンド
K-nearest neighbors
(index)
Recommendation
Stock
Stock
Access log
37. Cloud OnAir
● 機械学習バッチの予測結果やストリームデータ処理の
結果を Bigtable へ入れる
● GET リクエストパスをキーとして Bigtable を引いて返す
● API Data Loader
○ TSV ファイルを Bigtable へロードする仕組み
○ 他グループのデータサイエンティストや
エンジニアにも開放
○ S3 に TSV ファイルを置けば誰でも API を作成できる
CET API
40. Cloud OnAir
● BigQuery のキャパシティプランニングが必要ない
● プロジェクト間で BigQuery のテーブルの共有が簡単にできる
● GKE でマネージドな k8s を利用できる
○ マイクロサービスアーキテクチャを採用した Web サービス
○ 新機械学習基盤のインフラとして
● Cloud ML Engine が利用しやすい
○ TensorFlow の環境を自前で用意しなくて良い
良い点
41. Cloud OnAir
● Cloud Composer では Python2 系でしか DAG を
記述できない
● 250MB までのモデルしか Cloud ML Engine に
デプロイできない
● Cloud ML Engine の Online Prediction の割当が
プロジェクトあたり10000リクエスト / 100秒
○ 弊社の規模だと足りない
改善してほしいところ
43. Cloud OnAir
● GitHub Flow と Drone による CI/CD
● Slack によるコミュニケーション
● Terraform による Infrastructure as Code
● Packer, Docker による Immutable Infrastructure
デジタルトランスフォーメーション実現のための
モダンな開発プロセス
Droneghe
Push
Merge
Tag
Developer
Web hook
Slack
Notification
Build
Deploy
Monitoring
45. Cloud OnAir
優秀なエンジニア, データサイエンティストを積極採用中です!
● GCP を活用したデータプロダクトの開発・運用
● GCP を活用した新規サービスの立ち上げとグロース
● 機械学習を活用した利益創出
● 深層学習や量子アニーリングの実サービスへの適用
興味がある方は
Mail: horisawa_k@r.recruit.co.jp
Twitter: @horiken4
までメッセージをお願いします
採用について