Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

LiBRA 09.2019 / 2019年度・9月版 新入社員研修教材 最新ITトレンド

760 views

Published on

https://libra.netcommerce.co.jp/

Published in: Technology
  • Be the first to comment

  • Be the first to like this

LiBRA 09.2019 / 2019年度・9月版 新入社員研修教材 最新ITトレンド

  1. 1. ITの最新トレンドと これからのビジネス 2019年9月 未来を創るために知っておきたい基礎知識
  2. 2. ひとつのことに究極を求めず、 広い視野で最適を求めて変化すること ひとつの分野で知識を増し、 経験を積めばできること ひとつの分野を徹底して追求し、 知識や経験を極めればできること 成長の3つのステージ  5年後や10年後はどうなっているか分からない。  今日の正解が、明日の正解である保証はない。  求められるスキルが変わるスピードが加速する。
  3. 3. 学びの4段階 知る:事実ないし確実とされている知識や情報を「知る」こ と、記憶すること。 理解する:個々バラバラな事象がお互いに一定の関係を持つ ものとして見えてくる、あるいは、見えるようにすること。 疑う:既存の分析を「疑う」ことから新しい「問いかけ」が 生じ、それが「新しい」事実の発掘につながる。 超える:「疑う」という段階を超えて、事実や現実に対置さ れる新たな「適切な」可能性を追求し、時には新しい境地に 帰依すること。 学ぶとはどういうことか 講談社・佐々木 毅 著 学び続けるしか方法はない!
  4. 4. 学びの4段階 新しい境地 超える 疑う 理解する 知る でも、なぜ?どうして?本当? これのことだな! そういう意味なんだ! だからこうなのか!こういう関係があるのか! こういう考え方も!こうした方がもっといい!
  5. 5. なぜトレンドを学ぶのか 課題やテーマを教えて頂ければ、 解決策を提供します! あなたは何を言ってるんですか? お客様は、課題やテーマについての正解を教えて欲しいのではない。 自分たちは 何をすべきか=課題やテーマ そのものを教えて欲しい。 めまぐるしく変わる社会やビジネス環境 お客様はこのままでは大変なことになる 何とかしなければと考えている。 何をすればいいのか分からない 課題やテーマが分からない 課題やテーマが分かれば正解は 機械(AI)が教えてくれる
  6. 6. なぜトレンドを学ぶのか お客様の”いま”のシステム投資は 自分たちの”未来”のための投資だ あなたの仕事は お客様の未来に責任を持っている あなたはITの”未来”について、自信を持って語れますか? お客様のデジタル戦略 ITインフラのあるべき姿 システム開発の方法 事業成長や社会への貢献 従業員やその家族の幸せ お客様のより一層の満足
  7. 7. なぜトレンドを学ぶのか あなたの仕事は、お客様の あるべき姿 と 目指すべきゴールと課題を 自信を持って提言×教えること 知識 職務に求められる 言葉、解釈、伝えるスキル など 教養 真善美を理解し 正しいことを 自信を持って 語れる力 人格 お客様に 真摯に向き合い 誠実に最善を 尽くすこと お客様から、「ぜひ、そうなりたい!」や「ぜひ、お願いしたい!」を引き出す。
  8. 8. 8 あなたは、これからITに関わる仕事をすることに なります。そんなITは、私たちの社会やビジネス に、どのような価値をもたらすのでしょうか。効 率化やコストの削減、利便性の向上といった価値 以外にどのような価値があるのかを、事例を交え て説明してください。 10分の時間を差し上げます。時間管理は自分たちで行って ください。 今日の講義で「教えて欲しいこと」や「知りたいこと」 を提案してください。
  9. 9. 2つの動画を見て考えて欲しいこと レジ無しスーパー・マーケット 音声で機械を操作し、サービスを利用 この2つのサービスに共通するamazonの戦略は何か? 1. 2. 3.
  10. 10. この動画を見て考えて欲しいこと 日産とDeNAが仕掛ける移動サービス このサービスはどうやって収益を上げるのか? 1. 2. 3.
  11. 11. 1. 最新トレンドを理解するためにおさえておきたいITの歴史と基礎知識 2. ビジネスの大変革を迫るデジタル・トランスフォーメーション 3. ソフトウェア化するインフラと 4. IT利用の常識を変えるクラウド・コンピューティング 5. 新たなビジネス基盤となるIoT(モノのインターネット) 6. 人に寄り添うITを実現する人工知能/AI 7. ビジネススピードの加速に対応する開発と運用 8. いまもとめられる人材
  12. 12. 最新トレンドを理解するために おさえておきたいITの歴史と基礎知識
  13. 13. コンピューターとは何か 抽象的な”数”を物理的な動きを使って演算する道具 Calculator Computer 演算するための道具 Calculate 演算する Compute 複数の演算を組み合わせ 何らかの結果を導く 複数演算の組み合わせを 実行する道具 複数演算の組み合わせを 実行するヒト(計算者) 蒸気機関や電気の動力 電子の動きモノの動き
  14. 14. コンピューターとは何か 抽象的な”数”を物理的な動きを使って演算する道具 蒸気機関や電気の動力 電子の動きモノの動き データ量と計算需要 の爆発的増大 ムーアの法則 の限界 量子力学によって明らかにされた 量子の動き/現象を利用して演算 微細な世界 の物理現象 量子 コンピュータ
  15. 15. 近代コンピュータ発展の歴史 15 コンピュータの原理を数学的に 定式化し動作原理モデルを設計 電子回路でチューリング・マシ ンを作るための原理を設計 ノイマン型コンピュータチューリング・マシン 量子コンピュータ Quantum Computer 量子ゲート方式 量子アニーリング方式 メインフレーム ミニコンピュータ パーソナルピュータ スマートフォン IoT/エッジ デバイス ニューロ・モーフィック コンピュータ 1950年代〜 1970年代前半〜 1970年代後半〜 2007年〜 2000年〜 2010年〜 1936年 1945年 スーパー・コンピュータ 1976年〜
  16. 16. ノイマン型コンピュータ 5大機能 制御装置 プログラムの読み込みや データの読み書きを制御 演算装置 数値演算、論理演算 を実行 記憶装置 プログラムやデータ を格納 入力装置 プログラムやデータ 人間からの指示を入力 出力装置 演算結果を外部へ出力 ノイマン型 (プログラム内蔵方式/ストアードプログラム方式) のデジタル・コンピュータでは プログラムやデータを記憶装置に格納して順次読み込みながら演算処理を行う CPU 中央演算処理装置 入力命令 出力命令 演算命令 データの流れ 制御の流れ プログラムを入れ替えることで 任意の計算を実行できる機械 プログラム内蔵方式 補助記憶装置 (ストレージ)
  17. 17. コンピュータの構成と種類 サーバー・コンピュータ データセンターなどの専用設備に設置 複数のユーザーが共用 クライアント・コンピュータ 個人が所有する、あるいは交代で利用する 個人ユーザーが一時点で占有して使用する 組み込みコンピュータ モノの中に組み込まれている それぞれのモノの機能や性能を実現している ソフトウェア ゲーム ブラウザー ワープロ データベース 通信制御 認証管理 OS(Operating System) ハードウェア CPU(中央演算処理装置) メモリー(主記憶装置) ストレージ(補助記憶装置) ネットワーク機器 電源装置 コンピュータ
  18. 18. 情報システムの構造 業務や経営の目的を達成するための 仕事の手順 ビジネス・プロセス 情報システム ビジネス・プロセスを効率的・効果 的に機能させるためのソフトウエア アプリケーションの開発や実行に共 通して使われるソフトウエア ソフトウエアを稼働させるための ハードウェアや設備 アプリケーション プラットフォーム インフラストラクチャー 販売 管理 給与 計算 生産 計画 文書 管理 経費 精算 販売 管理 給与 計算 生産 計画 文書 管理 経費 精算 データベース プログラム開発や実行を支援 稼働状況やセキュリティを管理 ハードウェアの動作を制御 ネットワーク 機器 電源設備サーバー ストレージ
  19. 19. ビジネスの大変革を迫る デジタル・トランスフォーメーション Digital Transformation / DX
  20. 20. IT投資並びに情報サービス産業の市場推移 (出典)平成30年通信利用動向調査 インターネット普及率 端末普及率 情報化投資の推移
  21. 21. IT投資並びに情報サービス産業の市場推移 (出典)平成30年通信利用動向調査 インターネット普及率 端末普及率 情報化投資の推移 デジタル市場の飽和・成熟 デジタルだけでは成長できなくなった フィジカル市場とデジタル・テクノロジーの融合 フィンテック/ネオ・バンキングの台頭 小売・流通・物流における自動化・高速化 製造業におけるインダストリー4.0 様々な産業分野における”XTech”化 デジタル・テクノロジーによる 産業構造の転換 「データ×キャッシュ」企業の攻勢
  22. 22. 異業種からの破壊者の参入が既存の業界を破壊する UBER airbnb NETFLIX Spotify PayPal タクシー・レンタカー業界 レンタル・ビデオ業界 ホテル・旅館業界 レコード・CD業界 銀行業界(決済・為替)
  23. 23. 前提となるITビジネスの環境変化(〜5年) IaaS 運用 保守 開発 仮想化 ウオーターフォール+運用・保守 半年〜1年/工数積算 専用線 IP-VPN 4G LPWA など 階層型 アーキテクチャ 情報システム部門 アプリケーション 実行環境 システム開発 運用・保守 ネットワーク アーキテクチャ 主な顧客 PaaS コンテナ/サーバーレス アジャイル+DevOps 1ヶ月〜3ヶ月/成果連動 マイクロサービス アーキテクチャ 事業部門・経営者 第5世代 通信システム スピード × アジリティ × スケール
  24. 24. デジタル化:デジタイゼーションとデジタライゼーション デジタル技術の利用により ビジネス・プロセスを変換し 効率化やコストの削減、付加価値を向上させる デジタイゼーション Digitization ユーザー・インターフェイス 効率化・合理化・付加価値  アナログ放送→デジタル放送  紙の書籍→電子書籍  人手によるコピペ→RPA デジタル技術の利用により ビジネス・モデルを変換し 新たな利益や価値を生み出す機会を創出する デジタライゼーション Digitalization ユーザー・エクスペリエンス 競争力・差別化・新しい価値  自動車の所有→カーシェア  ダウンロード→ストリーミング  物販→サブスクリプション デジタル・トランスフォーメーションデジタル化
  25. 25. デジタルとフィジカル (1) スピード 複 製 組合せ・変更 遅い 劣化する 困難 早い 劣化しない 容易 フィジカル Physical デジタル Digital 規模の拡大が 容易で早い 状況を即座に 把握し即応できる エコシステムが 容易に形成 IoT IoT イノベーション を加速!
  26. 26. デジタルとフィジカル(2) フィジカル Physical デジタル Digital IoT フィジカルな世界でのものごとやできごとを デジタルに変換して価値を生みだし デジタルの価値をフィジカルに取り込む
  27. 27. OMO(Online Merges with Offline) 27 フィジカル Physical デジタル Digital IoT OMO(Online Merges with Offline) デジタルとフィジカルを分けて考えるのではなく デジタルが統合するひとつの仕組みとして考える
  28. 28. インターネットに接続されるデバイス数の推移 億人 億台 台/人 2003年 2010年 2015年 2020年 世界人口 インターネット 接続デバイス数 一人当りの デバイス数 63 68 72 76 5 125 250 500 0.08 1.84 3.47 6.50
  29. 29. コレ1枚でわかる最新のITトレンド データ収集 モニタリング データ解析 原因解明・発見/洞察 計画の最適化 データ活用 業務処理・情報提供 機器制御 ヒト・モノ クラウド・コンピューティング 日常生活・社会活動 環境変化・産業活動 現実世界/Physical World サイバー世界/Cyber World Cyber Physical System/現実世界とサイバー世界が緊密に結合されたシステム
  30. 30. コレ1枚でわかる最新のITトレンド IoT ソーシャルメディア モバイル・Web 機械学習 シミュレーション アプリケーション サービス ヒト・モノ クラウド・コンピューティング 現実世界/Physical World サイバー世界/Cyber World Cyber Physical System/現実世界とサイバー世界が緊密に結合されたシステム 高速化 見える化 最適化 予 測 最適解 ビジネス の最適化 現実世界の デジタルコピー デジタル ツイン 現実世界の ものごとやできごと
  31. 31. デジタル・トランスフォーメーションとCPS ヒト・モノ現実世界/Physical World サイバー世界/Cyber World Cyber Physical System/現実世界とサイバー世界が緊密に結合されたシステム 高頻度多接点 データを収集 データを解析し テーマ・課題を 見つける UI/UX&プロダクト ビジネスプロセスを 高速に改善する デジタル トランスフォーメーション
  32. 32. デジタル・トランスフォーメーション デジタル・テクノロジー ×「心理的安全性」に支えられた行動習慣 変化に俊敏に対応できる企業の文化と体質 デジタル・トランスフォーメーションとは 32 業界の枠組みを越えた 競合の予期せぬ参入 市場環境の変化の拡大 と予測不可能性の拡大 顧客嗜好の多様性 と流動性の高まり 既存ビジネスを 高速に改善する データ・事実に基づき 高速に意志決定する UIやUXを 高速にアップデートする 圧倒的なビジネス・スピード 不確実性の増大
  33. 33. デジタル・トランスフォーメーションとは何か 異業種からの予期せぬ参入 環境変化と予測不可能性の拡大 顧客嗜好の多様化と流動性 不確実性の増大 圧倒的なビジネス・スピード デジタル・トランスフォーメーション 意思決定サイクル の短縮 現場への 大幅な権限委譲 流水化された ビジネス・プロセス デジタル・テクノロジーを駆使してビジネス・プロセスを加速 自律的なチームによる 運営と管理 現場や顧客の 「見える化」 バリューストリームの 管理と把握 (ヒト、モノ、カネ、情報)
  34. 34. デジタル・トランスフォーメーションとは何か 異業種からの予期せぬ参入 環境変化と予測不可能性の拡大 顧客嗜好の多様化と流動性 不確実性の増大 デジタル・トランスフォーメーション オープン 自律分散 多様性 「心理的安全性」に支えられた行動習慣と思考パターン 意思決定サイクル の短縮 現場への 大幅な権限委譲 流水化された ビジネス・プロセス デジタル・テクノロジーを駆使してビジネス・プロセスを加速 圧倒的なビジネス・スピード
  35. 35. デジタル・トランスフォーメーション デジタル・トランスフォーメーションとは何か 変化に俊敏に対応できる企業文化・体質を実現すること 働き方改革 新規事業の開発 ビジネスモデル の転換 意思決定サイクル の短縮 現場への 大幅な権限委譲 流水化された ビジネス・プロセス オープン 自律分散 多様性 「心理的安全性」に支えられた行動習慣と思考パターン デジタル・テクノロジーを駆使してビジネス・プロセスを加速
  36. 36. デジタル・トランスフォーメーションの3つのフェーズ 第1 フェーズ 第2 フェーズ 第3 フェーズ われわれ人間の生活に、何らかの影響を与え、 進化し続けるテクノロジーであり、その結果、 人々の生活をより良い方向に変化させる 生産性向上 コスト削減 納期の短縮 スピードの加速 価値基準の転換 新ビジネス創出 2004年にスウェーデンのウメオ大学のエリック・ストルターマン教授が提唱 IT利用による業務プロセスの強化 ITによる業務の置き換え 業務がITへITが業務へとシームレスに変換される状態 支援 支援 人間による業務プロセス 人間による業務プロセス+機械による自動化 情報システム 情報システム
  37. 37. アマゾンのデジタル・トランスフォーメーション 広範な顧客接点 ビッグデータ 最高の顧客体験 機械学習による最適解 経営戦略・製品/サービス戦略 & 0.1 to One マーケティング テクノロジーを駆使して徹底した利便性を追求 顧客理解のための情報を徹底して収集する 業務(デジタル) 業務(アナログ) IT 40機の航空機 数千台のトラック
  38. 38. デジタル・トランスフォーメーションとOMO IT デジタル 業務 フィジカル 企業 アナログ デジタル 顧客 課題/ニーズフィジカルとデジタルを 区別することなく ひとつの仕組み として動かす デジタル トランスフォーメーション データを駆使して UI/UXとプロダクト ビジネス・プロセスの 改善を高速で繰り返す OMO(Online Merges with Offline) コア・コンピタンス/ケイパビリティ データアナログ デジタル
  39. 39. 変わるビジネスとITの関係 開発・運用 開発・運用 少ない生産量(工数)で開発・運用のサイクルを高速で回転させる 現場のニーズにジャストインタイムで成果を提供し続ける
  40. 40. DXを支えるテクノロジー ビジネス環境への対応 競争優位の確立 不確実性の増大・スピードの加速 製品やサービスをジャストインタイム で提供できる即応力 常識や価値基準の転換 生産性・価格・期間における これまでの常識を覆す破壊力 デジタル トランス フォーメーション 機械学習×データサイエンス クラウド・コンピューティング IoT エッジ・コンピューティング DXプラットフォーム 5G(第5世代通信網) アジャイル開発 × DevOps データ
  41. 41. DXを実現する4つの手法と考え方 デザイン思考 リーン・スタートアップ アジャイル開発 DevOps デザイナー的なクリエイティ ブな視点で、ビジネス上の課 題を解決する 最小限の機能に絞って短期間 で開発しフィードバックをう けて完成度を高める ビジネスの成果に貢献するシ ステムを、バグフリーで変更 にも柔軟に開発する 安定稼働を維持しながら、開 発されたシステムを直ちに・ 頻繁に本番環境に移行する  共感(Emphasize)  問題定義(Define)  創造(Ideate)  プロトタイプ(Prototype)  検証(Test)  構築(Build)  計測(Measure)  学習(Learn)  開発と運用の協調  自動化ツールの整備  継続的デリバリー (Continuous Delivery)  反復/周期的(Iterative)  漸進的(Incremental)  適応主義(Adaptive)  自律的(Self-Organized)  多能工(Cell Production) イノベーションとビジネス・スピードの融合 イノベーションの創発 ジャスト・イン・タイムで提供 + エスノグラフィー 変化に俊敏に対応できる企業文化・体質を実現すること
  42. 42. デジタル・トランスフォーメーションのBefore/After 支援 人間主体でビジネスを動かしITが支援する 生産性向上・コスト削減・期間短縮 安定×高品質の徹底追求 ITはコスト、削減することが正義 コスト削減の手段としての外注 常にコスト削減の圧力に晒される 仕様書通りQCDを守って 情報システム完成させる Before DX 人間とITが一体となってビジネスを動かす 変化への即応力・破壊的競争力・価値の創出 柔軟×迅速と試行錯誤 ITは競争力の源泉、投資対効果で評価 競争力の源泉として内製 ビジネスに貢献できれば投資は拡大する 変化に柔軟・迅速に対応し ビジネスを成功させる After DX
  43. 43. ソフトウェア化する ITインフラストラクチャー IT Infrastructure
  44. 44. 仮想化とは
  45. 45. 仮想 virtual 表面または名目上はそうでないが 実質的には本物と同じ 本来の意味 「仮想化」の本当の意味 本来の意味 仮想化 Virtualization 物理的実態とは異なるが、 実質的には本物と同じ機能を実現する仕組み 日本語での語感 虚像の〜 実態のない〜 It was a virtual promise. (約束ではないが)実際には約束も同然だった。 He was the virtual leader of the movement. 彼はその運動の事実上の指導者だった。
  46. 46. 仮想化とは何か コンピュータのハードやソフト 物理的実態 実質的機能 自分専用の コンピュータ・システム 周りの風景や建造物と 重ね合わされた情報 3Dで描かれた地図や 障害物や建物の情報 仮想マシン/仮想システム 仮想現実 仮想3Dマップ 仮 想 化 を 実 現 す る ソ フ ト ウ エ ア
  47. 47. 物理資源・物理機械 サーバーの仮想化 ストレージの仮想化 Java仮想マシン データベースの仮想化 パーティショニング 分 割 アグリゲーション 集 約 エミュレーション 模 倣 仮想化 (Virtualization) ひとつの物理資源を 複数の仮想資源に分割 複数の物理資源を ひとつの仮想資源に分割 ある物理資源を 異なる資源に見せかける 仮想化の3つのタイプ
  48. 48. ソフトウェア化とはどういうことか(1) 48 掃除 機能 掃除 機械 レンジ 機能 レンジ 機械 テレビ 機能 テレビ 機械 作表 機能 文書作成 機能 会計管理 機能 汎用機械 オペレーティング・システム(OS) 家電製品 コンピュータ 専用一体 専用一体 専用一体 ソフトウェア Software ハードウェア Hardware
  49. 49. ソフトウェア化とはどういうことか(2) 49 一般的なインフラ ソフトウェア化されたインフラ ソフトウェア Software ハードウェア Hardware 個別・専用 システム構成 共用・汎用 システム構成 仮想化ソフトウェア
  50. 50. 「インフラのソフトウエア化」の意味・仮想化の役割 物理的実態(バードウェアや設備)と実質的機能(仮想化されたシステム)を分離 物理的な設置・据え付け作業を必要とせず、ソフトウエアの 設定だけで、必要とするシステム構成を調達・変更できる。 ユーザーは柔軟性とスピードを手に入れる 標準化されたハードウェアやソフトウエアを大量に調達してシ ステムを構成し、運用を自動化・一元化する。 運用管理者はコスト・パフォーマンスを手に入れる *「抽象化」とは対象から本 質的に重要な要素だけを抜き 出して、他は無視すること。
  51. 51. 仮想化の種類
  52. 52. 仮想化の種類(システム資源の構成要素から考える) 仮想化 サーバーの仮想化 クライアントの仮想化 ストレージの仮想化 ネットワークの仮想化 デスクトップの仮想化 アプリケーションの仮想化 仮想LAN(VLAN) SDN(Software-Defined Networking) ブロック・レベルの仮想化 ファイル・レベルの仮想化 画面転送方式 ストリーミング方式 アプリケーション方式 ストリーミング方式 ハイパーバイザー方式 コンテナ方式/OSの仮想化 仮想PC方式 ブレードPC方式
  53. 53. サーバー仮想化 OS サーバー (ハードウェア) ミドルウェア アプリ OS ミドルウェア アプリ OS ミドルウェア アプリ OS ハードウェア ハイパーバイザー 仮想サーバー ミドルウェア アプリ OS 仮想サーバー ミドルウェア アプリ OS 仮想サーバー ミドルウェア アプリ CPU メモリ CPU メモリ CPU メモリ CPU メモリ サーバー (ハードウェア) サーバー (ハードウェア) CPU メモリ CPU メモリ CPU メモリ 物理システム 仮想システム
  54. 54. サーバー仮想化とコンテナ 54 OS ハードウェア ハイパーバイザー 仮想サーバー ミドルウェア アプリ OS 仮想サーバー ミドルウェア アプリ OS 仮想サーバー ミドルウェア アプリ サーバー仮想化 ハードウェア コンテナ管理ソフトウエア OS ミドルウェア アプリ ミドルウェア アプリ ミドルウェア アプリ コンテナ コンテナ コンテナ コンテナ ライブラリ 環境変数 ライブラリ 環境変数 カーネル カーネル カーネル カーネル ライブラリ 環境変数 ライブラリ 環境変数 ライブラリ 環境変数 ライブラリ 環境変数 隔離されたアプリケーション実行環境を提供(クラッシュの分離、独自のシステム管理とユーザー・グループ) 実行イメージのスナップショットをパッケージとしてファイルにして保存できる アプリケーションに加えて仮想マシン・OS の実行イメージを持つ必要がある アプリケーションとOSの一部 の実行イメージを持つ必要がある デプロイするサイズ 大きい 起動・停止時間 遅い デプロイするサイズ 小さい 起動・停止時間 早い 異なるOS 可 異なるOS 不可 メモリーやディスクの消費量が大きい = リソース効率が悪い メモリーやディスクの消費量が大きい = リソース効率が良い 構成の自由度が高い 異なるOS・マシン構成を必要とする場合など 軽量で可搬性が高い 実行環境への依存が少なく異なる実行環境で稼働させる場合など サンド・ボックス化 Sand Box
  55. 55. 仮想マシンとコンテナの稼働効率 ハードウェア 仮想マシン ミドルウェア アプリケーション OS 仮想マシン OS 仮想マシン OS ミドルウェア アプリケーション ミドルウェア アプリケーション ハードウェア OS コンテナ管理機能 カーネル ミドルウェア アプリ ライブラリ 環境変数 コンテナ ミドルウェア アプリ ライブラリ 環境変数 コンテナ ミドルウェア アプリ ライブラリ 環境変数 コンテナ ミドルウェア アプリ ライブラリ 環境変数 コンテナ ミドルウェア アプリ ライブラリ 環境変数 コンテナ ミドルウェア アプリ ライブラリ 環境変数 コンテナ ミドルウェア アプリ ライブラリ 環境変数 コンテナ ミドルウェア アプリ ライブラリ 環境変数 コンテナ ミドルウェア アプリ ライブラリ 環境変数 コンテナ ミドルウェア アプリ ライブラリ 環境変数 コンテナ ミドルウェア アプリ ライブラリ 環境変数 コンテナ ミドルウェア アプリ ライブラリ 環境変数 コンテナ ミドルウェア アプリ ライブラリ 環境変数 コンテナ ミドルウェア アプリ ライブラリ 環境変数 コンテナ ミドルウェア アプリ ライブラリ 環境変数 コンテナ カーネル カーネル カーネル ライブラリ 環境変数 ライブラリ 環境変数 ライブラリ 環境変数 コンテナ仮想マシン
  56. 56. コンテナのモビリティ 56 ハードウェア OS コンテナ管理機能 カーネル ミドルウェア アプリ ライブラリ 環境変数 コンテナ ミドルウェア アプリ ライブラリ 環境変数 コンテナ ミドルウェア アプリ ライブラリ 環境変数 コンテナ ミドルウェア アプリ ライブラリ 環境変数 コンテナ ミドルウェア アプリ ライブラリ 環境変数 コンテナ ミドルウェア アプリ ライブラリ 環境変数 コンテナ ミドルウェア アプリ ライブラリ 環境変数 コンテナ ミドルウェア アプリ ライブラリ 環境変数 コンテナ ミドルウェア アプリ ライブラリ 環境変数 コンテナ ミドルウェア アプリ ライブラリ 環境変数 コンテナ ミドルウェア アプリ ライブラリ 環境変数 コンテナ ミドルウェア アプリ ライブラリ 環境変数 コンテナ ミドルウェア アプリ ライブラリ 環境変数 コンテナ ミドルウェア アプリ ライブラリ 環境変数 コンテナ ミドルウェア アプリ ライブラリ 環境変数 コンテナ いま使っているシステム環境 56 ハードウェア OS コンテナ 管理機能 カーネル ハードウェア OS コンテナ 管理機能 カーネル ハードウェア OS コンテナ 管理機能 カーネル ミドルウェア アプリ ライブラリ 環境変数 コンテナ ミドルウェア アプリ ライブラリ 環境変数 コンテナ ミドルウェア アプリ ライブラリ 環境変数 コンテナ コンテナ・レベルで稼働は保証されている 他のシステム環境
  57. 57. デスクトップ仮想化とアプリケーション仮想化 ネットワーク 入出力操作 通信 クライアントPC 文書作成 表計算 プレゼン ・・・ デスクトップ画面 メモリーストレージ ハイパーバイザー PC用OS (Windows7など) プロセッサー 文書 作成 表 計算 プレ ゼン ・・・ 入出力操作 通信 クライアントPC 文書作成 画面表示 仮想PC サーバー PC用OS (Windows7など) 文書 作成 表 計算 プレ ゼン ・・・ 仮想PC メモリーストレージ OS プロセッサー サーバー ターミナル・モニター 文書 作成 表 計算 プレゼン ・・・ 入出力操作 通信 クライアントPC 文書作成 表計算 プレゼン ・・・ デスクトップ画面 入出力操作 通信 クライアントPC 文書作成 画面表示 デスクトップ仮想化 アプリケーション仮想化
  58. 58. シンクライアント ネットワーク 入出力操作 通信 シンクライアント 文書作成 表計算 プレゼン ・・・ 画面表示 メモリーストレージ ハイパーバイザー PC用OS (Windows7など) プロセッサー PC用OS (Windows7など) PC用OS (Windows7など) 文書 作成 表 計算 プレ ゼン ・・・ 文書 作成 表 計算 プレ ゼン ・・・ 文書 作成 表 計算 プレ ゼン ・・・ 入出力操作 通信 シンクライアント 文書作成 表計算 プレゼン ・・・ 画面表示 仮想PC 仮想PC 仮想PC サーバー ストレージ 文書作成 表計算 プレゼン ・・・ 入出力操作 通信 アプリケーション PC / Windows・Mac OS など 画面表示 データとプログラムの保管 プログラムの実行 は、PC内にて処理 データとプログラムの保管 プログラムの実行 は、サーバー内にて処理 シンクライアントは 画面表示と入出力操作
  59. 59. Chromebook インターネット データ 文書作成 表計算 プレゼン ・・・ ブラウザ 画面表示・入出力操作 通信 画面表示・入出力操作 通信 オフィス・アプリ データ 文書作成 表計算 プレゼン ・・・ オフィス・アプリ クラウドサービス Google Apps for workなど ブラウザ 文書作成 表計算 プレゼン ・・・ PC / Windows・Mac OS など Chromebook / Chrome OS
  60. 60. クライアント仮想化 クライアントの仮想化 (アプリケーション方式) 仮想化 ソフトウェア ハードウェア クライアントPC オペレーティング・システム (ホストOS) アプリケーション OS (ゲストOS) アプリケーション クライアントの仮想化 (ハイパーバイザー方式) 仮想化ソフトウェア (ハイパーバイザー) ハードウェア クライアントPC アプリケーション OS アプリケーション OS 仮想マシン仮想マシン仮想マシン CPU メモリ CPU メモリ
  61. 61. ストレージ仮想化 2TB 実データ 3TB 実データ 5TB 実データ 10TB 10TB 10TB 仮想ストレージ ブロック仮想化 10TB 実データ 30TB ストレージ(ハードウェア) 8TB 7TB 5TB 未使用領域 20TB ボリュームの仮想化 10TB 10TB 10TB 仮想ストレージ シンプロビジョニング 10TB 実データ 30TB ストレージ(ハードウェア) 容量の仮想化 未使用領域 0TB 必要な時に 追加 2TB 実データ 3TB 実データ 5TB 実データ 8TB 7TB 5TB 仮想ストレージ 重複排除 ストレージ(ハードウェア) データ容量の削減 D A B C E F A B ファイル 2 ファイル1 D A B C E F重複データ を排除
  62. 62. SDNとNFV QoS・セキュリティ 機 能 制 御 パケットの種類に応じて設定 物理構成に依存 機器ごとに個別・手動制御 物理 ネットワーク A 物理 ネットワーク B 物理 ネットワーク C 従来のネットワーク アプリケーションに応じて設定 物理構成に関係なく、ソフトウエア設定で機能を構成 機器全体を集中制御・アプリケーション経由で制御可能 仮想化 仮想 ネットワーク A 仮想 ネットワーク B 仮想 ネットワーク C 物理 ネットワーク 集中制御 SDN(Software Defined Networking)
  63. 63. IT利用の常識を変える クラウド・コンピューティング Cloud Computing
  64. 64. 異なる文化の2つのクラウド戦略 コスト削減のためのクラウド 競争力強化のためのクラウド 生産性向上・納期短縮・コスト削減  投資負担の軽減  運用管理負担の軽減  高い運用品質の維持 コスト削減  資産固定化の回避  最新技術の活用  俊敏性の実現 投資対効果 差別化・競争力・変化への即応力  既存システムのIaaS移行  運用管理の自動化  開発と運用の順次化  コンテナ×Kubernetes  PaaS×サーバーレス  開発と運用の同期化 クラウド・リフト 戦略 クラウド・ネイティブ 戦略 守りの文化 by 情報システム部門 攻めの文化 by 事業部門・経営直下 予算と人材と戦略の一体化と適切な配分 スピード×アジリティ×スケール 新しいテクノロジーをいち早く活用 コスト×自動×安定 ヒト・モノ・カネの投資削減
  65. 65. 銀行システムにおけるクラウド活用の動き 日本ユニシスとマイクロソフト、「BankVision on Azure」実現に向け共同プロジェクトを開始 2018年3月23日 日本ユニシス株式会社と日本マイクロソフト株式会社 は23日、日本ユニシスのオープン勘定系システム 「BankVision」の稼働基盤として、Microsoft Azureを 採用するための取り組みを推進するため、共同プロ ジェクトを4月から開始すると発表した。 いかに費用を抑え、最新技術も取り入れた上で短期間 でのシステム開発を行うかという課題に対応するため、 クラウドを選択。現在はクラウド最大手の米アマゾン ウェブサービスと組み、業務システムの一部から移行 を進めている。 5年間で100億円のコスト削減 1000超のシステムの約半分をクラウド化 週刊ダイヤモンド 2017.5.17 https://diamond.jp/articles/-/128045
  66. 66. クラウド・バイ・デフォルト原則 政府情報システムにおけるクラウドサービスの利用に係る基本方針(案) クラウド・バイ・デフォルト原則(クラウドサービスの利用を第一候補)  政府情報システムは、クラウドサービスの利用を第一候補として、その検討を行う  情報システム化の対象となるサービス・業務、取扱う情報等を明確化した上で、メリット、開発の規模及び経費等を基に検討を行う https://www.kantei.go.jp/jp/singi/it2/cio/dai77/siryou.html Step0:検討準備 クラウドサービスの利用検討に先立ち、対象となるサービス・業務及び情報といった事項を可能な限り明確化する。 Step1:SaaS(パブリック・クラウド)の利用検討と利用方針 サービス・業務における情報システム化に係るものについて、その一部又は全部が SaaS(パブリック・クラウド)により提供されてい る場合(SaaS(パブリック・クラウド)の仕様に合わせ、サービス・業務内容を見直す場合も含まれる。)には、クラウドサービス提 供者が提供する SaaS(パブリック・クラウド)が利用検討の対象となる。 Step2:SaaS(プライベート・クラウド)の利用検討 サービス・業務における情報システム化に係るものについて、その一部又は全部が、府省共通システムの諸機能、政府共通プラット フォーム、各府省の共通基盤等で提供されるコミュニケーション系のサービスや業務系のサービスを SaaS として、当該サービスが利用 検討の対象となる。 Step3:IaaS/PaaS(パブリック・クラウド)の利用検討と利用方針 SaaS の利用が著しく困難である場合、又は経費面の優位性その他利用メリットがない場合については、民間事業者が提供する IaaS/PaaS(パブリック・クラウド)が利用検討の対象となる。 Step4:IaaS/PaaS(プライベート・クラウド)の利用検討 IaaS/PaaS(パブリック・クラウド)の利用が著しく困難である場合、又は経費面の優位性その他利用メリットがない場合については、 サーバ構築ができる政府共通プラットフォーム、各府省独自の共通基盤等を IaaS/PaaS として、当該サービスが利用検討の対象となる オンプレミス・システムの利用検討
  67. 67. 米国政府の動き CIA(中央情報局) DOD(国防総省)
  68. 68. クラウド・コンピューティング で変わるITの常識
  69. 69. ネットワーク コレ1枚でわかるクラウドコンピューティング インフラストラクチャー プラットフォーム アプリケーション 計算装置 記憶装置 ネットワーク データ ベース 運用管理 プログラム 実行環境 プログラム 開発環境 認証管理 電子 メール ソーシャル メディア 新聞 ニュース ショッピング 金融取 引 財務 会計 施設や設備
  70. 70. 「クラウド・コンピューティング」という名称の由来 アプリケーション プラットフォーム インフラ クラウド(Cloud) =ネットワークあるいはインターネット ネットワークの向こう側にあるコンピュータ(サーバー)を ネットワークを介して使う仕組み クラウド・コンピューティング Cloud Computing
  71. 71. クラウドによる新しいIT利用のカタチ 71 スペース:設置場所の制約 コスト 利用量・使う機能 に応じた課金 アジリティ 追加・変更 の柔軟性 スケール 規模の伸縮 弾力性 クラウド・コンピューティング Cloud Computing システム構築・運用 の負担軽減 アプリケーション展開 のスピードアップ
  72. 72. クラウド・コンピューティング の価値
  73. 73. セルフ・サービス・ポータル  調達・構成変更  サービスレベル設定  運用設定  ・・・ 数分から数十分 直近のみ・必要に応じて増減 経費・従量課金/定額課金 クラウド システム資源のECサイト 見積書 契約書 メーカー ベンダー サイジング 調 達 費 用 数週間から数ヶ月 数ヶ月から数年を想定 現物資産またはリース資産 従来の方法 調達手配 導入作業
  74. 74. 「自家発電モデル」から「発電所モデル」へ 工場内・発電設備  設備の運用・管理・保守は自前  需要変動に柔軟性なし 電力供給が不安定 自前で発電設備を所有 工場内・設備 電 力 電力会社・発電所 大規模な発電設備 低料金で安定供給を実現  設備の運用・管理・保守から解放  需要変動に柔軟に対応 工場内・設備 送電網 データセンター 大規模なシステム資源 低料金で安定供給を実現  設備の運用・管理・保守から解放  需要変動に柔軟に対応 システム・ユーザー デ ー タ ネットワーク
  75. 75. 歴史的背景から考えるクラウドへの期待 業務別専用機 業務別専用機 業務別専用機 業務別専用機 UNIXサーバー PC PCサーバー Intel アーキテクチャ 汎用機 メインフレーム IBM System/360 IBM System/360 アーキテクチャ 〜1964 汎用機 メインフレーム PC 1980〜 ミニコン オフコン エンジニアリング ワークステーション 汎用機 メインフレーム ダウンサイジング マルチベンダー 2010〜 PC+モバイル+IoT 汎用機 メインフレーム PCサーバー PCサーバー PCサーバー クラウド コンピューティング データセンター
  76. 76. 情報システム部門の現状から考えるクラウドへの期待 新規システムに投資する予算 既存システムを維持する予算 (TCO) 40% 60% 新規システムに投資する予算 既存システムを維持する予算 IT予算の増加は期待できない! 既存システムを 維持するための コスト削減  TCOの上昇  IT予算の頭打ち クラウドへの期待 「所有」の限界、使えればいいという割り切り
  77. 77. クラウドならではの費用対効果の考え方 システム関連機器の コストパフォーマンス リース コストパフォーマンスが 長期的に固定化 クラウド 新機種追加、新旧の入替えを繰り返し 継続的にコストパフォーマンスを改善 移行・環境変更に かかる一時経費 2006/3/14〜 50回以上値下げ
  78. 78.  徹底した標準化  大量購入  負荷の平準化  APIの充実・整備  セルフサービス化  機能のメニュー化 クラウド・コンピューティングのビジネス・モデル クラウド・コンピューティング オンデマンド 従量課金 自動化・自律化 システム資源 の共同購買 サービス化 低コスト 俊敏性 スケーラビリティ SDI (Software Defined Infrastructure)
  79. 79. IT活用適用領域の拡大 難しさの隠蔽 システム資源 エコシステム クラウドがもたらしたITの新しい価値 クラウド・コンピューティング IT利用のイノベーションを促進 ビジネスにおけるIT価値の変化・向上 新たな需要・潜在需要の喚起 モバイル・ウェアラブル ソーシャル 人工知能 ビッグデータ IT利用者の拡大 IoT ロボット 価格破壊 サービス化
  80. 80. クラウド・コンピューティング とは
  81. 81. クラウドの定義/NISTの定義 クラウド・コンピューティングは コンピューティング資源を 必要なとき必要なだけ簡単に使える仕組み 配置モデル サービス・モデル 5つの重要な特徴 米国国立標準技術研究所 「クラウドコンピューティングとは、ネットワーク、サーバー、ストレージ、アプリケーション、サービスなど の構成可能なコンピューティングリソースの共用プールに対して、便利かつオンデマンドにアクセスでき、最小 の管理労力またはサービスプロバイダ間の相互動作によって迅速に提供され利用できるという、モデルのひとつ である (NISTの定義)」。
  82. 82. クラウドの定義/サービス・モデル (Service Model) アプリケーション ミドルウェア オペレーティング システム インフラストラクチャ PaaS Platform as a Service Infrastructure as a Service Software as a Service SaaS Salesfoce.com Google Apps Microsoft Office 365 Microsoft Azure Force.com Google App Engine Amazon EC2 IIJ GIO Cloud Google Cloud Platform アプリケーション ミドルウェア & OS 設備 & ハードウェア プ ラ ッ ト フ ォ ー ム IaaS
  83. 83. ハイブリッド・クラウド 複数企業共用 パブリック・クラウド クラウドの定義/配置モデル (Deployment Model) プライベート・クラウド 個別企業専用 個別・少数企業 不特定・複数企業/個人 LAN LAN インターネット 特定企業占有 ホステッド・プライベート・クラウド 固定割当て LAN 専用回線・VPN LAN
  84. 84. ハ イ ブ リ ッ ド ク ラ ウ ド ベンダーにて運用、ネット ワークを介してサービス提供 パブリック クラウド 自社マシン室・自社データセ ンターで運用・サービス提供 プライベート クラウド 5つの必須の特徴 人的介在を排除 無人 システム TCOの削減 人的ミスの回避 変更への即応 ソ フ ト ウ ェ ア 化 さ れ た イ ン フ ラ ス ト ラ ク チ ャ 調 達 の 自 動 化 運 用 の 自 動 化 オンデマンド・セルフサービス 幅広いネットワークアクセス 迅速な拡張性 サービスの計測可能・従量課金 リソースの共有 注:SaaSやPaaSの場合、絶対条件ではない。
  85. 85. ハイブリッド・クラウドとマルチ・クラウド クラウド管理プラットフォーム オンプレミス(自社構内) データセンタ(自社設備) データセンタ(他社設備) コロケーション/ホスティング パブリック・クラウド パブリック・クラウド ホステッド プライベート クラウドハイブリッド・クラウド マルチ・クラウド インターネット/VPN/専用線 個別専用システム ハイブリッド・クラウド マルチクラウド
  86. 86. クラウドの分類と関係 個別システム ホステッド プライベート クラウド SaaS(Software as a Service) PaaS(Platform as a Service) IaaS(Infrastructure as a Service) SaaS PaaS IaaS プライベート・クラウド パブリック・クラウド/クラウド事業者資産を使用 オンプレミス・システム/自社資産として所有 ハイブリッド・クラウド プライベートとパブリックの連係・組合せ マ ル チ ・ ク ラ ウ ド 複 数 の パ ブ リ ッ ク を 連 係 ・ 組 合 せ
  87. 87. 評価対象としたアプリケーション アンケート登録/集計システム
  88. 88. 店舗入力 ダウンロード イベント ログイン画面 店頭用入力画面 集計ファイル作成画面 ダッシュボード画面 イベント用入力画面 Write Write Read Read 認証されたユーザのみ アクセス可能なページ 評価対象としたアプリケーション/処理フロー よ く あ り が ち な webシステム
  89. 89. 構築事例:従来型のWebアプリケーション・アーキテクチャ EC2 Internet クライアント Elastic Load Balancing EC2 冗長化 EC2 EC2 EC2 EC2 EC2 冗長化 冗長化EC2 EC2 Web AP DB死活監視 DNS DNSのセットアップが必要 APはそのまま移行。ただし、セッション管理等、一部改修が 必要な場合がある。 ミドルウェアが必要 (Oracle、 SQLServer、死活監視ソフト等の購入) DBMSのセットアップが必要 EC2:1台 365日24時間稼働:$175.2 EC2:9台 365日24時間稼働:$1576.8 ELB:1台 365日24時間稼働:$236.52+α ELB:2台 365日24時間稼働:$473.04+α リージョン:東京 <EC2> インスタンスタイプ:t2.micro (最少) 料金:$0.020/1時間 <ELB> 料金:$0.027/1時間 +$0.008/1GB 年間:約$2049.84 約254,980円 ※2015/3/20時点
  90. 90. 構築事例:AWSサービスを活かしたアーキテクチャ EC2 Internet クライアント Elastic Load Balancing EC2 冗長化 EC2 EC2 冗長化 Web AP DB DNS Route 53に 設定するのみ 死活監視のソフトウェア不要 基本的に無料/アラーム設定でメール通知 DBMSはインストール不要  Oracle、SQL Server等のライセンス料込  EC2の接続先を変更するだけ 冗長構成はMulti-AZを選択するのみ EC2:4台 365日24時間稼働:$700.8 ELB:2台 365日24時間稼働:$473.04+α RDS: 365日24時間稼働:$455.52 Route53: 1年間:$26.4(最少) リージョン:東京 <EC2> インスタンスタイプ:t2.micro (最少) 料金:$0.020/1時間 <ELB> 料金:$0.027/1時間 +$0.008/1GB <RDS> インスタンスタイプ: t2.micro (最少) 年間:約$1655.76 約198,691円 Cloud Watch Route 53 RDS(Master) RDS(Slave) DynamoDB セッション 管理 ※2015/3/20時点
  91. 91. 構築事例:AWSサービスを最大限活かしたアーキテクチャ Internet クライアント Cloud Front 画面表示は、 クライアント側 アプリ メールサーバー不要 冗長構成、拡張・データ再配置 はAWS任せ リージョン:東京 <S3> 料金:$0.0330/GB +リクエスト数+データ転 送量 <CloudFront> 料金:$7.2/年 (試算した結果) <Lambda> 料金:$0 <DynamoDB> 料金:$0 (試算した結果) 年間:約$7.56 約907円 Cloud Watch JavaScript 入力ページ(HTML) コンテンツ 非公開コンテンツ Log等 S3 DynamoDB Lambda Node.js テーブル Cognito Webサーバー機能 3箇所以上で自動複製、容量無制限 キャッシュ SSL証明書 任意のタイミングで処理実行 負荷分散、障害対策はAWS任せ AWS認証 アプリ認証 SignedURL発行 サーバ側アプリ ※2015/3/20時点 ※条件によって料金は異なります
  92. 92. 「クラウド・ネイティブ」とは 92 開発者は他社と差別化できるビジネスロジックに集中したいのに 付加価値を生み出さない作業で負担を強いられる  ミドルウェアの設定  インフラの構築  セキュリティ・パッチの適用  キャパシティ・プランニング  モニタリング  システムの冗長化  アプリケーションの認証・認可  APIスロットリング など この負担から開発者を解放 マイクロ・サービス アーキテクチャ コンテナ DevOps アプリケーションを 継続的にそして高速にアップデートし ビジネス・ニーズに即座に対応
  93. 93. クラウド・サービスの区分 自社所有 IaaS 仮想マシン CaaS PaaS FaaS ユーザー企業が管理 ハードウェア 仮想マシン コンテナ 管理機能 ミドルウェア アプリケーション OS SaaS ランタイム データ ハードウェア 仮想マシン コンテナ 管理機能 ミドルウェア アプリケーション OS ランタイム データ ハードウェア 仮想マシン コンテナ 管理機能 ミドルウェア アプリケーション OS ランタイム データ ハードウェア 仮想マシン コンテナ 管理機能 ミドルウェア アプリケーション OS ランタイム データ ハードウェア 仮想マシン コンテナ 管理機能 ミドルウェア アプリケーション OS ランタイム データ ハードウェア 仮想マシン コンテナ 管理機能 ミドルウェア アプリケーション OS ランタイム データ ハードウェア 仮想マシン コンテナ 管理機能 ミドルウェア アプリケーション OS ランタイム データ IaaS ベアメタル クラウドサービス事業者が管理 連携機能 CaaS PaaS FaaS SaaS
  94. 94. クラウドに吸収されるITビジネス 94 アプリケーション・ビジネス • ビジネス開発 • システムの企画 • システム設計 • プログラム開発・テスト • 開発・テスト環境の構築 • 本番実行環境の構築 • セキュリティ対策 • 運用管理 • トラブル対応 ネットワーク・ビジネス • ネットワークの設計 • ネットワーク機器の導入・設定 • セキュリティ対策 • 監視・運用管理 • トラブル対応 インフラ・ビジネス • インフラの設計 • インフラ機器の導入・設定 • セキュリティ対策 • 監視・運用管理 • トラブル対応 クラウド・データセンター内 ネットワーク クラウド・データセンター間 バックボーンネットワーク 5G通信網のタイムスライス SIMによる閉域網  サーバーレス/FaaS・PaaS  コンテナ運用・管理マネージドサービス SaaS Google GKE Azure AKS  AWS Outposts  Google On-prem  Microsoft Azure Stack  オンプレミス型マネージド・システム アジャイル 開発 DevOps
  95. 95. クラウド利用の推移 SaaS 汎用業務の移管 アプリケーション 独自性の高い業務は個別専用システム 独自性の低い汎用業務はSaaS Office365 G-Suite Box など 独自業務の移管 仮想マシン 仮想マシンによるハイブリッド・クラウド クラウド技術で作られたオンプレ製品 IaaS Amazon Outposts Microsoft Azure Stack クラウド・ネイティブでの構築 コンテナ&サーバーレス コンテナによるハイブリッド&マルチ・クラウド サーバーレスによるクラウドネイティブ PaaS Google GKE-On-Prem AWS EKS Google GKE Microsoft AKS
  96. 96. 変わる情報システムのかたち 戸建・定住 新築 建売り 建設業 一括売り切り 住み替え リフォーム 賃貸 サービス業 継続支払い
  97. 97. クラウド・サービスのポジショニング
  98. 98. 新たなビジネス基盤となるIoT モノのインターネット/Internet of Things
  99. 99. IoTとは何か
  100. 100. IoTの2つの意味 データ収集 モニタリング データ解析 原因解明・発見/洞察 計画の最適化 データ活用 業務処理・情報提供 機器制御 ヒト・モノ クラウド・コンピューティング 日常生活・社会活動 環境変化・産業活動 現実世界/Physical World サイバー世界/Cyber World Cyber Physical System/現実世界とサイバー世界が緊密に結合されたシステム 現実世界をデジタル・データに変換 モノそのものやそれを取り囲む環境の状態とその変化 広義のIoT=CPS デジタル・データで現実世界を 捉え、アナログな現実世界を動 かす仕組み 狭義のIoT 現実世界の出来事をデジタル・ データに変換しネットに送り出 す仕組み
  101. 101. 社会基盤のシフト 「モノ」の価値のシフト IoTがもたらす2つのパラダイムシフト 1. 現実世界のデジタル・データ化 2. ビッグデータを使ったシミュレーション 3. 現実世界へのフィードバック 1. 「ハード+ソフト」がネットワーク接続 2. モノとクラウド・サービスが一体化 3. システム全体で価値を生成 ハードウェア ソフトウェア ハードウェア モノの価値は、 ハードウェアからソフトウェアへ そしてサービスへとシフト アナリティクス 人工知能+シミュレーション アプリケーション クラウド・サービス ビッグデータ 現実世界のデジタルコピー 現実世界のデジタルデータ化 IoT CPS社会の実現 「モノ」のサービス化 インターネット クラウド・サービス CPS:Cyber-Physical System
  102. 102. 電脳世界 (Cyber World) 現実世界 (Physical World) デジタル・コピー/デジタルツイン ビッグデータ 機械学習 センサ データ 最適解 制御 Cyber-Physical System 圧 力 ひずみ 振 動 重 量 電 流 ・・・ シミュレーション 現実世界をデジタルで再現し 条件を変えて実験を繰り返し 最適解を見つけ出す 変更や変化に即応して 最適状態・動きを実現
  103. 103. 「モノ」のサービス化 モノの価値は、 ハードウェアからソフトウェアへ、 そしてサービスへとシフト ハードウェア ソフトウェア サービス 機能・性能を随時更新可能 機能・性能の固定化 機能・性能を継続的更新可能 モノの価値を評価する基準がシフト
  104. 104. 「モノ」のサービス化 自動車メーカー 航空機メーカー 工作機械メーカー アナリティクス ソフトウェア改修 データ 収集 ソフトウェア 配信 新 規 開 発 制御ソフトウェア アナリティクス ソフトウェア改修 データ 収集 ソフトウェア 配信 新 規 開 発 制御ソフトウェア アナリティクス ソフトウェア改修 データ 収集 ソフトウェア 配信 新 規 開 発 制御ソフトウェア 運行データ走行データ 作業データ 制御 制御 制御 遠隔からの保守点検・修理、自律化機能による自己点検や修復、ソフトウェア更新による機能・性能・操作性の改善 インターネット
  105. 105. 使 用 の現場 センサー コンピュータ ソフトウエア モノ・製品 モノのサービス化の本質 ものづくり の現場 開 発 製 造 保守 サポート ソフトウェア 改修・更新 インターネット 直 結 ・ 連 係
  106. 106. ビジネス価値の進化 コア・ビジネス  既存ビジネス  蓄積されたノウハウ  確実な顧客ベース 付加価値ビジネス  収益構造の多様化  既存ノウハウの活用  顧客ベースの囲い込み 新規ビジネス  顧客価値の拡大  ノウハウの創出  顧客ベースの拡大 製造・販売製造・販売 製造・販売 走行距離に応じた 従量課金サービス Pay by Mile 出力×時間に応じた 従量課金サービス Pay by Power 工事施工 自動化サービス Smart Constriction 建設機械 遠隔確認サービス KOMTRAX 安全・省エネ運転 コンサルティング 予防保守・交換 燃料費節約 コンサルティング 予防保守・交換
  107. 107. モノのサービス化 TOYOTA MaaS / e-Palette Concept KOMATSU SMART construction 土木工事における作業の自動化と高度化を実現す ることに加え、前後工程も効率化して、工期の短 縮に貢献できるパッケージ化したサービス 移動、物流、物販など多目的に活用できるモビリ ティサービス(MaaS)と、これを実現する専用 次世代電気自動車(EV) モノを売り収益を得るビジネス。サービスはモノ売りビジネスを支援する手段 サービスを提供し収益を得るビジネス。モノはサービスを実現なする手段
  108. 108. IoTとAR/MR デジタル・ツイン (ビッグ・データ) 機械学習 シミュレーション クラウド IoT ものごと・出来事 現実世界のデジタルコピー 機器制御 作業指示 情報提供 デジタル フィジカル AR (拡張現実/Augmented Reality) MR (複合現実/Mixed Reality) デジタルとフィジカルの 一体化された世界の実現
  109. 109. IoTと通信
  110. 110. コレ1枚でわかる第5世代通信 1G 2G 3G 4G 高速・大容量データ通信  10G〜20Gbpsのピークレート  どこでも100Mbps程度 大量端末の接続  現在の100倍の端末数  省電力性能 超低遅延・超高信頼性  1m秒以下  確実な通信の信頼性担保 5G 音声 テキスト データ 動画 IoT 多様なサービスへの適用を可能にする  異なる要件のすべてを1つのネットワークで実現する。  各要件をに応じてネットワークを仮想的に分離して提供する(ネットワーク・スライシング)。 1984年〜 1994年〜 2001年〜 2010年〜 2020年代〜
  111. 111. 5Gの3つの特徴 先送り 高速・大容量 大量端末接続 超低遅延・高信頼性 100万台/k㎡ 1ミリ秒 20Gビット/秒 1Gビット/秒 10万台/k㎡ 10ミリ秒 20 倍 当面はLPWA 5G 4G
  112. 112. 5Gの適用範囲 高速・大容量データ通信  10G〜20Gbpsのピークレート  どこでも100Mbps程度 大量端末の接続  現在の100倍の端末数  省電力性能 超低遅延・超高信頼性  1m秒以下  確実な通信の信頼性担保 5G 多様なサービスへの適用を可能にする  異なる要件のすべてを1つのネットワークで実現する。  各要件をに応じてネットワークを仮想的に分離して提供する(ネットワーク・スライシング)。 2020年代〜 2時間の映画を 3秒でダウンロード ロボット等の 精緻な遠隔操作を リアルタイムで実現 自宅内の約100個のモノ がネットに接続 (現行技術では数個) 現在の移動通信システムより 100倍速いブロードバンドサー ビスを提供 利用者がタイムラグを意識 することなく、リアルタイ ムに遠隔地のロボット等を 操作・制御 スマホ、PCをはじめ、身の 回りのあらゆる機器がネッ トに接続
  113. 113. 第5世代通信におけるネットワーク・スライス 高速・大容量データ通信 大量端末の接続 超低遅延・超高信頼性 5G ネットワーク・スライシング 高効率 ネットワーク・スライス 低遅延 ネットワーク・スライス 高信頼 ネットワーク・スライス セキュア ネットワーク・スライス 企業別 ネットワーク・スライス エネルギー 関連機器の 監視や制御 農業設備や 機器の監視 や制御 物流トレー サビリティ 遠隔医療 各種設備機 器の監視と 制御 ゲーム 災害対応 自動車 TISや自動運転 公共交通 機関 医療 遠隔医療や 地域医療 自治体 行政サービス 金融 サービス 企業内 業務システム 各種クラウド サービス ・・・
  114. 114. 第5世代通信におけるネットワーク・スライス 高速・大容量データ通信 大量端末の接続 超低遅延・超高信頼性 5G ネットワーク・スライシング SIM SIM SIM 閉域網 閉域網 閉域網 SIM SIM SIM(subscriber identity moduleもしくはsubscriber identification module/SIMカード)とは、電話番号を特定するための固有のID番号が記録された、 携帯やスマートフォンが通信するために必要なICカードのこと。
  115. 115. 人に寄り添うITを実現する人工知能/AI Artificial Intelligence
  116. 116. AIとは何か
  117. 117. 人間は何を作ってきたのか 117 鳥のように空を飛びたい 馬のように速く走りたい 魚のように海に潜りたい
  118. 118. 人工知能の2つの方向性 視覚(See) 聴覚(Listen) 対話(Talk) 汎用型人工知能 異なる領域で多様で複雑な問題を解決する 特化型人工知能 個別の領域において知的に振る舞う 自己理解・自己制御 意識・意欲を持つ 自ら課題を発見し 自律的に能力を高めてゆく 人間が課題を発見し 人間が能力を高めてゆく
  119. 119. 「東ロボくん」の実力と代替可能な職業 119 国公立大学 172校 内 23校 30学部 53学科 合否判定80%以上 私立大学 584校 内512校 1343学部 2993学科 合否判定80%以上 MARCH /関関同立の学科を含む
  120. 120. 機械学習がやっていること モデル 入力をどのように処理して 出力するかのルール 入力 出力 人間の思考で ルールを作る 実験・観察・思考 データ分析で ルールを作る 機械学習
  121. 121. 機械学習がやっていること モデル レントゲン写真から 「癌」の病巣を 識別するルール 入力 出力 癌 データ分析で ルールを作る 機械学習 癌の病巣が写っている 大量のレントゲン写真 ある患者のレントゲン写真 「癌」の病巣を表示 レントゲン写真から 「癌」の病巣を見つける「モデル」
  122. 122. ルールベースと機械学習 122 Sheep Dog を見分ける仕様 やルール = if XX Then XXX else XXX Mop を見分ける仕様 やルール = if XX Then XXX else XXX Sheep Dog を見分ける仕様 やルール 0101011101010 1110101001011 1110010101010 Mop を見分ける仕様 やルール 0111100101010 1101010001010 1110100100101 人間が記述 データから生成
  123. 123. AIと人間の役割分担 データを準備 意志決定 学習方式の選択 パラメーターの調整 可視化・分類・予測 問いを生みだす 解決したいこと・知りたいことを決める 膨大なデータの中から、人間 の経験に基づく先入観なしに 規則、相関、区分を見つける 新たな問いを生みだす 判断・制御 モデル 公式・ルール・関数など
  124. 124. 人工知能と機械学習と ディープラーニング
  125. 125. 人工知能と機械学習 125 人工知能(Artificial Intelligence) 人間の”知能”を機械で 人工的に再現したもの 基礎的 応用的 知識表現 推論 探索 機械学習 自然言語理解感性処理 画像認識 エキスパートシステム データマイニング 情報検索 音声認識ヒューマンインターフェース 遺伝アルゴリズム マルチエージェント ニューラルネット ゲーム プランニング ロボット 人工知能の一研究分野
  126. 126. 機械学習と推論(1) 耳 目 口 特徴量 猫と犬を識別・分類する ために着目すべき特徴 人間が 観察と経験で 決める 機械学習 統計確率的 アプローチ 機械が データ解析して 決める 機械学習 ディープラーニング (深層学習) 「特徴量」ごとに 猫/犬の特徴を 最もよく表す値を 見つけ出す 学習 猫の特徴を最もよく表す 特徴量の組合せパターン 犬の特徴を最もよく表す 特徴量の組合せパターン 猫の推論モデル 犬の推論モデル 大量の学習データ 大量の学習データ 犬 dog 猫 cat
  127. 127. 機械学習と推論(2) 特徴の抽出 推論モデルとのマッチング 猫 犬 推論モデル推論モデル 「猫」の推論モデルに 98%の割合で一致している 推論結果 だから「この画像は猫である」 「特徴量」に着目して それぞれの値を計算する 推論 特徴量未知のデータ 耳 目 口
  128. 128. 一般的機械学習とディープラーニングとの違い 耳 27% 目 48% 口 12% 特徴量 「特徴量」とは、猫と犬を識別・分類するために着目すべき特徴 正しく認識 82% 誤った認識 18% 認識結果 学習 推論 人間が認識結果が 最適になる組合せを 見つける 耳 27% 目 48% 口 12% 特徴量 学習 ディープラーニング 推論 ディープラーニング 正しく認識 82% 誤った認識 18% 認識結果 機械が認識結果が 最適になる組合せを 見つける 学習データ 教師付きデータ 学習データの一部 評価データ
  129. 129. 人工知能・機械学習・ディープラーニングの関係 1950年代 1960年代 1970年代 1980年代 1990年代 2000年代 2010年代 人工知能 Artificial Intelligence 機械学習 Machine Learning 深層学習 Deep Learning 人間の”知能”を機械で 人工的に再現したもの 人工知能の研究分野のひとつで データを解析し、その結果から 判断や予測を行うための規則性 やルールを見つけ出す手法 脳科学の研究成果を基盤にデー タの分類や認識の基準を人間が 教えなくても、データを解析す ることで、自ら見つけ出すこと ができる機械学習の手法 データ アルゴリズム 規則性やルール 遺伝アルゴリズム、エキスパートシステム、音声認識、画像認識、感性処理、機械学習、 ゲーム、自然言語処理、情報検索、推論、探索知識表現、データマイニング、ニューラル ネット、ヒューマンインターフェース、プランニング、マルチエージェント、ロボット
  130. 130. なぜいま人工知能なのか インターネット アルゴリズム GPU(Graphics Processing Unit) 脳科学の研究成果を反映 高速・並列・大規模計算能力 人工知能(Artificial Intelligence) ビッグデータ IoT モバイル・ウェアラブル ソーシャル・メディア ウェブサイト WWW
  131. 131. 学習と推論の関係 学習 learning  大規模な計算能力  学習専用プロセッサー  長時間演算 推論 inference 学習モデル 学習モデル学習モデル 学習モデル学習モデル  比較的小規模な計算能力  推論専用プロセッサー  短時間演算 学習データ
  132. 132. 人工知能の可能性と限界
  133. 133. AIに出来ること、人間に求められる能力 133 自分で問いを建てることや 問題を作ることが出来ない 与えられた問いや問題には 人間よりも賢くなる 問いや問題を創り出す能力 人工知能を使いこなす能力 結果を解釈し活用する能力 人間に求められる能力 AI 創造力
  134. 134. 多様性 性別・人種・ジャンル・地域・趣味嗜好など 創造力とは何か 創造力 コミュニケーション力 相手の意見を訊き 自分の意見を述べ共感を生む アウトプット力 自分の意見や主張を伝わるように 表現し発信し続ける デザイン力 要素分解と構成を繰り返し カタチを生みだす 移動力 時間や場所を面倒がらず 様々な場所に行って過ごす 人脈力 多くの人に 知られる存在になる
  135. 135. IoT メカトロニクス 知能・身体・外的環境とAI 135 認識 意志決定 運動構成 感覚器 運動器官 骨格、関節、筋肉、靭帯、腱 外的環境 身体 知能 影響受容 AI(人工知能) 意識
  136. 136. Human+への進化 コンピュータ インターネット 人工知能(AI) ロボット ブロックチェーン 量子コンピュータ 5G+(高速移動体通信網) 計算力 コミュニケーション力 知的労働力 肉体的労働力 自律分散力 AR/VR(拡張現実/仮想現実)時空間超越力
  137. 137. 超高齢化社会を人工知能やロボットで対応 137 人工知能やロボットを積極的に駆使し、労働生産性やQOL(Quality of Life)の向上が急務
  138. 138. ビジネススピードの加速に対応する 開発と運用 Development & Operation
  139. 139. これからの開発と運用 その背景
  140. 140. デジタル・トランスフォーメーションのBefore/After 支援 人間主体でビジネスを動かしITが支援する 生産性向上・コスト削減・期間短縮 安定×高品質の徹底追求 ITはコスト、削減することが正義 コスト削減の手段としての外注 常にコスト削減の圧力に晒される 仕様書通りQCDを守って 情報システム完成させる Before DX 人間とITが一体となってビジネスを動かす 変化への即応力・破壊的競争力・価値の創出 柔軟×迅速と試行錯誤 ITは競争力の源泉、投資対効果で評価 競争力の源泉として内製 ビジネスに貢献できれば投資は拡大する 変化に柔軟・迅速に対応し ビジネスを成功させる After DX
  141. 141. ウォーターフォール開発×オンプレミス×開発・運用業務委託の限界 これからの開発や運用に求められるもの アジャイル開発 Agile Development  ビジネスの成果に貢献するコードだけを  変更に柔軟・迅速に対応して  バグフリーで提供する DevOps Development & Operation  運用の安定を維持しながら  本番環境への迅速な移行と  継続的デリバリー クラウド Cloud Computing  高速で俊敏な開発実行環境の調達  経費化の拡大による不確実性への担保  運用やセキュリティから解放と人材の再配置 デジタル・トランス・フォーメーション 業務がITへITが業務へとシームレスに変換される状態
  142. 142. 早期の仕様確定がムダを減らすという迷信 0 3 6 9 12 25% 50% 75% 100% 時間経過(月) 要 求 の 信 憑 性 要求の時間的変質 24ヶ月後に 25%程度 平均的な値 変化が 大きくなっている
  143. 143. 不確実性のコーン システム企画 要件定義 基本設計 詳細設計 プログラミング 4.0x 2.0x 1.0x 0.5x 0.25x 初期の プロダクト定義 承認された プロダクト定義 設計仕様 詳細設計 検収された ソフトウエア 要求仕様 見 積 金 額 の 変 動 幅 プロジェクトフェーズ スティーブ・マコネル著「ソフトウェア見積り 人月の暗黙知を解き明かす」 倍 の 振 れ 幅 16
  144. 144. 早期の仕様確定がムダを減らすというのは迷信 Standish Group Study Reported at XP2002 by Jim Johnson, Chairman ほとんど/決して使われていない: 64% 常に/しばしば使われている: 20%
  145. 145. 変わるビジネスとITの関係 開発・運用 開発・運用 少ない生産量(工数)で開発・運用のサイクルを高速で回転させる 現場のニーズにジャストインタイムで成果を提供し続ける
  146. 146. アジャイル開発が目指していること お客様が求めているのは 情報システムが提供するサービス  業務の生産性を向上させる  売上や利益を向上させる  顧客満足を高める QCD(Q:品質 C:コスト D:納期) を守って情報システムを納品する  バグを○○%以下にする  コーディング規約を遵守する  納期を間に合わせる ビジネスの現場にジャストインタイムで 必要とされるサービスを提供し続ける スピード、バグフリー、変更への即応
  147. 147. アジャイル開発の基本構造 100% 0% 時間 仕様書に記載した 全ての機能 100% 0% 時間 予定していた 全体仕様 30% 60% 80% 現場からの フィードバック 現場からの フィードバック 現場からの フィードバック ? 仕様書に対して100点満点狙い ビジネスの成果に対して合格点狙い 途中の成果からフィードバックを得て、 仕様や優先順位の変更を許容する。 ウォーターフォール開発の考え方 アジャイル開発の考え方 現場からのフィードバック 最後になって訂正・追加などが集中 目標としていたビジネスの成果が 達成できていれば完了 仕様凍結(確定)させて仕様書通りに開発が100%完了したら、 現場からのフィードバックを求める。 仕事の仕組みは確定できる 仕事の仕組みは変化する
  148. 148. ウォーターフォールとアジャイルの違い  用意されたプロセスやツール  全てを網羅したドキュメント  お互いの妥協点を探る契約交渉  一度決めた仕様や計画に従うこと  システムを納品すること 計画通りに完成させること 「計画通り」が正義という信念  自律的な判断と行動  実際に使う動くソフトウェア  顧客との対話と協調  変更や変化への柔軟な対応  ITサービスを提供すること ビジネスを成功させること 「計画通り」は無理という現実
  149. 149. ウォーターフォールとアジャイルの違い  ユーザーと開発者はプロジェクトを通して、日々一緒 に働く  ユーザの満足を優先し価値あるソフトウェアを早く継 続的に提供する  要求の変更はたとえ開発の後期であっても歓迎する  動くソフトウェアをできるだけ短い間隔( 2〜3週間 あるいは2〜3ヶ月)でリリースする  動くソフトウェアこそ進捗の最も重要な尺度  技術的卓越性と優れた設計に対する普段の注意が機敏 さを高める  シンプル(無駄なく作れる量)に作ることが基本  最良のアーキテクチャ・要求・設計は自己組織的な チームから生み出される  チームが最も効率を高めることができるかを定期的に 振り返り、それに基づいて自分たちのやり方を最適に 調整する アジャイルな思想  ユーザと開発者はいつもは別の場所にいてプロジェク トを通して定例ミーティングを行う  ユーザーの満足や価値のあるなしではなく、とにかく ソフトウェアを提供する  要求の変更を開発の後期に出すの勘弁して欲しい  パワポ、エクセル、ワードの仕様書を丁寧に清書して ( 2〜3週間あるいは2〜3ヶ月)納品する  動くソフトウェアこそ進捗の最も重要な尺度  技術的卓越性と優れた設計に対する普段の注意が機敏 さを高める  仕様書通り(間違っていようが)に作ることが基本  最良のアーキテクチャ・要求・設計は自己組織的な チームから生み出される  チームがもっと稼働率を高めるように監視し、それに 基づいて自分たちへの批判や不満を回避するために、 念のため納期を厳しめに設定する ウォーターフォールな思想 https://speakerdeck.com/kawaguti/flipped-agile-manifestYasunobu Kawaguchi氏 資料を参考に作成
  150. 150. いま求められる人材
  151. 151. 「社会的価値」とは何か 社会的価値 会社や地域の文脈に依存せず 広く社会に求められる存在 移動力 客観力 発言力 どこに行っても通用する 社会的評価を知っている 自分の言葉で人を動かす 個人的資産 労働市場で高く評価される 知識やスキル 社会的資産 あの人なら任せられるという 社会的信頼と認知(人脈) 実践する 学ぶ テーマは他者が与えてくれる 答えはある テーマは自分で見つける 答えを創る 試験の結果で評価 学ぶこと自体が楽しいかどうかで評価 勉強する
  152. 152. これからの時代を生き抜くための3ヶ条 第1条:相手の正解を当てに行くな!自分の正解を創り出せ!  「正しいこと」が正解であり、それを貫くことが、成功の近道だ。  その人の正解が「正しいこと」である保証はない。  自分の理屈と感性で「正しいこと」を決める力を磨きなさい。 第2条:待遇や給与で選択するな!おもしろそうだからで選択せよ!  5年先、10年先が読めない時代に、「いま」の好条件を選んでも直ぐに陳腐化する。  「おもしろい」には感性が必要だ。感性を磨き続けるためにも「おもしろい」を突き進め。  「おもしろい」は変わる。それこそが、いまの正解だ。 第3条:小さなコミュニティに閉じこもるな!ヒトのつながりを拡げよ!  人生の選択肢は沢山ある。いろいろな生き様や価値観に触れて、自分の選択肢を拡げよ。  社会的価値は他人が決める。だから、沢山の他人に評価してもらえば、自分の価値がよく分かる。  世の中にはそれぞれの領域で凄い人がいる。そういうひとに教えを請えば、人生はさらに豊になる。
  153. 153. 100年人生を生きるには学びつつけるしかない 153 引退仕事学び 85歳65歳 100歳25歳 常に社会で必要とされる存在であり続けるために! これまで 3ステージ・ライフ 引退仕事仕事仕事学び 学び これから マルチ・ステージ・ライフ 「変身」し続けることで自分の価値を保ち続ける! 仕事仕事
  154. 154. 社会人における「学び」の3段階 素 人 一人前 プ ロ ルーチン・ワークの手順を 意識しなければこなせない段階 ルーチン・ワークの手順を 意識しなくてもこなせる段階 要領よく仕事がこなせない段階 ひとつひとつ丁寧な仕事をすることで、 要領や仕事のコツ、ビジネスに必要な 基本的な常識を学んで行く。 意識せずに仕事がこなせる段階 経験を重ねることで、 いろいろな仕事のパターンを覚え 既存の仕事の延長であれば、 臨機応変に対処できる。 新しいことを創り出す。 新しいことや例外的なことに 対処できる。 新しいことや難しいことを任せられる段階 自社だけではなく、世の中についての常識 に精通し、変化に敏感で、未来を先読みし ている。社内外に豊富な人脈を持っている。 この段階で「学び」を やめてしまう人が多い常に未熟と 不足を感じ 続けている “素人”である自分を自覚し “素人”からの脱出を目指す 業務の8割はルーチン ワークで成り立っている
  155. 155. 自分の現状を 世の中の基準で客観視 不足や未熟を実感 成長への危機感 人との つながり を拡げる 動く・ 始める 常に高いゴールを探す 機会を増やす このままではまずい 成長を加速するメンタリティ 成長を左右する2つのメンタリティ 考えなくていい 新たに始めなくていい 居心地がいい 安全・安心 実績 がない 予算 がない 自分だけでは判断できない 言い訳を探す このままでいたい 成長を阻むメンタリティ
  156. 156. 計画された偶発性理論 好奇心:自分の専門分野だけではなく、いろいろな分野に視野を広げ、関心 を持つことでキャリアの機会が増える。 粘り強さ:最初はうまくいかなくても粘り強く続けることで、偶然の出来事、 出会いが起こり、新たな展開の可能性が増える。 柔軟性:状況は常に変化する。一度決めたことでも状況に応じて柔軟に対応 することでチャンスを掴むことができる。 楽観性:意に沿わない移動や逆境なども、自分が成長する機会かも知れない とポジティブに捉えることでキャリアを拡げることができる。 リスティング:未知なことへのチャレンジには、失敗やうまくいかないこと が当たり前。積極的にリスクをとることでチャンスを得られる。 成功した人のキャリア形成のきっかけは80%が「偶然」 中長期的なゴールを設定して頑張るのはむしろ危険。いい「偶然」を引き寄 せる努力が大切。 計画された偶発性理論/Planned Happenstance Theory 米スタンフォード大学 J.D.クランボルツ教授が提唱したキャリア理論
  157. 157. 「変身資産」を積み上げる 独学力 学び続ける大切さ、それを支える学びの力 つながり力 アウトプット力 多様な価値観やロールモデルの発見 ビジネス・チャネルの開拓 共感と深い学び 陳腐化するスキルの新陳代謝 直感力の育成 客観性と論理性の醸成 インプットの増大 人脈の拡大 ストーリー化能力の強化 経験の蓄積に頼った「ベテラン」の不良資産化が加速する時代
  158. 158. 「時間」を作る 時間を作る 朝のゴールデンタイム 「決心を固めてから行動する」はうまくいかない! 行動を起こす→習慣になる→決心が固まる
  159. 159. Input/Outputプロセス 159 SNS Web 雑誌 対話 議論 コミュニティ 勉強会 面談・会食など ノート/メモ 手描き・アプリなど 文章化 イメージ下書き 手描き パワポ作成 書籍執筆 ブログ 講義・講演 Web メディア 認知 (気付き) 理解 考察 整理 文書 発信 Input Output 書籍
  160. 160. ネットコマース株式会社 180-0004 東京都武蔵野市吉祥寺本町2-4-17 エスト・グランデール・カーロ 1201 http://www.netcommerce.co.jp/

×