Downloaded 61 times
More Related Content
![[INSIGHT OUT 2011] b21 ひとつのデータベース技術では生き残れない part2 no sql, hadoop](https://cdn.slidesharecdn.com/ss_thumbnails/insightout2011b21part2nosqlhadoop-111114020909-phpapp02-thumbnail.jpg?width=640&height=640&fit=bounds)
ビッグデータ＆データマネジメント展
- 1. リクルート式ビッグデータの活用法 株式会社リクルート MIT システム基盤推進室 プロフェッショナルエンジニアリンググループ 石川 信行
- 2. はじめにですが。 主な事業会社 （株）リクルートキャリア （株）リクルートジョブズ （株）リクルートスタッフィング （株）リクルート （株）リクルート住まいカンパニー ホールディングス （株）リクルートライフスタイル （株）リクルートマーケティングパートナーズ （株）スタッフサービス・ホールディングス 機能会社 （株）リクルートアドミニストレーション （株）リクルートコミュニケーションズ （株）リクルートテクノロジーズ 1
- 3. ビッグデータグループ新設 ビッグデータグループが新設されました。 （「コンサル型」＋「エンジニア型」）×マーケター 事業担当者 ビッグデータグループ ≒マーケター コンサル型 エンジニア型 分析者 Hadoopエンジニ ア
- 4. リクルート式ビッグデータの活用法 株式会社リクルートテクノロジーズ IT ソリューション部 ビッグデータグループ 石川 信行
- 5. 自己紹介 □名前 石川 信行 （ ground_beetle） □出身 福島県 いわき市 大学時代は、害虫制御学および生物統計学専攻 □経歴 ・2009年リクルート新卒入社 ・営業支援システムのコーダー（java）、DBAとして参加。 ・2010年Hadoop推進担当 ・現Hadoop案件推進・新用途開発チームリーダー □ 趣味 ・外国産カブト虫飼育 ・スキューバダイビング ・海水魚飼育
- 6. アジェンダ 1 • リクルートについて 2 • ビッグデータへの取り組みの現状 3 • 利活用事例紹介 4 • 課題の克服 5 • まとめ
- 7.
- 8. ビジネスモデル カスタマー クライアント ◆マーケットの声を反映 ◆カスタマー自身も気づいていない した 新しい発見や可能性の提示 商品・サービスの向上提 案 ◆安心して選択や行動ができるよう ◆未だ見ぬカスタマーと な の 客観的な評価や評判を提供 出会いを提供（集客支 援） その人らしい最適な選択と クライアントの事業が発展、 意思決定ができるようサポート 成長できるよう伴走
- 9. リクルートについて（事業概要） ※サービスの一部です ライフイベント領域 ライフスタイル領域 旅行 車購入 住宅購入 お稽古 ファッション 転職 出産/育児 結婚 時事 飲食 就職 進学 将来を考えて選択と意思決定 日常の中にある「何を食べよう をする大きな「イベント」 か」 といった、小さな選択と意思決定
- 10. リクルートについて（会社概要） 創 業 ： 1960年3月31日 資本金 ： 30億264万円 売上高 ： 3,720億57百万円（2011年4月1日～2012年3月31日） 連結売上高 ： 8,066億61百万円（2011年4月1日～2012年3月31日） 従業員数 ： 5,974名 （2012年4月1日現在）男性：2619名・女性：3355名 代表者 ： 代表取締役社長 峰岸 真澄
- 11.
- 12. 新技術のＲ＆Ｄ取り組みステップ Gate Review Gate Review Gate Review R-Stage Dev-Stage β-Stage 運用-Stage ・技術要素調査 ・効果的な仕組 ・正式にフィジ ・実運用へ ・技術の実態を みとしてプレ実 ビリティスタ 把握する 装 ディとして推進 ・活用方法をさ ～展開をする らに開拓 ビッグデー タ （Hadoop）
- 13. リクルートが使用するHadoopとは？ 大規模データを効率的に分散処理・管理する ためのソフトウェア基盤（JAVAフレームワーク） ・MapReduce（Javaプログラム） これらで構成 ・HDFS（分散ファイルシステム） マスタ サーバー MapReduce MAP （javaプログラム） SHUFFLE スレーブ REDUCE サーバー HDFS （分散ファイルシステム）
- 14. システム構成概要 リサーチ段 実験・検証 第1世代環境 第2世代環境 階 20台 120台 40台 （今後拡 3～4台 大） プライベートクラウド プライベートクラウド 部分的な 完全なる 実験機 ラボ環境 環境融合 環境融合 2008～9 2010 2011 2012 Webサイトのﾊﾞｯﾁ システム移行などで 商用利用が可能な設計 プライベートクラウド 処理移植など、 余ったハードウェアを （セキュリティなど非 環境との融合を進めた 処理性能の評価・ 再利用 機能面）を施した環境 環境 研究 イマココ
- 15. システム構成概要 第１世代 第２世代 Apache Hadoop / CDH MapR / GreenplumMR Heartbeat + DRBD MasterNode1 MasterNode2 MasterNode3 MasterNode4 Node1 Node2 Node3 Node4 JobTracker JobTracker CLDB CLDB CLDB CLDB NameNode NameNode JobTracker JobTracker JobTracker JobTracker Secondary Secondary TaskTracker TaskTracker TaskTracker TaskTracker NameNode NameNode FileServer FileServer FileServer FileServer Warden SlaveNode1 SlaveNode2 SlaveNode3 SlaveNode4 Node5 Node6 Node7 Node8 TaskTracker TaskTracker TaskTracker TaskTracker CLDB CLDB CLDB CLDB JobTracker JobTracker JobTracker JobTracker DataNode DataNode DataNode DataNode TaskTracker TaskTracker TaskTracker TaskTracker FileServer FileServer FileServer FileServer Master4台＋Slave15台+batch1台の ３Nodeから、利用リソースに 20台構成をベースに利用リソース 応じて増設 に応じてSlaveを増設
- 16.
- 17.
- 18. 「クルマなびカウンター*」における活用事例 *クルマなびカウンター：対面形式で車選びを支援する新サービス 簡単 仲介 安心 お客様 販売店 無料相談 仲介 仲介 カーセンサー独自の品質基準による車選び 物件や状態選定はお任せ＋カーナビ/ETC＋保証/アフター 車選び～契約までのワンストップサービス 車選び〜実車確認〜契約代行
- 19.
- 20. どこにデータ活用がされているのか？ 車の価格設定 条件の近いものをまとめ、一律の 保証等を付けて同一品質・同一価格を実現する これが難しい。なぜか？ どのような項目でまとめれば良いか？ 最適な値段はいくらなのか？
- 21. ■マーケット・商材の特殊性 中古車マーケットは感覚的な値付けの世界＝「正価」のないマーケット 一物一価の商材。価格決定因子が複雑 外部環境（輸出、為替、新車）からの影響値が大きい オプションは ざっと30超！ 車種/グレード/年式/走行/修復歴/ナビ/ETC/駆動方式 /色/ミッション/排気量/車検残/禁煙車/本革シート/ モニター/キーレス/サンルーフ/保証/整備/エリア… ➤ 統計的分析が難しい ■価格算出に求められること マーケット・商材の特殊性から、価格算出するために必要なこと ➤ 全データを対象にしたトライ＆エラーの繰り返し
- 22. もともと、アイディアはあったが… 組み合わせが膨大なため、車種やエリアを限定しても 集計が困難。限定しているので、価格算出の信頼度が低い。 本番DB この集計ではダメだ… 行動履歴 DB やり直そう… 外部 データ 数日 カーセンサーのデータ*：1億件/月 オートオークションのデータ：18万件/月 ➤ 実現できそうもない *月間で340万件×30オプションのand条件
- 23. 既にバッチ高速化でhadoopの実用性を認識 Hadoopを活用できるのでは？ 本番DB 行動履歴 Hadoop 色々試せる！ DB 環境 外部 データ 1時間半 仮説→実行→検証を高速に繰り返し 答えを導くことができた
- 24. Hadoop活用でサービス完成！ 簡単 仲介 お客様 安心 販売店 本番DB 行動履歴 Hadoop DB 環境 外部 データ 毎月950車種の価格を30分で分析！
- 25. オープン後の課題に対して追加分析も。 特定の色の車の取引価格が高く仕入れ が難しい！オプション料金にするかど うか考えている。 距離や年式などをずらした際の 価格変動をみたい。 GWやお盆が売れゆきは？ 去年のシーズナリティを見たい。 どんなに頑張って分析しても必ず課題は出てくる。 問題はこれをいかに迅速に解決できるか。事業担当者が現場で 感じている感覚をデータですばやく証明する。
- 26.
- 27. じゃらんnet宿泊実行履歴とは？ • 年間6020万人泊の宿泊予約、宿泊実行 履歴データ – サービス開始の2000年11月11日から約12年 間の蓄積 – 会員数1032万人（2012年2月末時点） – 契約宿泊施設数 2万2462軒 – 国内最大級の宿泊予約サイト これらのデータを使って解析した結果を 地方自治体に向けて公開するセミナーを開催している。 今年はビッグデータ解析関連の講演も行われた。 ムムッ…
- 28.
- 29. 南関東居住者と北海道居住者の周遊宿泊状況の違い じゃらんnet宿泊実行履歴データより 北海道居住者と南関東居住者の転泊状況の分析 （2011年7月～9月の夏季3か月） – 北海道旅行者は、４割が 道内から、３割が南関東 から – 北海道居住者は 「網走・北見・知床」と「 釧路・阿寒・根室・川湯・ 屈斜路」が最多の 転泊組み合わせ – 南関東居住者は、「旭川 ・層雲峡」「札幌」が最 多の転泊組み合わせ 28
- 30.
- 31. 「ログデータ集計基盤」再構築における事例 効果基盤システムの課題 課題１ 効果集計データ及びロジックが分散かつ複雑 ➤ データ品質の悪化 課題２ 大量データ処理を高速に行う基盤が存在しない ➤ 集計工数の肥大化 SCログ集 計処理 ログ集計 ログ集計 処理１ 処理２ 課題１ データとロジックが分散。 課題２ 大量データを高 データ品質の悪化を招く 速に扱えない
- 32. 「ログデータ集計基盤」再構築における事例 事業の分析運用面での課題 課題３ 分析は手作業中心。データ取得方法も異なる ➤ 分析業務の効率が悪い 課題４ データが分散。十分な分析ができない ➤ 集客ほか効果増に繋がらない データ加工 課題４ データ分散により効 果に繋がる分析ができない 課題３ 手作業＆異なるデータ取 得方法により効率が悪い
- 33. 「ログデータ集計基盤」再構築で目指したこと システム面で目指す状態 理想１ 効果データ・集計ロジックが集約されデータ品質が 良い 理想２ 大量データの高速処理が可能であり、対応工数が抑 えられる 分析運用面で目指す状態 理想３ 効果分析業務が最適に効率化されている 理想４ 様々なデータを効果分析に利用することができる
- 34. 打ち手を整理すると… 理想１ 効果データ・集計ロジックの集約 データの 一元管理 理想２ 大量データの高速処理の実現 理想３ 効果分析業務の効率化 大量データ の高速処理 理想４ 多様なデータの分析を可能に
- 35. 【システム化 対応後】 対応前】 既存システムD Hadoop EUC 既存システムE 既存システムE 既存システムA I/F I/F 集計① 集計結果 DBデータ・ログ ② 既存システムB ファイルなどの収集 整形② 集計結果 集計 営業・顧 客 整形① 既存システムF 既存システムF 既存システムC マスタデータの整形 整形① ③ やアクセスログの整 他システム 形 連携 整形③ 集計② 集計結果 ASP 既存システムG MP サイカタ I/F 集計
- 36. 主な効果（一部のみ紹介） 理想１ 効果データ・集計ロジックの データ遡及工数削減 集約 （▲60％） 理想２ 大量データの高速処理の実現 14時間の集計処理 →15分 理想３ 効果分析業務の効率化 分析工数の削減 （▲85％） 理想４ 多様なデータの分析を可能に アトリビューション分 析の実現 上記以外にも副次的な効果が多数
- 37.
- 38.
- 39. その他にも… １週間分のログをクレメンタインで 約８万人に レコメンド計算 レコメンド 約２０万人に CVRは レコメンド １.６倍に １年半分 でレコメンド計算 アソシエーションルールによる レコメンドエリアの算出 下まで閲覧すると レコメンドバナー表出
- 40. リスティング分 事業Ａ 施策シェア分析 析 クチコミ分析 サイト横断 事業Ｂ サイト間 モニタリング レコメンド KWD×LP分析 １３事業に対し、 クロスUU 指標 事業Ｃ 調査 予約分析 事業Ｄ メルマガ施策 ＢＩ 年間１００件超 KPIモニタリン メール通数分析 現行応募相関 ステータス分析 事業Ｅ グ 自然語解析 行動ﾀｰｹﾞﾃｨﾝｸﾞ LPO 事業Ｆ レコメンド ログ分析 事業Ｇ 事業Ｈ 自然語解析 領域間クロス UU の ｶｽﾀﾏｰﾌﾟﾛﾌｧｲﾙ メールﾚコメン ド 集客モニタリン グ 商材分析 需要予測 需要予測 ｸﾗｲｱﾝﾄHP分析 クレンジング レコメンド ｶｽﾀﾏｰﾄﾗｯｷﾝｸﾞ 共通バナー 事業Ｉ 事業Ｊ グ 価格分析 データ利活用 KPIモニタリン アクション数予 測 ﾚコメンド 効果集計 クラスタリング クチコミ分析 レコメンド 事業Ｋ 事業Ｌ レコメンド を展開中 効果見立て分析 事業Ｍ 39
- 41.
- 42. 「エンジニア型」アナリストの動き方 ビッグデータ関連技術の活用方法を、技術力・インフラ基盤と共に提供し、 新たな施策を事業とともに考え実装していく ➤ アルゴリズムを「実装する」・「組み合わせる」 しかしながら、現実はそううまくもいかない。 いろいろ課題が絶えず出てくる。 エンジニア型 事業担当者 データを抽出する工数が… アナリスト 既存のシステムに影響が… 機械学習など分からない…etc 技術で実現できることを背 事業の状況を背景とした、 景としたソリューションの 新たな施策の検討、期待 そんな課題をエコシステムで解決していく する成果・目的の設定 紹介、技術力・インフラ基 盤の提供、活用方法の事例 展開や新たな用途開発など
- 43. Hadoopを選んだ理由 大規模計算処理システムとしてHadoopを選んだ理由は以下の通り。 スケーラブルであること コストがかからないこと エコシステムが大きい、コミュニティが活性であること ある程度自由に他の製品と組み合わせが可能なこと
- 44. 各種機能は「エコシステム」で簡単に利用 RDB 問い合わせログ PVログ レコメンド データ Quest® Data Connector ＳＱＬライクな操作言語として、Ｈive マイニングのライブラリとして、mａｈｏｕｔ データ連携ツールとして、Ｓｑｏｏｐ ＪＯＢスケジューリングツールとして、Aｚｋａｂａｎ
- 45. ①Sqoop の活用 ・DBからデータ移行に時間がか かる。 ・工数がかかる。 ・HadoopとRDBMSとでデータをやり取りするためのしくみ ・Oracleデータベースへの高速接続を提供する「OraOop」など ・RDBMSを完全に撤廃させることなく、RDBMSと Hadoopでデータを共有、使い分けを可能にする ・複数のRDBMSによる分析基盤作りにも有効 本番DB Hadoop 検証環境 ログ 本番データから 外部 Hadoopデータに連 データ 携する
- 46. ②Hive の活用 ・MapReduceが書けない。 ・移行工数を押さえたい！ ・いわば Hadoop上で動作するRDB ・ SQLライクな「HiveQL」で操作、処理結果は自動的に MapReduceへ ・おもに既存機能のリプレイス系の案件で活躍する ・SQL → Hiveへ移行するだけで、低工数で簡単に 高速化が実現 見立てのために 更なる高速化のために 「とりあえずは 一部をMapReduceへ書き Hiveで実装」 換え
- 47. ③mahout の活用 ・機械学習のロジックを使いたい。 が、難しくて実装できない。 ・データマイニング系ロジックのJavaライブラリ ・「アソシエーション分析」などのアルゴリズムが用意されている ・協調フィルタリングや、アソシエーションルール に基づくレコメンドなど ・複数の中から最適な条件を選定することが可能 まずは、実際のデータで動かし、試す。これが大事。 行動履歴 データ レコメンド物件の 表示など
- 48. リクルート的ビッグデータ解析フロー。 リクルートにおけるビッグデータ解析はTryandError方式。 素早く環境を構築し、データを移行。実際のデータを用いて初回OUTPUTを 行い、結果を見ながら要件を詰めて施策へ結び付けていく。 ある程度事業担 本番DB 当のやりたいこ Hadoop とを汲み取り、 検証環境 ログ 迅速に初回 Hadoopエンジニア主 OUTPUTを作成 外部 導で素早く データ データを蓄積 効果を測定し、 エンハンスや次期 Output 新施策を検討する。 実際のデータを 事業知見 技術 見ながら、次の 効果測定 要件を検討 分析
- 49. 事業担当が自ら分析できる環境を提供 WEBGUIからHiveQLを実行できるwebhiveを公開。 これにより、事業担当者も直接かつ簡単に ビッグデータを扱える環境が整った。 ダブルクリックで登 録済HiveQLを選択 HiveQLの編集 とある事業では、 ここ4か月で58個のク githubからダウンロートできます！ エリを事業担当者が https://github.com/recruitcojp/WebHive 登録。 クエリ実行 今期中に、テーブル定義DL機能も追加。 ビッグデータを操る 実際に現場で必要になった機能をどんどん追加予定。 ために自らHiveQLを HiveQL処理結果を 学ぶ姿勢も リンク先URLよりダウン ロード可能 浸透してきている。
- 50.
- 51. リクルート的ビッグデータ解析の価値とは。 技術力 事業知見 ・新しい技術の導入がし ・こんなこともできるの やすく。 ではないか。 ・分析の知見も吸収。 という発想の壁の崩壊。 分析力 ・新しい分析手法 （必殺技）を試しやすく！ ・システム知見吸収
- 52. 今後の展望 with 自然言語処理 DWH ：Hadoop＋Mahout（マイニング）＋Lucene（形態素分解）ほか 活用 ➤ クチコミ分析、レコメンドメールなどへ応用展開 or RDB with リアルタイム分析 ：Hbase、S4・STORM（リアルタイム分散処理プラットフォーム） ほか 活用 ➤ リアルタイムレコメンド、フラッシュマーケティングなど with スマートデバイス ：音声解析（Siri）・位置情報の取り込み、画像データの取り込み ほか ➤ ユーザ属性×GPS（行動履歴）分析による店舗情報プッシュなど