SlideShare a Scribd company logo
IBM Watson Analytics
〜クラウド型分析サービス〜〜クラウド型分析サービス〜
日本アイ・ビー・エム株式会社
デジタルセールス事業
1年間で登録ユーザは
100万人を突破!!
© IBM Corporation 20162
(http://www.atmarkit.co.jp/ait/articles/1412/24/news050.html)
Watson Analyticsは、人工知能で答えを出してくるサービスではあ
りませんが、ユーザの「データ分析」という作業をなくすことを目標に、
Watsonの技術も⽤いて、「データ分析」を楽にする仕組みがいくつも
組み込まれています。
ポイント
チームの売上を伸
ばすにはどうすれば
いいのだろうか?
トップタレントを辞め
させないためには何
をすればよいのだろ
うか?
知りたい事はたくさんあるのに
回答を得るまでの道のりが⻑い!
© IBM Corporation 20163
仕入価格を低減
するにはどうすれば
いいのだろうか?
シンプルな分析プロジェクトでさえも、複数のステップを経な
ければならず、多くの人材が関与しています。
データ・
アクセス
データレポート
IT 担当者ビジネス・
アナリスト
© IBM Corporation 20164
データ
準備
分析
検証
コラボレーション
レポート
作成
データ・サイエンティスト
& 統計専門家
ビジネス・
ユーザ
アナリスト
データ・
アクセス
IT 担当者ビジネス・
アナリスト
そして、ほとんどの場合、複雑なプロセスとなっています。
© IBM Corporation 20165
データ準備
分析
検証
コラボレーション
レポート作成
ビジネス・
ユーザ
アナリスト
データ・サイエンティスト
& 統計専門家
Data
Discovery
Intelligent
& Innovation
Smart Data
Discovery
データディスカバリーを超えるIBMのスマートデータディスカバリー
© IBM Corporation 20166
簡易性、可視化 ガイド型分析
問いの理解
データの⾒⽅、分析軸を教える
影響を与えている要因分析
トレンド(Twitter)の可視化
エンタープライズBIのデータ活⽤
簡単な操作性
データの可視化を提供
エンドユーザー主導の利⽤環境
マーケティング 営業 財務 オペレーション 人事
IBM Watson Analyticsはビジネス・ユーザー向けのセ
ルフ・アナリティクス サービスです。
© IBM Corporation 20167
マーケティング
キャンペーン計画と
投資収益率 (ROI)
営業
顧客維持
財務
売掛管理の
優先順位付け
オペレーション
品質分析
人事
従業員との
リレーション
シップ
このデータから⾒たいのは、こういうものですかね??
クリック
© IBM Corporation 20168
こういうのも⾒たいんじゃないですか?
© IBM Corporation 20169
このデータの⾒⽅なら、このビジュアルがいいですよ。
© IBM Corporation 201610
データ項目によって、Watson Analyticsが
推奨するビジュアライゼーションが変わります
このデータは汚いので分析に向いていないですよ。
© IBM Corporation 201611
ユーザー向けに発⾒
された追加的な洞察
このデータではこの項目とこの項目に相関があります。
© IBM Corporation 201612
対象となるターゲットに対して
影響のある項目
直感的な
ダッシュボードと
ストーリーテリン
グの作成
ビジネス・ドラ
イバーの発⾒データの整理 ガイド型の
分析
© IBM Corporation 201613
簡単にデータをアップ
ロード
および検索
できる機能
直感的な
インターフェース
によって
迅速に開始
Watson Analytics 3つの切り⼝
データの品質チェック、グルーピングや階層化などのデータ加工が
可能です。
例) 大項目、中項目、小項目の関係を指定
Data
Discover
データの中から関連のあるものや傾向をビジュアルに把握すること
が可能です。
例)⻄⽇本の各県の売上は?県別で各製品ラインの売上の内訳は?
データ間の相関関係を⾒出してターゲットに何が影響を与えている
© IBM Corporation 201614
Display
データ間の相関関係を⾒出してターゲットに何が影響を与えている
かを分析することが可能です。
例)何が売上に影響を与えているのか?
ビジュアルなグラフや表を組み合わせて、より効果的なダッシュ
ボードを作成することが可能です。
⾃然言語を使⽤して、
データに関する
新しい質問を⾏う
データに関する新た
な洞察を⾃動的に
提供
さらに掘り下げ
た探索を実⾏
するための選択
IBM Watson Analytics: Discover
© IBM Corporation 201615
⾃然言語を使⽤して、
データに関する質問を
⾏う
画像を他のメンバーと共有、ま
たは所属するチームに対して E
IBM Watson Analytics: Discover
© IBM Corporation 201616
Watson
Analytics によっ
て提供された新し
い洞察をクリックし
て、結果を探索す
る
データ・ポイントを追
加し、視覚化メニュー、
データ・フィルター、
カラー・パレットなどを
使⽤して、異なる表
示を⾏う
たは所属するチームに対して E
メールで送信
ユーザー向けに発⾒
された追加的な洞察⾃動化されたデー
タの視覚化
IBM Watson Analytics: Discover
© IBM Corporation 201617
対象となる分析において
特定された予測因子
ターゲットに対して最も
影響を与えている項目
の組み合わせを可視化
IBM Watson Analytics: Discover
© IBM Corporation 201618
分析結果などを一緒に表示させることも簡単にできます
IBM Watson Analytics: Display
© IBM Corporation 201619
テキストやwebペー
ジ画像などを選択し
て挿入
IBM Watson Analyticsではデータアップロード時に
⾃動的にカラムやデータの識別や作成を⾏っています
Category 規定のカテゴリー
例えば:temporal, geographic, institution
© IBM Corporation 201620
Attribute
Metric
Instance
特徴
例えば:caption, identifier, address (人の場合)
量に関する指標
例えば:duration, monetary, distance, volume, count
共通インスタンス
例えば:Year,Month,Week
このデータは何であるか?
・ヒューリスティク・アルゴリズムを利⽤
「ある程度のレベルで正解に近い値」
・ルール保持により判断
例)123-456-789の場合、電話番号だと判断
例)日付を判別して特殊なカテゴリーとして扱う
・カラム名で識別
© IBM Corporation 201621
・カラム名で識別
例)カラム名にIDがついていたら数値データとしては扱わない
日本語対応について
Age
これが年齢であると認識している
2016/5/25
平成28年
5月25日
日付だと認識、⾃動階層化
日付だと認識されていない
© IBM Corporation 201622
Age
これが年齢であると認識している
集計のデフォルトは平均
Japan ⾃動的に地図にマッピングされる
日本 Geographic情報だと認識されない
年齢 集計のデフォルトは「和」
© IBM Corporation 201623
その1 操作イメージご紹介
その2 ビジネスシーンでの活用イメージご紹介
Watson Analytics 3つの切り⼝
データの品質チェック、グルーピングや階層化などのデータ加工が
可能です。
例) 大項目、中項目、小項目の関係を指定
Data
Discover
データの中から関連のあるものや傾向をビジュアルに把握すること
が可能です。
例)⻄⽇本の各県の売上は?県別で各製品ラインの売上の内訳は?
データ間の相関関係を⾒出してターゲットに何が影響を与えている
© IBM Corporation 201624
Display
データ間の相関関係を⾒出してターゲットに何が影響を与えている
かを分析することが可能です。
例)何が売上に影響を与えているのか?
ビジュアルなグラフや表を組み合わせて、より効果的なダッシュ
ボードを作成することが可能です。
今回利⽤するサンプルデータ
• アメリカ人の時間の使い⽅を調査したデータを利⽤します。
カテゴリデータ 数値データ 数値データ
Educational Level Weekly Hours Worked Shopping
Age Sleeping Eating and Drinking
Age range Grooming Socializing and Relaxing
© IBM Corporation 201625
Age range Grooming Socializing and Relaxing
Employment Status Housework Television
Gender Food & Drink Prep Golfing
Children Caring for Children Running
Weekly Earnings Play with Children Volunteering
Year Job Searching
デモに使⽤する架空会社
本動画で使⽤する会社の設定は、以下の通りです。
■会社
「Smart Corporation」という架空の会社
■デモその2 ビジネスシーンでの活用イメージご紹介
© IBM Corporation 201626
■業種
電気製品(携帯電話、パソコン)などを製造・販売
■拠点
日本国内に本店と支社、中国に支社
■登場人物
管理部門の担当者
生産 販売
営業部の売上を管理してい
ます。経営層に報告したり、
営業部門に速報を上げてい
ます。
管理部門担当者
デモのシナリオ
Step1
ビジネスドライバーの発⾒
Step2
現状の把握
Step3
情報の共有
© IBM Corporation 201627
【目的】
売上実績に影響を与えて
いるドライバーを発⾒したい
【結果】
チャネルと製品グループが売
上実績に影響を与えてい
ることを発⾒
【目的】
発⾒したドライバーを元に、
現状の把握
【結果】
卸しの売上が非常に小さい、
ゆえに、ゲーム機が売れて
いるように⾒えることを把握
【目的】
発⾒した情報をもとにダッ
シュボードを作成
【結果】
売上を経営層に効率よく報
告することが可能
デモに使⽤するデータ
© IBM Corporation 201628
簡単に社内でのデータ共有が可能です。
(data sets ,refined data sets, explorations, predictions, views)
IBM Watson Analytics: Assetの共有(Professional版)
© IBM Corporation 201629
①フォルダーの選択
②アクセス権の付与
• リストからの選択
• ユーザー検索も可
2016年5月現在
Free Plus Professional
ストレージ容量 1MB 2GB 100GB
データや分析の共有 × × ○
Cognosレポートデータへのコネクター × × ○
クラウド上のデータアクセス
(Dropbox、Box)
× ○ ○
RDBMSのサポート × ○ ○
IBM Watson Analyticsのエディション
© IBM Corporation 201630
RDBMSのサポート
(DB2,dashDB,MySQL,Oracle等)
× ○ ○
Twitter連携 × ○ ○
ストレージ容量の追加 × ○ ○
料⾦ 無償
Professional
Edition 機能を
30日間利⽤可
能
4,282円 11,500円
料⾦は1ユーザー1ヶ月あたりの⾦額です。
http://www.ibm.com/marketplace/cloud/watson-analytics/jp/ja-jp
IBM Watson Analytics のご利⽤はこちらから
Free Edition(無償版)のご登録もこちら
© IBM Corporation 201631
検索エンジンで
「IBM 中山」と、ご検索ください。
検索エンジンで
「IBM 中山」と、ご検索ください。
本件に関する詳細は、担当営業サイトからお気軽にお問い合わせください
デジタル・セールス ソフトウェア製品担当営業 中山 までご連絡をお待ちしております
http://ibm.biz/nakataka
©2015 IBM Corporation 25 May 201632
メール、お電話、
チャットはこちらからどうぞ

More Related Content

Viewers also liked

Watson analytics ご紹介
Watson analytics ご紹介Watson analytics ご紹介
Watson analytics ご紹介
IBMソリューション
 
World of Watson 2016 - Watson analytics
World of Watson 2016 - Watson analyticsWorld of Watson 2016 - Watson analytics
World of Watson 2016 - Watson analytics
Keith Redman
 
エンジニア集団によるゼロからの新規事業開発 (DevLOVE現場甲子園2014 日本シリーズ)
エンジニア集団によるゼロからの新規事業開発 (DevLOVE現場甲子園2014 日本シリーズ)エンジニア集団によるゼロからの新規事業開発 (DevLOVE現場甲子園2014 日本シリーズ)
エンジニア集団によるゼロからの新規事業開発 (DevLOVE現場甲子園2014 日本シリーズ)
Manabu Yamamoto
 
IBM Watson を用いたシステミックリスク評価手法
IBM Watson を用いたシステミックリスク評価手法IBM Watson を用いたシステミックリスク評価手法
IBM Watson を用いたシステミックリスク評価手法
Hirofumi Nakata
 
ツアーコンシェルジュNAO
ツアーコンシェルジュNAOツアーコンシェルジュNAO
ツアーコンシェルジュNAO
BMXUG
 
Watsonにあなたの知識を教えよう
Watsonにあなたの知識を教えようWatsonにあなたの知識を教えよう
Watsonにあなたの知識を教えよう
Akiko Murakami
 
Watson活用事例~Watsonハッカソンの例を通じて~
Watson活用事例~Watsonハッカソンの例を通じて~Watson活用事例~Watsonハッカソンの例を通じて~
Watson活用事例~Watsonハッカソンの例を通じて~
Hiroki Nakayama
 
IBM Bluemix × Watson でMashup Hackathon (API説明)
IBM Bluemix × Watson でMashup Hackathon (API説明)IBM Bluemix × Watson でMashup Hackathon (API説明)
IBM Bluemix × Watson でMashup Hackathon (API説明)
Masaya Fujita
 
Watson API トレーニング 20160716 rev02
Watson API トレーニング 20160716 rev02Watson API トレーニング 20160716 rev02
Watson API トレーニング 20160716 rev02
Hiroaki Komine
 
IBMワトソン 勉強会 20161121a
IBMワトソン 勉強会 20161121aIBMワトソン 勉強会 20161121a
IBMワトソン 勉強会 20161121a
Maho Takara
 
リンクは買わずに「集める」 - SEOで本当に考えるべき、コンテンツと被リンクの話 先生:實川節朗先生
リンクは買わずに「集める」 - SEOで本当に考えるべき、コンテンツと被リンクの話 先生:實川節朗先生リンクは買わずに「集める」 - SEOで本当に考えるべき、コンテンツと被リンクの話 先生:實川節朗先生
リンクは買わずに「集める」 - SEOで本当に考えるべき、コンテンツと被リンクの話 先生:實川節朗先生
schoowebcampus
 
[AWSマイスターシリーズ] AWS CLI / AWS Tools for Windows PowerShell
[AWSマイスターシリーズ] AWS CLI / AWS Tools for Windows PowerShell[AWSマイスターシリーズ] AWS CLI / AWS Tools for Windows PowerShell
[AWSマイスターシリーズ] AWS CLI / AWS Tools for Windows PowerShell
Amazon Web Services Japan
 
Study: The Future of VR, AR and Self-Driving Cars
Study: The Future of VR, AR and Self-Driving CarsStudy: The Future of VR, AR and Self-Driving Cars
Study: The Future of VR, AR and Self-Driving Cars
LinkedIn
 
TEDx Manchester: AI & The Future of Work
TEDx Manchester: AI & The Future of WorkTEDx Manchester: AI & The Future of Work
TEDx Manchester: AI & The Future of Work
Volker Hirsch
 

Viewers also liked (15)

Watson analytics ご紹介
Watson analytics ご紹介Watson analytics ご紹介
Watson analytics ご紹介
 
World of Watson 2016 - Watson analytics
World of Watson 2016 - Watson analyticsWorld of Watson 2016 - Watson analytics
World of Watson 2016 - Watson analytics
 
エンジニア集団によるゼロからの新規事業開発 (DevLOVE現場甲子園2014 日本シリーズ)
エンジニア集団によるゼロからの新規事業開発 (DevLOVE現場甲子園2014 日本シリーズ)エンジニア集団によるゼロからの新規事業開発 (DevLOVE現場甲子園2014 日本シリーズ)
エンジニア集団によるゼロからの新規事業開発 (DevLOVE現場甲子園2014 日本シリーズ)
 
IBM Watson を用いたシステミックリスク評価手法
IBM Watson を用いたシステミックリスク評価手法IBM Watson を用いたシステミックリスク評価手法
IBM Watson を用いたシステミックリスク評価手法
 
ツアーコンシェルジュNAO
ツアーコンシェルジュNAOツアーコンシェルジュNAO
ツアーコンシェルジュNAO
 
Top 10 BI Trends for 2013
Top 10 BI Trends for 2013Top 10 BI Trends for 2013
Top 10 BI Trends for 2013
 
Watsonにあなたの知識を教えよう
Watsonにあなたの知識を教えようWatsonにあなたの知識を教えよう
Watsonにあなたの知識を教えよう
 
Watson活用事例~Watsonハッカソンの例を通じて~
Watson活用事例~Watsonハッカソンの例を通じて~Watson活用事例~Watsonハッカソンの例を通じて~
Watson活用事例~Watsonハッカソンの例を通じて~
 
IBM Bluemix × Watson でMashup Hackathon (API説明)
IBM Bluemix × Watson でMashup Hackathon (API説明)IBM Bluemix × Watson でMashup Hackathon (API説明)
IBM Bluemix × Watson でMashup Hackathon (API説明)
 
Watson API トレーニング 20160716 rev02
Watson API トレーニング 20160716 rev02Watson API トレーニング 20160716 rev02
Watson API トレーニング 20160716 rev02
 
IBMワトソン 勉強会 20161121a
IBMワトソン 勉強会 20161121aIBMワトソン 勉強会 20161121a
IBMワトソン 勉強会 20161121a
 
リンクは買わずに「集める」 - SEOで本当に考えるべき、コンテンツと被リンクの話 先生:實川節朗先生
リンクは買わずに「集める」 - SEOで本当に考えるべき、コンテンツと被リンクの話 先生:實川節朗先生リンクは買わずに「集める」 - SEOで本当に考えるべき、コンテンツと被リンクの話 先生:實川節朗先生
リンクは買わずに「集める」 - SEOで本当に考えるべき、コンテンツと被リンクの話 先生:實川節朗先生
 
[AWSマイスターシリーズ] AWS CLI / AWS Tools for Windows PowerShell
[AWSマイスターシリーズ] AWS CLI / AWS Tools for Windows PowerShell[AWSマイスターシリーズ] AWS CLI / AWS Tools for Windows PowerShell
[AWSマイスターシリーズ] AWS CLI / AWS Tools for Windows PowerShell
 
Study: The Future of VR, AR and Self-Driving Cars
Study: The Future of VR, AR and Self-Driving CarsStudy: The Future of VR, AR and Self-Driving Cars
Study: The Future of VR, AR and Self-Driving Cars
 
TEDx Manchester: AI & The Future of Work
TEDx Manchester: AI & The Future of WorkTEDx Manchester: AI & The Future of Work
TEDx Manchester: AI & The Future of Work
 

Similar to Watson Analytics ご紹介資料

20171201 deep learning lab albert
20171201 deep learning lab albert20171201 deep learning lab albert
20171201 deep learning lab albert
Hirono Jumpei
 
福井解析セミナー20140326
福井解析セミナー20140326福井解析セミナー20140326
福井解析セミナー20140326
Aマーケティング合同会社
 
20170922_4_Azure IoT , Cognitive Services で何が実現できるのか? -最新の事例とサービスアップデートのご紹介-
20170922_4_Azure IoT , Cognitive Services で何が実現できるのか? -最新の事例とサービスアップデートのご紹介-20170922_4_Azure IoT , Cognitive Services で何が実現できるのか? -最新の事例とサービスアップデートのご紹介-
20170922_4_Azure IoT , Cognitive Services で何が実現できるのか? -最新の事例とサービスアップデートのご紹介-
IoTビジネス共創ラボ
 
kintone Cafe Japan 2016: kintone x 機械学習で実現する簡単名刺管理
kintone Cafe Japan 2016: kintone x 機械学習で実現する簡単名刺管理kintone Cafe Japan 2016: kintone x 機械学習で実現する簡単名刺管理
kintone Cafe Japan 2016: kintone x 機械学習で実現する簡単名刺管理
Takahiro Kubo
 
【kintone hive 上海】ウィングアーク上海講演資料_160918
【kintone hive 上海】ウィングアーク上海講演資料_160918【kintone hive 上海】ウィングアーク上海講演資料_160918
【kintone hive 上海】ウィングアーク上海講演資料_160918
Cybozucommunity
 
JPC2016: PUP-01 知って得する MPN 最新情報
JPC2016: PUP-01 知って得する MPN 最新情報JPC2016: PUP-01 知って得する MPN 最新情報
JPC2016: PUP-01 知って得する MPN 最新情報
MPN Japan
 
Contents Player サイト運営書test
Contents Player サイト運営書testContents Player サイト運営書test
Contents Player サイト運営書testWakako Niwa
 
Contents Player サイト運営書Test
Contents Player サイト運営書TestContents Player サイト運営書Test
Contents Player サイト運営書TestWakako Niwa
 
失敗しないためのデータ活用の勘所
失敗しないためのデータ活用の勘所失敗しないためのデータ活用の勘所
失敗しないためのデータ活用の勘所
Kazuya Mori
 
Dyna traceによるuxマネジメント
Dyna traceによるuxマネジメントDyna traceによるuxマネジメント
Dyna traceによるuxマネジメント伸夫 森本
 
「実践的」カスタマージャーニー分析のすすめ
「実践的」カスタマージャーニー分析のすすめ「実践的」カスタマージャーニー分析のすすめ
「実践的」カスタマージャーニー分析のすすめ
Akihiko Uchino
 
IoTとAIが牽引するエンタープライズシステムの新展開
IoTとAIが牽引するエンタープライズシステムの新展開IoTとAIが牽引するエンタープライズシステムの新展開
IoTとAIが牽引するエンタープライズシステムの新展開
Miki Yutani
 
Abeja customer success_20181106
Abeja customer success_20181106Abeja customer success_20181106
Abeja customer success_20181106
GenshinMaruta
 
20141018 osc tokyo2014講演(配布用)
20141018 osc tokyo2014講演(配布用)20141018 osc tokyo2014講演(配布用)
20141018 osc tokyo2014講演(配布用)
マジセミ by (株)オープンソース活用研究所
 
企業越境ビジネスリエンジニアリングの3次元モデルによる成功事例
企業越境ビジネスリエンジニアリングの3次元モデルによる成功事例企業越境ビジネスリエンジニアリングの3次元モデルによる成功事例
企業越境ビジネスリエンジニアリングの3次元モデルによる成功事例
Toshihiko Yamakami
 
IBM STARTUP MEETUP!(スタートアップカフェ大阪)
IBM STARTUP MEETUP!(スタートアップカフェ大阪)IBM STARTUP MEETUP!(スタートアップカフェ大阪)
IBM STARTUP MEETUP!(スタートアップカフェ大阪)
Hiromichi Kano
 
【IMJ】パネルディスカッション|顧客ロイヤルティ施策とデータドリブンマーケティング(I・CON2014)
【IMJ】パネルディスカッション|顧客ロイヤルティ施策とデータドリブンマーケティング(I・CON2014)【IMJ】パネルディスカッション|顧客ロイヤルティ施策とデータドリブンマーケティング(I・CON2014)
【IMJ】パネルディスカッション|顧客ロイヤルティ施策とデータドリブンマーケティング(I・CON2014)
IMJ Corporation
 
20161110 Cybozu Days 2016 ランチセッション 『キントーンと共に飛び込む、クラウドが当たり前になった企業情報システムの未来』
20161110 Cybozu Days 2016 ランチセッション 『キントーンと共に飛び込む、クラウドが当たり前になった企業情報システムの未来』20161110 Cybozu Days 2016 ランチセッション 『キントーンと共に飛び込む、クラウドが当たり前になった企業情報システムの未来』
20161110 Cybozu Days 2016 ランチセッション 『キントーンと共に飛び込む、クラウドが当たり前になった企業情報システムの未来』
R3 institute
 
学生のための AI で考える近未来
学生のための AI で考える近未来学生のための AI で考える近未来
学生のための AI で考える近未来
Daiyu Hatakeyama
 
Mobility Technologiesのデータ分析基盤・データ利活用事例のご紹介
Mobility Technologiesのデータ分析基盤・データ利活用事例のご紹介Mobility Technologiesのデータ分析基盤・データ利活用事例のご紹介
Mobility Technologiesのデータ分析基盤・データ利活用事例のご紹介
Chigusa Junichiro
 

Similar to Watson Analytics ご紹介資料 (20)

20171201 deep learning lab albert
20171201 deep learning lab albert20171201 deep learning lab albert
20171201 deep learning lab albert
 
福井解析セミナー20140326
福井解析セミナー20140326福井解析セミナー20140326
福井解析セミナー20140326
 
20170922_4_Azure IoT , Cognitive Services で何が実現できるのか? -最新の事例とサービスアップデートのご紹介-
20170922_4_Azure IoT , Cognitive Services で何が実現できるのか? -最新の事例とサービスアップデートのご紹介-20170922_4_Azure IoT , Cognitive Services で何が実現できるのか? -最新の事例とサービスアップデートのご紹介-
20170922_4_Azure IoT , Cognitive Services で何が実現できるのか? -最新の事例とサービスアップデートのご紹介-
 
kintone Cafe Japan 2016: kintone x 機械学習で実現する簡単名刺管理
kintone Cafe Japan 2016: kintone x 機械学習で実現する簡単名刺管理kintone Cafe Japan 2016: kintone x 機械学習で実現する簡単名刺管理
kintone Cafe Japan 2016: kintone x 機械学習で実現する簡単名刺管理
 
【kintone hive 上海】ウィングアーク上海講演資料_160918
【kintone hive 上海】ウィングアーク上海講演資料_160918【kintone hive 上海】ウィングアーク上海講演資料_160918
【kintone hive 上海】ウィングアーク上海講演資料_160918
 
JPC2016: PUP-01 知って得する MPN 最新情報
JPC2016: PUP-01 知って得する MPN 最新情報JPC2016: PUP-01 知って得する MPN 最新情報
JPC2016: PUP-01 知って得する MPN 最新情報
 
Contents Player サイト運営書test
Contents Player サイト運営書testContents Player サイト運営書test
Contents Player サイト運営書test
 
Contents Player サイト運営書Test
Contents Player サイト運営書TestContents Player サイト運営書Test
Contents Player サイト運営書Test
 
失敗しないためのデータ活用の勘所
失敗しないためのデータ活用の勘所失敗しないためのデータ活用の勘所
失敗しないためのデータ活用の勘所
 
Dyna traceによるuxマネジメント
Dyna traceによるuxマネジメントDyna traceによるuxマネジメント
Dyna traceによるuxマネジメント
 
「実践的」カスタマージャーニー分析のすすめ
「実践的」カスタマージャーニー分析のすすめ「実践的」カスタマージャーニー分析のすすめ
「実践的」カスタマージャーニー分析のすすめ
 
IoTとAIが牽引するエンタープライズシステムの新展開
IoTとAIが牽引するエンタープライズシステムの新展開IoTとAIが牽引するエンタープライズシステムの新展開
IoTとAIが牽引するエンタープライズシステムの新展開
 
Abeja customer success_20181106
Abeja customer success_20181106Abeja customer success_20181106
Abeja customer success_20181106
 
20141018 osc tokyo2014講演(配布用)
20141018 osc tokyo2014講演(配布用)20141018 osc tokyo2014講演(配布用)
20141018 osc tokyo2014講演(配布用)
 
企業越境ビジネスリエンジニアリングの3次元モデルによる成功事例
企業越境ビジネスリエンジニアリングの3次元モデルによる成功事例企業越境ビジネスリエンジニアリングの3次元モデルによる成功事例
企業越境ビジネスリエンジニアリングの3次元モデルによる成功事例
 
IBM STARTUP MEETUP!(スタートアップカフェ大阪)
IBM STARTUP MEETUP!(スタートアップカフェ大阪)IBM STARTUP MEETUP!(スタートアップカフェ大阪)
IBM STARTUP MEETUP!(スタートアップカフェ大阪)
 
【IMJ】パネルディスカッション|顧客ロイヤルティ施策とデータドリブンマーケティング(I・CON2014)
【IMJ】パネルディスカッション|顧客ロイヤルティ施策とデータドリブンマーケティング(I・CON2014)【IMJ】パネルディスカッション|顧客ロイヤルティ施策とデータドリブンマーケティング(I・CON2014)
【IMJ】パネルディスカッション|顧客ロイヤルティ施策とデータドリブンマーケティング(I・CON2014)
 
20161110 Cybozu Days 2016 ランチセッション 『キントーンと共に飛び込む、クラウドが当たり前になった企業情報システムの未来』
20161110 Cybozu Days 2016 ランチセッション 『キントーンと共に飛び込む、クラウドが当たり前になった企業情報システムの未来』20161110 Cybozu Days 2016 ランチセッション 『キントーンと共に飛び込む、クラウドが当たり前になった企業情報システムの未来』
20161110 Cybozu Days 2016 ランチセッション 『キントーンと共に飛び込む、クラウドが当たり前になった企業情報システムの未来』
 
学生のための AI で考える近未来
学生のための AI で考える近未来学生のための AI で考える近未来
学生のための AI で考える近未来
 
Mobility Technologiesのデータ分析基盤・データ利活用事例のご紹介
Mobility Technologiesのデータ分析基盤・データ利活用事例のご紹介Mobility Technologiesのデータ分析基盤・データ利活用事例のご紹介
Mobility Technologiesのデータ分析基盤・データ利活用事例のご紹介
 

More from Takayuki Nakayama

ネットワーク可視化 振る舞い検知(NDR)ご紹介_キンドリル202405.pdf
ネットワーク可視化 振る舞い検知(NDR)ご紹介_キンドリル202405.pdfネットワーク可視化 振る舞い検知(NDR)ご紹介_キンドリル202405.pdf
ネットワーク可視化 振る舞い検知(NDR)ご紹介_キンドリル202405.pdf
Takayuki Nakayama
 
キンドリルネットワークコンサルティングサービスのご紹介 202403.pdf
キンドリルネットワークコンサルティングサービスのご紹介 202403.pdfキンドリルネットワークコンサルティングサービスのご紹介 202403.pdf
キンドリルネットワークコンサルティングサービスのご紹介 202403.pdf
Takayuki Nakayama
 
キンドリル_ネットワーク自動化成熟度診断サービス ご紹介資料 2024年3月版
キンドリル_ネットワーク自動化成熟度診断サービス ご紹介資料 2024年3月版キンドリル_ネットワーク自動化成熟度診断サービス ご紹介資料 2024年3月版
キンドリル_ネットワーク自動化成熟度診断サービス ご紹介資料 2024年3月版
Takayuki Nakayama
 
キンドリル_IT関連文書策定支援のご紹介.PDF
キンドリル_IT関連文書策定支援のご紹介.PDFキンドリル_IT関連文書策定支援のご紹介.PDF
キンドリル_IT関連文書策定支援のご紹介.PDF
Takayuki Nakayama
 
キンドリル_ユーザー視点でのITサービスの監視_外形監視実装サービス.pdf
キンドリル_ユーザー視点でのITサービスの監視_外形監視実装サービス.pdfキンドリル_ユーザー視点でのITサービスの監視_外形監視実装サービス.pdf
キンドリル_ユーザー視点でのITサービスの監視_外形監視実装サービス.pdf
Takayuki Nakayama
 
キンドリル ネットワークアセスメントサービス
キンドリル ネットワークアセスメントサービスキンドリル ネットワークアセスメントサービス
キンドリル ネットワークアセスメントサービス
Takayuki Nakayama
 
キンドリルクラウド支援サービス 2023Jun.PDF
キンドリルクラウド支援サービス 2023Jun.PDFキンドリルクラウド支援サービス 2023Jun.PDF
キンドリルクラウド支援サービス 2023Jun.PDF
Takayuki Nakayama
 
キンドリル - ダウ事例
キンドリル - ダウ事例キンドリル - ダウ事例
キンドリル - ダウ事例
Takayuki Nakayama
 
キンドリル_Help@Web_Help@Mobile.pdf
キンドリル_Help@Web_Help@Mobile.pdfキンドリル_Help@Web_Help@Mobile.pdf
キンドリル_Help@Web_Help@Mobile.pdf
Takayuki Nakayama
 
COBOL、大量のアセンブラもクラウドへ~2025年の崖から落ちる前に~.pdf
COBOL、大量のアセンブラもクラウドへ~2025年の崖から落ちる前に~.pdfCOBOL、大量のアセンブラもクラウドへ~2025年の崖から落ちる前に~.pdf
COBOL、大量のアセンブラもクラウドへ~2025年の崖から落ちる前に~.pdf
Takayuki Nakayama
 
トランザクションもDWHもクラウドで 2015年10月~IBM OnDemandセミナー
トランザクションもDWHもクラウドで 2015年10月~IBM OnDemandセミナートランザクションもDWHもクラウドで 2015年10月~IBM OnDemandセミナー
トランザクションもDWHもクラウドで 2015年10月~IBM OnDemandセミナー
Takayuki Nakayama
 
IBM on Demandセミナー IBM POWER8とDB2 BLUで最適なアナリティクス環境
IBM on Demandセミナー IBM POWER8とDB2 BLUで最適なアナリティクス環境IBM on Demandセミナー IBM POWER8とDB2 BLUで最適なアナリティクス環境
IBM on Demandセミナー IBM POWER8とDB2 BLUで最適なアナリティクス環境
Takayuki Nakayama
 
IBM Guardium Webセミナー資料_2013年11月
IBM Guardium Webセミナー資料_2013年11月IBM Guardium Webセミナー資料_2013年11月
IBM Guardium Webセミナー資料_2013年11月
Takayuki Nakayama
 

More from Takayuki Nakayama (13)

ネットワーク可視化 振る舞い検知(NDR)ご紹介_キンドリル202405.pdf
ネットワーク可視化 振る舞い検知(NDR)ご紹介_キンドリル202405.pdfネットワーク可視化 振る舞い検知(NDR)ご紹介_キンドリル202405.pdf
ネットワーク可視化 振る舞い検知(NDR)ご紹介_キンドリル202405.pdf
 
キンドリルネットワークコンサルティングサービスのご紹介 202403.pdf
キンドリルネットワークコンサルティングサービスのご紹介 202403.pdfキンドリルネットワークコンサルティングサービスのご紹介 202403.pdf
キンドリルネットワークコンサルティングサービスのご紹介 202403.pdf
 
キンドリル_ネットワーク自動化成熟度診断サービス ご紹介資料 2024年3月版
キンドリル_ネットワーク自動化成熟度診断サービス ご紹介資料 2024年3月版キンドリル_ネットワーク自動化成熟度診断サービス ご紹介資料 2024年3月版
キンドリル_ネットワーク自動化成熟度診断サービス ご紹介資料 2024年3月版
 
キンドリル_IT関連文書策定支援のご紹介.PDF
キンドリル_IT関連文書策定支援のご紹介.PDFキンドリル_IT関連文書策定支援のご紹介.PDF
キンドリル_IT関連文書策定支援のご紹介.PDF
 
キンドリル_ユーザー視点でのITサービスの監視_外形監視実装サービス.pdf
キンドリル_ユーザー視点でのITサービスの監視_外形監視実装サービス.pdfキンドリル_ユーザー視点でのITサービスの監視_外形監視実装サービス.pdf
キンドリル_ユーザー視点でのITサービスの監視_外形監視実装サービス.pdf
 
キンドリル ネットワークアセスメントサービス
キンドリル ネットワークアセスメントサービスキンドリル ネットワークアセスメントサービス
キンドリル ネットワークアセスメントサービス
 
キンドリルクラウド支援サービス 2023Jun.PDF
キンドリルクラウド支援サービス 2023Jun.PDFキンドリルクラウド支援サービス 2023Jun.PDF
キンドリルクラウド支援サービス 2023Jun.PDF
 
キンドリル - ダウ事例
キンドリル - ダウ事例キンドリル - ダウ事例
キンドリル - ダウ事例
 
キンドリル_Help@Web_Help@Mobile.pdf
キンドリル_Help@Web_Help@Mobile.pdfキンドリル_Help@Web_Help@Mobile.pdf
キンドリル_Help@Web_Help@Mobile.pdf
 
COBOL、大量のアセンブラもクラウドへ~2025年の崖から落ちる前に~.pdf
COBOL、大量のアセンブラもクラウドへ~2025年の崖から落ちる前に~.pdfCOBOL、大量のアセンブラもクラウドへ~2025年の崖から落ちる前に~.pdf
COBOL、大量のアセンブラもクラウドへ~2025年の崖から落ちる前に~.pdf
 
トランザクションもDWHもクラウドで 2015年10月~IBM OnDemandセミナー
トランザクションもDWHもクラウドで 2015年10月~IBM OnDemandセミナートランザクションもDWHもクラウドで 2015年10月~IBM OnDemandセミナー
トランザクションもDWHもクラウドで 2015年10月~IBM OnDemandセミナー
 
IBM on Demandセミナー IBM POWER8とDB2 BLUで最適なアナリティクス環境
IBM on Demandセミナー IBM POWER8とDB2 BLUで最適なアナリティクス環境IBM on Demandセミナー IBM POWER8とDB2 BLUで最適なアナリティクス環境
IBM on Demandセミナー IBM POWER8とDB2 BLUで最適なアナリティクス環境
 
IBM Guardium Webセミナー資料_2013年11月
IBM Guardium Webセミナー資料_2013年11月IBM Guardium Webセミナー資料_2013年11月
IBM Guardium Webセミナー資料_2013年11月
 

Watson Analytics ご紹介資料