ビジネス状況の可視化・分析・利活用
(データ分析パイプライン)

statistics

「ビジネス状況の可視化・分析・利活用」は、業務で発生した様々なログをお客様の見たい形に整形/サマリした上で、リアルタイムで参照可能な環境を提供するソリューションです。参照可能なデータは現在のデータだけではなく、過去、未来の予測が可能なビューも提供します。

以下のような課題はございますか?

​「データ収集の手段が定まっていない」「データ抽出の依頼が面倒」

等の要因で手間がかかっている

​準備に手間がかかる

headache

報告資料作成が大変

データを表計算ソフトに集め、そこから報告用資料に落とし込んで・・・と作業が大変

準備に手間がかかることに起因し、可視化されるデータの鮮度が古くなってしまう

​データの鮮度が古い

部署や分析者によって、指標が異なり分析結果がまちまち

組織で指標が異なる

上記のような様々なケースにおいて、

最適なソリューションをお客様と一緒に考え、ご提案&ご提供いたします。

データ分析が上手くいかない原因

​主な原因は以下の2点が挙げられます。

原因①:データ収集が困難

他部署へのデータ抽出依頼などが発生してデータを集めるのも一苦労。またビッグデータはあるものの、音声、動画、画像などの非構造/半構造データをうまく扱えず放置。

原因②:データの変換・整形に時間がかかる

データ分析において、最も時間がかかるのはデータ整形。
手作業での整形、変換ツールはシステム毎に別で、時間とコストがかかりすぎる。

結果・・・分析サイクルが長くなる!

上記の原因1と2の時間がかかりすぎて、データの鮮度が古くなってしまう。結果、データ分析の有効性を示せなくなる、といった悪循環に陥る。

つまるところ「データの収集」「データ変換・統合」が「主なボトルネック」になっており、これによって本来の目的である「継続的なデータ分析」が行えず、データ分析自体が軌道にのらない、とった事態を引き起こしています。高価な分析ツールやAIがあっても、データの下準備が非効率的であれば、いつの間にか「手段が目的」になってしまうでしょう。

「データ分析」の成功の秘訣 =「下準備の効率化」

​下準備の効率化 = データ分析パイプライン

「データ分析パイプライン」とは、データ分析の問題を解消する仕組み指します。「データ分析パイプライン」により、データ準備処理における「データの収集、変換・格納」といったプロセスをフロー化し、データ分析における「手作業」を減らし手間のかかるデータ準備処理を最大限に効率化します。

 POINT1:収集〜分析までのシームレスなフロー
 POINT2:手作業・工程毎の別ツールからの解放
 POINT3:データ準備〜分析の反復サイクルが加速

​データ分析パイプラインのフロー

反復(​分析軸、観点の見直し、etc)

分析

​格納

変換

​データ収集

「データ分析パイプライン」構築は、一度作ってしまえばOK、というものではありません。

(=目まぐるしく変わるビジネスニーズに沿った形で、継続的に反復して分析観点を見直せることが最も重要)

適切な「データ分析パイプライン」が反復を加速させ、本来の目的である「生きたデータ​の可視化/利活用」に注力できる

データ分析パイプラインの構成

以下、パイプライン基盤にGoogle Cloud Platform™️ をベースとした例になります。

SFA(営業支援システム)

ERP/基幹データ

​自社独自のデータ

変換

Data Proc

Data Flow

Data Prep

​収集

Cloud Data Fusion

Cloud Storage

iot-core

Iot Core

BigQuery Data Transfer Service

格納

BigQuery

BQ ML

構造、半構造、非構造データを、Google Cloud™️ 内の最適な領域に収集しておきます。

収集されたデータを、適切なレイアウトにデータ変換。収集〜変換までのプロセスを一つのGUIでコントロールできる「Cloud Data Fusion」など、ケースに応じたサービスを選定して組み合わせ可能です。

変換後のデータは、ビッグデータの扱いに最適な「BigQuery」に格納します。BQMLを利用して機械学習を組み込む事も可能です。

BigQueryはさまざまなBIツールと接続可能です。また、BigQueryのBIエンジンは、次世代BIプラットフォームである「Looker™️」との親和性が高く、即時性の高い分析が期待できます。

​分析

各種

BIツール

「Looker」の特徴は後述

上記はあくまで一例です。

弊社では構成や規模に関わらず、柔軟な提案・対応が可能ですので、

まずはお気軽にご相談ください。

​次世代BIプラットフォーム「 Looker 」の強み

Lokerは単なるBIツールにとどまらない、データドリブンな「プラットフォーム」。
Lookerはアナリスト向けというよりあらゆる従業員がデータを活用するためのツールであり、データとデータのオペレーションについての考え方が他と異なります。

Looker内にデータベースを持たない

Looker内部にデータを持たず直接データウェアハウスに接続するため、データを最新の状態で深掘り可能。データ管理側のコスト削減につながり、データの利用者と管理者の協奏(=DataOps)が加速する。

Looker上の言語「LookML」

Looker上言語である「LookML」は、SQLの良さを残しつつ、ビジネス要件にも柔軟に耐えられるような機能を利用出来るような独自の言語。LookMLを用いて低レベルの懸念を抽象化し、ユーザーは分析を行う事に集中出来るようになる。再利用可能でありGitでの管理も可能。

マルチクラウド データプラットフォーム

​接続先のデータウェアは限定されれず、あらゆるSaaSサービスとの接続が可能。(Amazon Redshift、Snowflake、Google BigQuery、Postgres、MySQL、AzureSQL、Oracle、DB2、SAP・・・)

組み込み型アナリティクス/連携

API連携でさまざまなアプリケーションにLookerを埋め込み可能。日常的に使うSalesforce、Slackなどのアプリケーション上でも閲覧が可能となり、わざわざダッシュボードを開いて・・・という手間を軽減可能。Slack以外も、Box,Dropbox、Google Driveなどにも連携可能。

「指標」と「分析品質」の統一

「LookML」にて全ての指標をLookerで定義&一元管理。これにより、組織の中で部門ごとに指標の定義が違うといった問題を回避でき、分析の「品質」が統一される。共通指標定義を行い、LookMLマニュフェストの中で継承させるという「オブジェクト指向」ライクな構成が可能。

閲覧状況・利用状況のトラッキングが可能

要望通りに作ってみたものの、実際は誰にも見られていないようなレポートの把握が可能。利用状況のトラッキングは、利用者とのギャップを埋めることに繋がる。