HCCJP teradata final_20190906
- 1. 1 コネクティッド時代のマルチビッグデータ 事業化に向けたクラウドサービス活用 クラウド事例紹介と提案 野村 正和 / シニアビジネスコンサルタント 2019年9月6日
- 4. 4 実績など About Me BitPrize （起業） 主要 トピックス 1994年 1998年 ■サービス運営（ヤフー検索、ヤフー地図、 ヤフー路線、ヤフー地域情報など） ■SNSプロモーション＋ライブイベント （AKB48サブユニット「ノースリーブス」） ■ヤフー検索プロモーションハブ ■全社POIデータベース ■クラウドBDセンターPJ（Biz Operation） ■車両ビッグデータ外販PJ ■EV/PHV充電インフラ普及PJ ■PHVオーナー向け充電サービスPJ ■「総務省政策評価システム」開発 OSSによる全文検索データベース （日本政府初の正式OSSプロダクト調達） ■「Lone Star Fund 世論対策サイト」開発 全国ゴルフ場を買い占め週刊誌で叩かれた 米国事業再生ファンド ■「民団公式サイト」リニューアル 韓国ベンチャー企業とのコラボ ■書籍執筆（MdN） 2005年 2012年 東 日 本 大 震 災 リ ー マ ン シ ョ ッ ク 米 国 同 時 多 発 テ ロ iPhone 発 売 (2001) (2008) (2011) 地 下 鉄 サ リ ン 事 件 (1995) ※国内名目GDP
- 5. 5 Agenda 1. DX 1. 目指すところと課題 2. 第３のプラットフォーム 3. ビッグデータ×ビッグデータ 4. 高付加価値を生み出すために 5. データ取り扱い上の課題 2. クラウド発展段階 1. 黎明期 2. クラウドサービスブローカー 3. 手の内化 4. 生まれいずる課題 3. 様々なパターンへの適合 1. クラウド事業者パターン 2. クラウドの６つのユースケース コネクティッド時代のマルチビッグデータ事業化 に向けたクラウドサービス活用 第一部 1. Deep Dive 1. Teradata Vantage 2. Eco-System Architecture 第二部
- 6. 6 テラデータのご紹介
- 7. 7 会 社 概 要 社 名： Teradata Corporation 本 社： 米国カリフォルニア州サンディエゴ 代 表 者 ： 社長 兼 CEO Oliver Ratzesberger 売 上 高 ： 21億6400万ドル(2018年） 時価総額： 約47億ドル 顧 客 数 ： 1,400社以上 事業展開： 75ヵ国以上 従業員数： 10,000人以上 パートナー：100社以上 社 名： 日本テラデータ株式会社 英文表記： Teradata Japan, Ltd. 本 社： 東京都港区赤坂2-23-1 アークヒルズ フロントタワー 代 表 者： 代表取締役社長 髙橋 倫二 設 立： 2007年（平成19年）4月20日 事業開始： 2007年（平成19年）9月1日 資 本 金： 4億9千万円 事 業 所： 東京（本社）、大阪、名古屋、福岡 クラウド・アナリティクス・ソフトウェアの リーディング・プロバイダー
- 10. 10 解 決 策 テラデータは 世界中の企業に答えを提供 大規模に いつでも どこでも
- 11. 11 解 決 策 Pervasive Data Intelligence パーベイシブ・データ・インテリジェンス お客様のアナリティクスを実現する際の課題である、複雑性、コスト、 リソース不足などを克服し、最も困難なビジネス課題に価値ある 「答え」を導き出す。 この世界こそがパーベイシブ・データ・インテリジェンス。 これがアナリティクスの新基準になる。
- 14. 14 SOFTWARE ソ フ ト ウ ェ ア TERADATA VANTAGE パーベイシブ・データ・インテリジェンスを実現する唯一のプラットフォーム CONSULTING & SERVICES コ ン サ ル テ ィ ン グ ＆ サ ー ビ ス ADVISE & ARCHITECT 提言 ＆ 戦略立案 DESIGN & IM PLEM ENT 設計 ＆ 実装 OPTIM IZE & M ANAGE 最適化 ＆ 運用管理 TERADATA CONSULTING DEPLOYMENT デ プ ロ イ 環 境 As-a-Service オンプレミス クラウド IntelliFlex IntelliBase コモディティ ハードウェア Teradata Cloud AWS Microsoft Azure テラデータのポートフォリオ オ フ ァ リ ン グ
- 18. 18 オ フ ァ リ ン グ すべてのデータを 分析可能に お好みのツール お好みの方法で すべての分析を 一つの環境で お好みのツール、 お好みの言語を使い アナリティクス環境を 容易に構築、利用 様々なデータタイプ、 フォーマット、 異種混合データストアを 柔軟にサポート Teradata Vantage 最高の分析機能と 分析エンジン群を 一つのプラットフォームに統合 大規模な分析にも対応
- 19. 19 オ フ ァ リ ン グ Teradata Vantage Future（将来像） QueryGrid 外部データストア アクセス QueryGrid 外部分析エンジン アクセス Vantage Data Store Machine Learning Engine Graph Engine High-SpeedFabric Native Object Store AWS S3 & Azure Blob Spark TensorFlow SQL Engine SAS Viya SQL WORKFLOW AppCenter APP FRAMEWORK NOTEBOOKS & IDEs ANALYTICS BI & VISUALIZATION 分析言語 分析ツール分析エンジンデータストレージ ※今後開発予定の機能も含まれておりますのでご注意ください。
- 20. 20 フレキシビリティ パフォーマンス On-Premises Teradata Database on VMWare Private Cloud Teradata Database on Managed Cloud Managed Cloud Teradata Database on AWS, Azure Public Cloud Teradata Database & Analytics Platform on IntelliFlex™ オ フ ァ リ ン グ Teradata Everywhere
- 21. 21 Teradata Infrastructure Teradata Cloud AWS & Azure Commodity Infrastructure 90%の企業が2020年までにはオンプレミスと クラウドの両環境にデプロイするように オ フ ァ リ ン グ Deploy Anywhere
- 22. 22 Vantage サブスクリプションベース ライセンスは 持ち運び可能 デプロイメントフレキシビリティ + ライセンスポータビリティ + アプリケーションポータビリティ Teradata Infrastructure Teradata Cloud AWS & Azure (BYOL) Commodity Infrastructure Pricing Freedom Move Anytime オ フ ァ リ ン グ
- 24. 24 パーベイシブ・データ・インテリジェンスを実現する業界最高レベルの製品、サービスを提供でき るのはテラデータだけ。ガートナーが業界のリーダー企業と認定し続けていることが証明している。 40年間の イノベーション 100社以上 テクノロジー パートナー 75ヵ国 事業展開 地域 5,000人以上 コンサルタント お 客 様 へ の コ ミ ッ ト メ ン ト
- 25. 25 お 客 様 へ の コ ミ ッ ト メ ン ト 独自技術の継続的な強化 業界初ライセンスポータビリティ Teradata Analytics Platform Teradata IntelliSphere AIサービス、AIアクセラレーター を発表 業界最速SWプロビジョニングStackIQを買収 Aster Data買収、 分析基盤強化 テラデータ設立 NCRから分社 NY証券取引所上場 NCRが買収 Claraview買収し、BIコン サル強化 TD on Public Cloud発表 アナリティクス・エコシステムの構築・強化 アナリティクスコンサルティング強化／クラウド強化 論理データ統合アーキテクチャ：Unified Data Architecture™ 発表 OSS強化のための買収 -Revelytix （データ管理） -Hadapt（SQL開発のパイオニア） -Think Big（ Big Dataコンサルティング） イノベーションの歴史 創立40周年 1979 1991 2007 2008 2011 2012 2014 2015 2016 2017 2018 2019 Teradata Vantage を発表 新ブランドを発表
- 26. 26 b お 客 様 へ の コ ミ ッ ト メ ン ト 米ガートナーのクリティカル・ケイパビリティ・レポート（2019年3月18日発行）にて、 アナリティクス向けデータマネジメント・ソリューションすべてのカテゴリーで最高評価を獲得 Critical Capabilities for Data Management Solutions for Analytics (Published 18 March 2019 - ID G00355667) : https://www.gartner.com/doc/reprints?id=1-6E4M950&ct=190319&st=sb アナリティクス向けデータ管理ソリューション・クリティカル・ケイパビリティ・レポート（Critical Capabilities for Data Management Solutions for Analytics）において、データウェアハウス・ユースケースの4カテゴリー、従来型、リアルタイム型、ロジカル型、コンテキスト独立型のすべてにおいて、 評価対象19社中1位を獲得しました。このレポートにおいてテラデータが最高評価を獲得したのは本年で6度目になります。
- 27. 27 お 客 様 へ の コ ミ ッ ト メ ン ト 米ガートナーのマジック・クアドラント "Data Management Solutions for Analytics" （2019年）でリーダーポジションを継続 *Gartner, Magic Quadrant for Data Management Solutions for Analytics, Adam M. Ronthal, Roxane Edjlali, Rick Greenwald, January 2019. Previous titles include Magic Quadrant for Data Warehouse Database Management Systems and Magic Quadrant for Data Warehouse and Data Management Solutions for Analytics. 実行能力 ビジョンの完成度
- 28. 28 1. DX 1. 目指すところと課題 2. 第３のプラットフォーム 3. ビッグデータ×ビッグデータ 4. 高付加価値を生み出すために 5. データ取り扱い上の課題 2. クラウド発展段階 1. 黎明期 2. クラウドサービスブローカー 3. 手の内化 4. 生まれいずる課題 3. 様々なパターンへの適合 1. クラウド事業者パターン 2. クラウドの６つのユースケース 第一部 1. Deep Dive 1. Teradata Vantage 2. Eco-System Architecture 第二部
- 31. 31 1-1. 目指すところと課題 1) 既存システムが足かせに（ブラックボックス／サイロ化） 2) 企業組織各層における課題（トップリーダーシップ、ビジネス 部門のオーナシップ） 3) ユーザー企業とベンダー企業の関係
- 32. 32 1-1. 目指すところと課題 1) スキルシフトの必要性 - 顧客接点を高度化するシステム領域（SoE = Systems of Engagement） 変化し続ける顧客ニーズや行動パターンに柔軟に対応するシステム ⇒ 要件が常に変化することが前提 - 従来からの企業内の業務システム領域（SoR = System of Records） 業務上の重要なデータ(record)の蓄積・管理を重視するシステム ⇒ 企業の業務データの管理 や処理手順を元に、最初に要件が厳密に決まる 2) ビジネスモデル転換の必要性 - 委託・受託体質からの脱却 - 手の内化
- 33. 33 1-2. 第３のプラットフォーム クラウド ビッグデータ/ アナリティクス ソーシャル技術 モビリティー クラウド、ビッグデータ/アナリティクス、ソーシャル技術、モビリティーの各領域に広がる 技術や知識領域の組み合わせによる価値創出が求められる。 顧客エクスペリエンスの変革 × × ×
- 35. 35 1-3. ビッグデータ×ビッグデータ ＜コマース領域＞ ・Yahooデータフォレスト構想 データの相互利活用によるエコシステムの実現（企業、自治体などの参画） ◇背景 ・社内のマルチビッグデータを活用した質拡張学習により「顧客一人当たりの単価を上昇」 ・検索や知恵袋の口コミデータから「子育てママ向けロングスカート」を開発 ・LOHACO EC マーケティングラボ ・LOHACOと140の参画企業による「オープンなビッグデータ活用」 LOHACOが用意したデータマートで分析することで、商品開発につなげた (1) 暮らしになじむデザイン (2) 異なるメーカーの異なる商品でデザインを統一 企業内の複数のビッグデータや、他社のビッグデータとを組み合わせて分析することで新たな 知見を発見し、これまでにない付加価値を生み出そうとする取り組みが始まっている。
- 42. 42 1-5. データ取り扱い上の課題 オーナー 対象データ 課題 顧客 位置、運転、車両状態 テレマティクスなどのサービスに加入時に、デー タ収集の契約を結んだ顧客を除きデータ取得不可 車両オーナーとドライバーは違う点注意が必要 パートナー サプライヤ 部品製造 データの取得に関 して契約関係にあ るデータ以外は不 可 Tierの下位にある企業のデー タまでは把握できていない 販社/ディーラ 顧客、販売、サービス マルチブランドのディーラー など資本関係が薄い場合、契 約自体が難しい 整備 整備/修理履歴 零細企業が多く、データの電 子化自体がされていないこと がある 運送 部品/車両搬送 保険 顧客、事故 個人情報が含まれるため、顧 客を含んだ合意が必要 データオーナーシップ問題：データは誰の持ち物か？
- 43. 43 1-5. データ取り扱い上の課題 過去の炎上事案： ・JR東日本Suica に関するデータの社外への提供炎上（2013年6月） 最近の炎上事案： ・ヤフースコア（2019年6月） ⇒勝手に換金されている、不利益な情報が流通する等の風評 ・リクナビDMPフォロー（内定辞退確率データ） （2019年8月） ⇒個人情報保護委員会による勧告、指導
- 44. 44 1. DX 1. 目指すところと課題 2. 第３のプラットフォーム 3. ビッグデータ×ビッグデータ 4. 高付加価値を生み出すために 5. データ取り扱い上の課題 2. クラウド発展段階 1. 黎明期 2. クラウドサービスブローカー 3. 手の内化 4. 生まれいずる課題 3. 様々なパターンへの適合 1. クラウド事業者パターン 2. クラウドの６つのユースケース 第一部 1. Deep Dive 1. Teradata Vantage 2. Eco-System Architecture 第二部
- 45. 45 2. クラウド発展段階
- 49. 49 A B C D E 規模 〇 〇 〇 × × Java PaaS × × × 〇 × RDB PaaS × × 〇 〇 × パブリック 〇 〇 〇 × 〇 2-1. 黎明期 （トヨタ自動車の事例） 2010年にオフィシャルサイトのクラウド化検討を開始。その時点では、全ての条件を満たす サービスは存在しなかった。また、コスト削減、自前主義の脱却を目的としていた。 ◇主要クラウドサービス比較 ◇コスト削減効果（最終評価） オンプレミス AWS（PoC） AWS（実績見込み） 出典：AWS Summit Tokyo 2013「トヨタ公式サイトの移行事例紹介」より ランニング費用 イニシャル費用 ランニング費用 イニシャル費用 ランニング費用 イニシャル費用 ▲50.9% ▲64.3% JavaとRDBがネック
- 51. 51 2-2. クラウドサービスブローカー クラウドサービスブローカーはAggregation、Integration、Customizationの役割を果たす。 Aggregation Integration Customization 多数のクラウドサービスを集約 しワンストップで利用させる 複数クラウドサービスを統合 したサービスを提供 様々な顧客要望に合わせて サービスをカスタマイズ提供
- 54. 54 1. DX 1. 目指すところと課題 2. 第３のプラットフォーム 3. ビッグデータ×ビッグデータ 4. 高付加価値を生み出すために 5. データ取り扱い上の課題 2. クラウド発展段階 1. 黎明期 2. クラウドサービスブローカー 3. 手の内化 4. 生まれいずる課題 3. 様々なパターンへの適合 1. クラウド事業者パターン 2. クラウドの６つのユースケース 第一部 1. Deep Dive 1. Teradata Vantage 2. Eco-System Architecture 第二部
- 58. 58 Thank you. ©2019 Teradata Thank you. ©2019 Teradata For more information, please visit www.teradata.com/cloud
- 59. 59 第2部：Deep Dive Teradata Vantage Eco-System Architecture 日本テラデータ株式会社 2019年9月6日
- 60. 60 Teradata Vantage - 将来像 QueryGrid 外部データ・ ストアへのアクセス NewSQL R Java NewSQL データ ストア 高速ファブリック ストレージ エンジン 言語 Tensor -Flow QueryGrid 外部分析 エンジンへのアクセス ツール BIおよび 視覚化 IBM Cognos MicroStrategy Oracle Power BI Qlik Tableau TIBCO Spotfire アナリティクス Dataiku TensorFlow SAS ノートブック およびIDE RStudio Jupyter Studio Knime アプリ・ フレームワーク AppCenter ネイティブ オブジェクト ストア AWS S3 & Azure Blob Spark SAS Viya Python SAS Scala マシン ラーニング グラフ 音声/動画 ERP SCM CRM マシンログ テキスト センサー Web/ ソーシャル データソース JSON, BSON, AVRO, CSV, XML, PDF, Voice, Video, and Images
- 63. 63 インフォテイメント DSRC safety Clouds & Data Centers ネットワーク & ゲートウェイ Ｗｅｂ サービス 3G/4G Wifi 販売店 ～ 断続的な接続 ～ (Dedicated Short Range Communications) 専用の近距離通信 コネクテッド・カーのネットワーク
- 64. 64 3G/4G (5G) 適宜（リアルタイム性なし）スマートデバイス 通知、情報提供 コネクティッド・カー データ統合/拡充 分析 サービス 準リアルタイム データ採取 リアル タイム バッチ データ取得/操作 コネクテッド・カーのアーキテクチャ（ハイレベル） マーケティング ビジネス インテリジェンス データ マイニング 統計・ 数理計算 言語処理 アプリケーション スクラッチ データ 収集 データ 統合・拡充・蓄積 データ 分析 各種 サービス への連携 データ 生成 様々なニアリアルサービス（監視・管理・通知・情報提供） 管理（車両‐環境‐所有者‐運用）
- 65. 65 3G/4G (5G) 適宜（リアルタイム性なし）スマートデバイス 通知、情報提供 コネクティッド・カー データ統合/拡充 分析 サービス 準リアルタイム データ採取 リアル タイム バッチ データ取得/操作 コネクテッド・カーのアーキテクチャ上でよく目にする課題 マーケティング ビジネス インテリジェンス データ マイニング 統計・ 数理計算 言語処理 アプリケーション スクラッチ データ 収集 データ 統合・拡充・蓄積 データ 分析 各種 サービス への連携 データ 生成 様々なニアリアルサービス（監視・管理・通知・情報提供） 管理（車両‐環境‐所有者‐運用） マルチテナント対応 ワンソースマルチユース データセキュリティ 個人情報管理 トレーサビリティ 全ヒストリーデータの分析レディ化 分析による データ生成 ツール化 データ アグリ ゲータ ベンダー／クラウド ロック・イン システムリソースの最適化、データ移送の最小化、監視負荷
- 66. 66 3G/4G (5G) 監視と管理 適宜（リアルタイム性なし）スマートデバイス 通知、情報提供 警告/通知 サービス 位置情報 利用サービス 交通量監視 サービス 分析/発見 レポーティング E-コマース ダッシュボード コネクティッドビークル イベントデータ の記録 オンボード診断 位置情報 外界情報 生体情報 行動情報 サービス契約情報 車輌 – X 間 通信 インフォテインメント の利用 データ統合/拡充 統合データ ウェアハウス アプリケーション データマート 機械学習 （分析エンジン） オープンソース HDFS/NOSQL/SQL HLQL (Hive,Pig) 分析 モニター / 制御系 分析 製品設計/テスト/ エンジニアリング グラフ/影響/ ネットワーク分析 テキスト/深層学習 分析 サービス セルフサービス 従量サービス テレマティクス活用型 アプリ/サービス 走行支援 （ナビゲーション） リモートサービス （鍵/ホーン他） 車輌状態管理と メインテナンス 品質保証分析 予兆検知 （車輌故障） CRM 準リアルタイム データ採取 リアル タイム バッチ データ取得/操作 ルールエンジン ストリーミング 参照データ データ統合 ｽﾄﾘｰﾐﾝｸﾞ処理 警告フィルタ 運用ルール 車輌 – 環境 – 所有者 – 運用データ マスタデータ 管理 リファレンス 管理 デバイス管理 資産管理 コネクテッド・カー ～ リファレンス・アーキテクチャ v4.0 ～ マーケティング ビジネス インテリジェンス データ マイニング 統計・ 数理計算 言語処理 アプリケーション スクラッチ 仮想クエリー 前ページの課題は商用の製品/サービスや 様々なオープンソースを組み合わせて 解決されてきているが、 オンプレミスでもクラウドでも全く同じS/W構成 で動くレベルには未だ至っていない
- 67. 67 3G/4G (5G) 監視と管理 適宜（リアルタイム性なし）スマートデバイス 通知、情報提供 警告/通知 サービス 位置情報 利用サービス 交通量監視 サービス 分析/発見 レポーティング E-コマース ダッシュボード コネクティッドビークル イベントデータ の記録 オンボード診断 位置情報 外界情報 生体情報 行動情報 サービス契約情報 車輌 – X 間 通信 インフォテインメント の利用 データ統合/拡充 分析 サービス セルフサービス 従量サービス テレマティクス活用型 アプリ/サービス 走行支援 （ナビゲーション） リモートサービス （鍵/ホーン他） 車輌状態管理と メインテナンス 品質保証分析 予兆検知 （車輌故障） CRM 準リアルタイム データ採取 リアル タイム バッチ データ取得/操作 車輌 – 環境 – 所有者 – 運用データ マスタデータ 管理 リファレンス 管理 デバイス管理 資産管理 コネクテッド・カー ～ Vantageを使った新リファレンス・アーキテクチャ ～ マーケティング ビジネス インテリジェンス データ マイニング 統計・ 数理計算 言語処理 アプリケーション スクラッチ Vantage Data Store Machine Learning Engine Graph Engine High-SpeedFabric Native Object Store AWS S3 & Azure Blob Spark TensorFlow New SQL Engine SAS Viya モニター / 制御 系 分析 製品設計/テスト / エンジニアリン グ グラフ/影響/ ネットワーク分 析 テキスト/深層学 習 分析 AppCenter （ｱﾌﾟﾘｹｰｼｮﾝのﾌﾚｰﾑﾜｰｸ） Teradata Listener REST, MQTT streams マルチテナント対応 ワンソースマルチユース データセキュリティ 個人情報管理 トレーサビリティ 全ヒストリーデータの分析レディ化 分析による データ生成 ツール化 データ アグリ ゲータ システムリソースの最適化、データ移送の最小化、監視負荷 Vantageの導入は上記課題の解決を促進します
- 68. 68 3G/4G (5G) 監視と管理 適宜（リアルタイム性なし）スマートデバイス 通知、情報提供 警告/通知 サービス 位置情報 利用サービス 交通量監視 サービス 分析/発見 レポーティング E-コマース ダッシュボード コネクティッドビークル イベントデータ の記録 オンボード診断 位置情報 外界情報 生体情報 行動情報 サービス契約情報 車輌 – X 間 通信 インフォテインメント の利用 データ統合/拡充 分析 サービス セルフサービス 従量サービス テレマティクス活用型 アプリ/サービス 走行支援 （ナビゲーション） リモートサービス （鍵/ホーン他） 車輌状態管理と メインテナンス 品質保証分析 予兆検知 （車輌故障） CRM 準リアルタイム データ採取 リアル タイム バッチ データ取得/操作 車輌 – 環境 – 所有者 – 運用データ マスタデータ 管理 リファレンス 管理 デバイス管理 資産管理 コネクテッド・カー ～ Vantageを使った新リファレンス・アーキテクチャ ～ マーケティング ビジネス インテリジェンス データ マイニング 統計・ 数理計算 言語処理 アプリケーション スクラッチ Vantage Data Store Machine Learning Engine Graph Engine High-SpeedFabric Native Object Store AWS S3 & Azure Blob Spark TensorFlow New SQL Engine SAS Viya モニター / 制御系 分析 製品設計/テスト/ エンジニアリング グラフ/影響/ ネットワーク分析 テキスト/深層学習 分析 AppCenter （ｱﾌﾟﾘｹｰｼｮﾝのﾌﾚｰﾑﾜｰｸ） Teradata Listener REST, MQTT streams Everywhere Vantageはオンプレミス、パブリック・クラウド、vmwareのいずれの環境でも稼働します
- 69. 69 Thank you. ©2019 Teradata Thank you. ©2019 Teradata