ビジネスでのデータ活用
皆さんは日々のビジネスの中で、データをうまく活用できていますか？ データ・ドリブンといった言葉もよく聞かれますが、一口に「データ」と言っても何から始めたらよいのか。そもそも、データを活用する意義はどこにあるのか。 そんな悩めるビジネスパーソンのために、Tableau Japan 株式会社の福島隆文氏に、昨今のデータに関する世の中の潮流と効果的なデータ活用の実現ステップについてお話しいただきます。
会員限定
- 体系的に学ぶ
- テクノベート (テクノロジーとイノベーション)
- データ分析を支える技術「データ分析基盤」を知ろう
すべての動画をフルで見よう！
初回登録なら7日間無料！ いつでも解約OK
いますぐ無料体験へ
このコースについて
分かりそうで分からない「データ分析基盤」とは何か、導入の目的やデータを管理・蓄積する構成などを解説します。
コンサルティングの現場でよく尋ねられる質問をメインに説明するので、ぜひご覧ください。
※2021年10月撮影
より深く学びたい方は、技術ブログ「DevelopersIO」https://dev.classmethod.jp/ をご覧ください。
動画提供： クラスメソッド株式会社 https://classmethod.jp/
■出演者プロフィール
石川 覚
クラスメソッド株式会社 データアナリティクス事業本部
データインテグレーション部
コンサルティングチーム所属
（2021年10月撮影当時）
コース内容
- データ分析基盤入門
- 分析基盤の構成要素
- 分析基盤のデータ処理／分析基盤のデータ管理
- 分析基盤の今後
- まとめ
より理解を深め、他のユーザーとつながりましょう。
27人の振り返り
chanyumi
IT・WEB・エンジニア
DWH
└データウェアハウス。膨大な量のデータを分析しやすく検索できるように蓄積したデータベース
構造化データ・半構造化データの処理に適している
Amazon redshiftとかGoogle BigQuery
構造化データ：エクセルやCSVのように行、列のあるデータ
半構造化データ：Jsomとかxmlのようなデータの中のピンポイントの情報を文章で書き表したもの
Data Lake
└あらゆる規模の構造化データおよび非構造化データを管理、検索、共有分析できる一元化された安全なリポジトリ
データをそのもままの形で蓄積する
機械学習の場合はそのままのデータが向いていることが多いので機械学習の場面で使われることが多い
非構造化データ：メール、写真、契約書、音楽などなどのデータベース化できないようなデータ
リポジトリ：ファイル、設定情報、プログラムなどの何らかの保管場所のこと
Lake House
└DWHとData Lakeの両方の特徴を持ち合わせた新しいアーキテクチャ（＝構造、構成）
データ分析が担う範囲
・狭義のデータ分析基盤はDWHとETLツール（抽出、変換・加工、格納の仕組み）とBIツールだが、現在はData Lakeを含むのが一般的
・分析データの用途はすでにBIツールから機械学習に拡大している
・ほしいデータの所在や仕様の管理はデータカタログで一元管理
・ソースデータからデータマートまでのデータソースのトレースにはデータリネージが用いられる
データマート：データウェアハウスが企業内の情報を網羅的に管理・格納したデータベースであるのに対し、データマートは、企業内に蓄積されたデータから目的に応じて一部のデータだけを抽出し、利用に適した形に加工して格納したデータベース
データリネージ：
いつ、どこで、どのように取得されたデータなのか
どのようなETLを経たデータなのか
どのような分析にかけられるデータなのか
これらの情報を明確にし、データが取得されてからETLを経て分析にかけられるまでの流れ（これをデータパイプラインといいます）を適切に管理するという考え方です。
またこのようにデータについてのデータを特にメタデータといい、データリネージのようなメタデータを活用したデータマネジメントが近年注目されつつあります。
同様の考え方に食のトレーサビリテ
e-s-y
その他
データを活用する側であるが、現在は必要なデータを抽出するのに時間が掛かる。
何故、時間が掛かるのか少し理解できた。
仕組みを理解し改善を考えたい。
st90570
販売・サービス・事務
データ分析基盤の概要は理解出来たが、アーキテクチャなどの専門用語など難しい点が多かった。
reverend
その他
専門用語も仕組みもとても難しかったです。
引き続き学習に努めます。
koba_y
販売・サービス・事務
思っていた内容と違っていました。内容難しいく理解しきれませんでした。
t_yamags
メーカー技術・研究・開発
ほぼ、用語解説に終始していると思います。
もうちょっと使い方とか、実践的なものと期待していました。
1985hiro
メーカー技術・研究・開発
データ分析基盤おそるべし
70sp1208
その他
データ分析には様々な方式があることを知った。内容としては、初めて聞く用語が多く少々馴染みが薄かったが、復習して徐々に馴染みがあるものにしていきたい。
scott3
メーカー技術・研究・開発
データの形式が色々あるのでそれをまとめて同じ形式にする必要がある。
その後に分析を行い。
データーベースシスシテムを管理運用する人が必要なのだと感じた。
black0saku
IT・WEB・エンジニア
データ分析基盤がどのようなものか 学ぶことができました。これから導入する新しい統合データベースシステムの利活用についてどのような観点でインフラの側面から考えれば良いか 学ぶことができました。
oshima1001
マーケティング
現状の業務と離れていた
junkobasama
人事・労務・法務
データ分析基盤の仕組みがわかりました。参考になりました。
kakimoto_
IT・WEB・エンジニア
専門用語が難しかったので、わからなかった部分を学習し直します。
fkzm
その他
データの活用について主要なキーワード、仕組みについて理解できた。
日常の業務で手にするデータから新たな洞察を導く仕組みを考えていきたい。
shomachika
経営・経営企画
データガバナンスの実現は現実的に難しいと思いました
h_kouno
販売・サービス・事務
用語など難しくはあったのですが、データ統合、データ連携、サーバーのクラウド移行などに必須と思われる内容でしたのでしっかり復習したいと思います。
ic434
メーカー技術・研究・開発
専任担当者向けの内容でした。管理プラットフォームの詳細説明というより、現場データの特徴・属性に応じたプラットフォームを選択するための基礎知識を期待していました。
yougamyouga
営業
専門用語が難しかったので、わからなかった部分を学習し直します。
rmlab
コンサルタント
いま社内でCDPの構築が必要と提案しているが、データ分析基盤の必要性に考えをアップデートする必要があると感じた。
CDPは顧客を分析して意思決定やマーケティングに効果を発揮することが期待でき、これからの経営に必須だと思っている。
これからの経営にはデータ分析基盤が必要であり、必要性を社内に浸透させることや、データ分析基盤の整理や開発、実際の運用には、データガバナンスなどの仕組みや枠組みと、社員の考え方や理解などマインドの部分あり、まずマインドから理解、浸透、醸成が必要であると認識し、自社の課題はこのマインド部分だと思った。（マインド部分について講義ではまったく話されてないですが、このような講義を受講することで、いま現在の自分自身の思考や考え、行動にヒントをえることができるので助かります）
sibakazu
営業
難しい
慣れない用語から学んで行きたい
fujitar_06
IT・WEB・エンジニア
データ分析基盤について参考になりました。
sunrize
マーケティング
システムユーザー向けではなくシステム構築担当者の教育用の内容と感じました。
aaa321_
IT・WEB・エンジニア
何回も視聴することでデータ分析学びの基盤にしたい
sbsconts
コンサルタント
IT分野に疎いため、各種用語等の概念不足から内容把握が難しい状況でした。いろいろとわからないことが把握できましたので、IT分野の様々なことに触れ知見を高めていく必要性を感じました。
kaz--
メーカー技術・研究・開発
データベース化、解析処理に活用したいと思う。かなり専門用語が多く難しく感じた。
yasu--ta
メーカー技術・研究・開発
データベース化、解析処理に活用したいと思うが、なかなか習得に時間が掛かりそうかと。
コツコツやってみるか。
nekonyan
IT・WEB・エンジニア
データレイク、サイロ化、他、データを分析する基盤のキーワードを学ぶことができた。データレイクは、構造化データや非構造化データをそのままの形式で格納することを目的としている。data lake(情報の湖）ということなのですね。勉強になりました。