TechTargetジャパン
データ分析
ビッグデータ
事例
やっと分かった　ビッグデータアナリティクスでHadoopを使う理由

【連載】IT部門のためのアナリティクス入門　第2回

やっと分かった　ビッグデータアナリティクスでHadoopを使う理由（1/3 ページ）

ビッグデータアナリティクスのビジネス活用において、IT部門が果たす役割とは何か。アナリティクスの本質と必要なツールについて、分かりやすく解説します。

公開 2016年06月30日 09時03分

更新 2017年05月10日 16時19分

著者

小林泉

大島玲子

[SAS Institute Japan]

印刷する連載新着通知を受け取る Googleで優先するソースとして追加

前回のあらすじ

仙人の導きによりアナリティクスの本質を理解した、燃える情報システム部門員の私。「データ分析をしたい」というユーザー部門に対し、BI（ビジネスインテリジェンス）などの見える化分析とアナリティクスの違いを説明し、アナリティクス実現に向けて大きく前進しました。一方でユーザー部門では、あのデータも使おう、こんなデータも入手できるはずだと大盛り上がり。そのデータ量と格納場所がだんだん心配になってきている今日この頃なのでした。

　あれ、仙人。何で今日は象に乗っているんですか？

　まぁ、いいや。私、忙しいんですよ。今から例のアナリティクス用のデータベース構築のため、ユーザー部門に、どんなデータをどんなデータ項目でどういう風に集計して欲しいのか聞いてきまーす！

　こら、こら、こらー！

　おぬし、アナリティクスの効果を最大化するための「データマネジメント」が全く分かっておらんのではないか!?

2016年上半期「データ分析」記事ランキング（2016年1月1日～2016年6月20日）

1位　“Excelの兄”ともいえる分析ツール「Power BI」の成長が止まらない

2位　実践で分かった、“脱Excel”でどれだけ仕事のスピードは上がるのか？

3位　期待のIoT（モノのインターネット）が思ったほど急速に普及しない理由

4位　データ分析を選手育成に活用するラグビーフットボールリーグ

5位　「Hadoop」から「Spark」へ、移り変わるビッグデータ分析の注目技術

アナリティクスのためのデータベース構築

　え？　アナリティクスの効果を最大化するには、今までのRDBMS（リレーショナルデータベース管理システム）じゃ駄目なんですか？

　当然じゃ。ちなみにおぬし、今まで、どうやってユーザー部門にデータベース環境を提供していたんじゃ？

　どうって、普通ですよ。まず、ユーザー部門の皆さんが何を分析したいのかを細かく聞き込んだ上で、必要なデータがどこにどんな形で保管されているのかを確認したり、分析に使うデータの項目や形式などを定義したりして設計作業を進めていきます。

　でもまぁ、本当に使える状況に持っていくには、何度もユーザー部門とやりとりが必要なんですよね。最初は「先月の地域別、チャネル別の売り上げがどうなっているかを知りたいだけです」とか言ってたのに、確認していくうちに「やっぱり製品別でも見たい」「四半期でサマリーできなきゃ使えないでしょ」とか気軽にいろいろ言ってくるんですよ。

　あちらはシステムのことがよく分かっていないし、こっちは業務のことがよく分からないから手探りで進める感じです。下手すると要件定義だけで2～3週間かかっちゃうこともあります。

　うむ。ユーザー部門の「問い」を細かく聞き込んだ上で、IT部門が「問いへの答え」のためのインフラとデータを準備していくプロセスじゃな。こうしたやり方は、現状を把握するための分析、つまり前回「データ分析がビジネス課題の解決に生かせていない本当の理由」で説明した「リアクティブな意思決定」のためのBIなどを実行するには適した方法じゃ。

　じゃが、今回ユーザー部門が実現したいと思っているのは「アナリティクス」、つまり新たな洞察の発見や予測モデルを作成し、よりよい意思決定やアクションを実践したいと思っているんじゃろ？

　いくらビッグデータを活用しようとしても、事前に分析する軸やデータ項目を限定して準備するデータを制限する必要があるというのでは、アナリティクスの幅がぐっと制限されてしまう。そのくらいのことは、おぬしでもイメージできるはずじゃ。アナリティクスにおいては、むしろその逆のプロセスが必要になる。

　ぎゃ、逆？　どういうことですか？

次ページへ従来型データウェアハウスの限界

印刷する

IT部門のためのアナリティクス入門

連載新着通知を受け取る

この連載の記事をもっと見る

この記事の著者

小林泉

SAS Institute Japan株式会社でビッグデータ・アナリティクスのプロジェクト経験を踏まえ、Hadoopソリューションなどの新製品展開の担当を経て、現在は事業企画を担当。最近、仙人になろうと掃除機をインターネットに接続してみたりしている。

大島玲子

SAS Institute Japan株式会社でB2Bマーケティングのキャンペーン企画／管理を担当。愛犬と一緒に、サッカー観戦をするのがお気に入りの時間。最近、IT部門に興味津々。

やっと分かった　ビッグデータアナリティクスでHadoopを使う理由（1/3 ページ）

前回のあらすじ

2016年上半期「データ分析」記事ランキング（2016年1月1日～2016年6月20日）

アナリティクスのためのデータベース構築

IT部門のためのアナリティクス入門

この記事の著者

関連記事

新着ホワイトペーパー PR

瞬時にM365が乗っ取られる――全社員に周知すべき“新フィッシング”の教訓

やっと分かった ビッグデータアナリティクスでHadoopを使う理由（1/3 ページ）

前回のあらすじ

2016年上半期「データ分析」記事ランキング（2016年1月1日～2016年6月20日）

アナリティクスのためのデータベース構築

IT部門のためのアナリティクス入門

この記事の著者

関連記事

“Excelの兄”ともいえる分析ツール「Power BI」の成長が止まらない

実践で分かった、“脱Excel”でどれだけ仕事のスピードは上がるのか？

期待のIoT（モノのインターネット）が思ったほど急速に普及しない理由

データ分析を選手育成に活用するラグビーフットボールリーグ

「Hadoop」から「Spark」へ、移り変わるビッグデータ分析の注目技術

新着ホワイトペーパー PR

瞬時にM365が乗っ取られる――全社員に周知すべき“新フィッシング”の教訓

やっと分かった　ビッグデータアナリティクスでHadoopを使う理由（1/3 ページ）