最新記事一覧
特定の担当者にしか触れないETLツールを複数抱え、運用がブラックボックス化していた物流大手の鴻池運輸。属人化のわなから、どう脱出したのか。自動化実現の裏側に迫る。
()
Oracleは自社のクラウドコンピューティングサービスであるOCIへの移行を推進してきたが、AWS社との提携を発表し、「AWSでOracleデータベースを稼働させる」サービスを打ち出した。その狙いとは。
()
センサーやアプリケーションから届く大量のデータをすぐに処理して活用したい――。それに応えるのが「ストリーム処理」だ。ストリーム処理の歴史を踏まえ、現状はどのような実装方法があるのかを解説する。
()
クラウドや分散システムの普及により、システム運用はますます複雑化している。「AIOps」でAI技術を活用することで、運用の効率と精度を飛躍的に高めることが可能になる。AIOps導入のステップやこつを解説する。
()
AI技術を取り入れたデータ分析ツールの需要が広がっている中、Databricksは高度な専門スキルがなくても分析ツールを作るための新製品を投入した。どのようなものなのか。
()
InformaticaがエージェンティックAIへの本格的な取り組みを発表した直後に、Salesforceによる買収が発表された。買収直前に開催されたInformatica World 2025の内容から、その戦略的意図を読み解く。
()
2025年、「AIエージェント」の時代が本格的に到来する。企業が競争力を維持するためには、AIエージェントの導入と活用に向けた適切な準備が不可欠だ。具体的にどう備えるべきなのか。
()
AWSのアプリケーション開発キットに欠陥が見つかり、侵入のリスクがあるとセキュリティベンダーAqua Securityは警鐘を鳴らす。同社が発見したAWSの欠陥を整理しよう。
()
クラウドサービス「Amazon Web Services」（AWS）の複数のツールに脆弱性が見つかった。これが悪用されれば、AWSアカウントへの侵入を許す可能性があるとしてセキュリティ専門家は警鐘を鳴らしている。
()
「DPU」（Data Processing Unit）のニーズが高まる中で、さまざまなベンダーがDPU市場に参入した。自社に最適なDPUを選ぶ際に知っておきたい、注目のDPUベンダーとは。
()
Microsoftは2023年11月、データ管理やデータ分析など一連のツールを備える「Microsoft Fabric」を発表した。その具体的な機能と、企業にとってのメリットを紹介する。
()
企業内の各部門がSaaSを勝手に導入することが、企業のITシステムのサイロ化を引き起こしている。SaaSベンダーが開発する連携機能は、サイロ化の解消にどう役立つのか。連携の具体的な方法とは。
()
既存のExcelデータを生かせるBIツールを導入した日立製作所の事例や、パナソニックの国内外拠点における「Looker Studio」活用事例など、データ分析の主要なニュースを紹介する。
()
Qlikが新たに発表したeiPaaS（エンタープライズ統合プラットフォームサービス）「Qlik Cloud Data Integration」は、データ活用の準備に必要な機能が充実している。その具体的な中身とは。
()
「AWS Glue」と「Azure Data Factory」はよく似たクラウドETLだが、重要な違いがある。自社の要件にどちらが適しているのか。料金体系やデータコネクターの種類から比較する。
()
AWSの「AWS Glue」やMicrosoftの「Azure Data Factory」といったクラウドETLは、データパイプラインの構築を支援する。両者の基本的な利用方法を説明する。
()
AWSの「AWS Glue」やMicrosoftの「Azure Data Factory」などのクラウドETLを利用することで、ユーザー企業は各システムのデータ連携の仕組みを容易に整備できる。各サービスの機能を説明する。
()
企業のデータ分析を支援する「データマネジメント」ツールには、さまざまな選択肢がある。データマネジメントの主要なベンダーと製品をまとめた。
()
AI技術を活用したデータ分析「拡張分析」は、企業のデータ活用をどのように支援するのか。拡張分析が担う役割、利用に際して必要なデータ、実際の使用例を解説する。
()
ビッグデータ分析システム「IDAP」を運用するNTTドコモは、システムのインフラに「AWS」を利用していたが、新たにGoogleの「BigQuery」を採用した。BigQueryを採用して得られた効果と、AWSとGCPを併用する理由とは。
()
データ活用の目的を明確にすれば、どのようなデータを収集すればいいのかも見えてくる。ただし問題はそれだけではない。ビッグデータの活用に当たっては、企業はどのような課題を乗り越える必要があるのか。
()
ストリーム処理のために、AWSは「Amazon Kinesis」と「Amazon Managed Streaming for Apache Kafka」（Amazon MSK）という2種類のサービスを用意している。両者の違いとは。
()
MySQLとMySQL Analytics Engineを統合し、単一プラットフォームでOLTPとOLAPのワークロードを実行できるサービスが登場した。DWHを使わずにデータの分析が可能になるという。
()
Vyaire Medicalは新型コロナウイルス感染症拡大を機に人工呼吸器の大幅増産を決めた。部品の安定調達や生産時の不良率低減といった課題を解決するために、同社が活用したのがAWSで構築したデータ分析システムだ。
()
各クラウドベンダーは、複数のSaaS間でデータを送受信するためのSaaS連携ツールを提供している。その中からAWSの「Amazon AppFlow」「Amazon EventBridge」を説明する。
()
Next Pathwayは新たなツール「Crawler360」を発表した。「Netezza」「Teradata」などのオンプレミスのDWHやデータレイクからクラウドサービスへ移行する際の影響やコストなどを把握しやすくする。
()
AWSは、新たなデータクレンジング／ETLツール「AWS Glue DataBrew」を発表した。コードを記述することなく、データ分析の準備を整えることができる。
()
クラウドサービスは在宅勤務などのテレワークに適した手段だ。クラウドサービス初心者の企業がテレワーク推進のためにクラウドサービスを導入する際のヒントを紹介する。
()
IT技術者はデータベースに関連する多くの要素に悩まされてきた。これらはDBaaSによって解決するという。DBaaSは本当に有用なのだろうか。
()
今やほぼ全ての事業活動がデータ活用に関係があるといっても過言ではない中、多様なデータをどう統合し、意思決定につなげるかが課題となっている。いま企業がすべきことを、データ統合ツールベンダーのPreciselyの取り組みから探る。
()
Oracleがさかんにアピールする自律型データベースにより、多くの管理タスクが自動化される。それはデータベース管理者の失業を意味するのか。それともデータベース管理者の進化の始まりなのか。
()
BIベンダー各社は昨今、「拡張分析」に注力している。拡張分析がもたらす恩恵の中から今回はデータ準備とNLPベースのクエリについて紹介する。
()
名古屋大学医学部附属病院が研究データ基盤をパブリッククラウドに移行する際、データ保護制度やガイドライン順守は大きなハードルだった。解決策として「Amazon Web Services」（AWS）の採用に至った理由は。
()
Googleが提供しているビッグデータ分析サービスは多彩だ。中には「Google検索」「Googleアナリティクス」などの裏側で稼働するシステムを基にしたサービスもある。5つの主要サービスをピックアップして説明する。
()
Googleは「Google Cloud Platform」（GCP）のサービスとして、ビッグデータ分析サービスを提供している。主要な10種類のうち、「BigQuery」を含む5種類を紹介する。
()
Microsoftは「SQL Server 2016」と「SQL Server 2017」をリリースした直後から、既に「SQL Server 2019」を発売する準備をしていた。そのため、同社は驚くほど多くの新機能を短期間で追加している。
()
Googleの「BigQuery」やAWSの「Redshift」などの「クラウドDWH」が充実しつつある。クラウドDWHには、オンプレミスのDWHと比べてどのような特徴があるのだろうか。
()
セルフサービスBIは、自然に成功するわけではない。企業はデータの品質を確保し、アナリストの仕事の仕方に目を光らせる必要がある。セルフサービス文化を実現するために何をし、何を避けるべきなのか。
()
多くの企業が悩む「データ統合」という課題。データを知見に変え、ビジネスの成果につなげるためにまず取り組むべきこととは何だろうか。
()
機械学習を企業に導入する流れをCIOはどのようにサポートできるだろうか。恐らくはデータレイクの構築から始めることになるだろう。
()
人工知能（AI）インフラ市場はまだ歴史が浅く、各社さまざまなツールを市場投入している。クラウドサービスも、パワフルで高価なハードウェアもある。Amazon、Baidu、Clouderaなど、主要な18社を紹介する。
()
データドリブンな意思決定を志向する企業が増えつつあるが、たくさんのデータを持っていればビジネスに有利といえば、必ずしもそうではないようだ。
()
クラウドベンダー各社は、データ分析に特化したクラウドサービス提供に注力している。こうしたクラウドサービスやOSSツールを活用したビッグデータ分析の基本的な流れを紹介する。
()
主要な商用データベースは高過ぎる。でも安いだけのデータベースにも不安がある。そんな企業に知ってほしい、コストと機能のバランスが取れたデータベースが登場した。
()
真のデータドリブン経営の実現には、レガシーシステムを含めたデータ統合が必要になる。だが品質を確保するには従来のETLツールでは限界がある。どうするか。
()
新車販売の予測分析サービスを立ち上げた日産東京販売ホールディングス。しかしスタート時、現場はベテランの勘を重視し、懐疑的だった。同社はどのように壁を乗り越え、成果を積み重ねることができたのだろうか。
()
第3次人工知能（AI）ブームが到来し、再びAIが注目を浴びている。そして、AIとビッグデータにより、新しいトレンドが生まれつつある。
()
「Amazon Web Services」（AWS）のHadoopサービスとして特に魅力的なのが「Apache Spark」である。「Amazon Elastic MapReduce」と連係して高速処理や多用途性を実現する。
()
「Google Cloud Platform」で提供される各種ビッグデータサービスの全体像について案内するのは容易ではないが、本稿ではGoogleが提供しているサービスの一つ一つについて分かりやすく紹介してみたい。
()