そのデータ複製必要ですか？～データ仮想化で競争優位へ。

コピーせずにつなげる

2019年11月14日

Denodo Technologies 株式会社中山 尚美

Agenda

➢データ仮想化

➢The IT Perspective

➢The Business Perspective

➢ROI

➢Client Use Cases

Denodoについて

4

Denodoデータ仮想化のリーダー

Denodo オフィス、顧客、パートナーパロアルト、カリフォルニア州 本社北米、EMEA、APAC、中南米全域にグローバルに存在

リーダーシップ▪ 1999年以降、データ仮想化に関する

継続的な焦点を持つ最長ベンダ▪ 2015年 Forrester Waveのリーダー

- エンタープライズデータ仮想化▪ 多数の賞を受賞

お客様あらゆる主要業界においてForbes 500およびGlobal 2000の企業を含む約500社のお客様が、ビジネスの敏捷性とROIを大幅に向上させました。

財務$ 4B +プライベート・エクイティ・ファームから支援を受けています年間成長率50％+

5

業種別主要顧客事例

500社以上のグローバルおよび主要産業の顧客

公共・ユティリティ

金融機関

通信

ヘルスケア

ハイテク・ITサービス

製造・輸送

保険

流通

製薬・バイオ

エネルギー・オイル＆ガス

6

パートナーネットワーク

テクノロジーとサービスパートナー

テクノロジーパートナ

システムインテグレータ＆ソリューションコンサルタント

データ仮想化市場概要

8

CAGR13％で成長しているデータ仮想化市場

▪ 2016年度のデータ仮想化市場はライセンスおよびサービスを含み37億米ドル

▪ データ仮想化はCAGR 13％で成長

▪ データ仮想化は2021年には約67億米ドルに倍増

* CAGR（Compound Average Growth Rate) 年平均成長率）

Data Virtualizationデータ仮想化

10

Current Business Challenges in Data Management

1. より早く、より正確なビジネスdecisionの必要性

▪ PWC: “企業は300%より早くより正確な意思決定が求められる”

▪ 何千ものユーザーが個々に必要なデータを要求する → ITは、ユーザーが要求するスピードに耐えられない

▪ Solution? ユーザーによるセルフサービス → データをあちこちからとってきて勝手にコピーを作成する。ガバナンス、セキュリティは考慮されない 。

同じ質問に違う回答、データ漏洩リスク。

2. エンタープライズレベルのガバナンス、セキュリティの必要性• 何千もの新しい規制: tax, finance, privacy (PII), HR, environmental, etc.• 規制対応のためにビジネスのスピードを阻害する• ビジネス側に迷惑をかける

Solution? 高価なソフトウェア、ツールを導入して個別に対応する（ビジネススピードの阻害などは特に考慮しない）

3. ITコストの削減• DWHは統合整理されたデータを提供→ 高価なハードウェアが必要且つ構築に時間がかかる (clean, normalize, secure, etc.)• Forbesは、毎年500%データが増えると予測→ ITはそれに対応するため安いソリューションを探す

Solution?• Data Lakes & Cloud → 安いストレージを提供。まずデータを保存することを主眼。データはきれいになっていない• 非常に限られたガバナンスとセキュリティ整理することが難しく、ユーザーにとって信頼に足るデータを見つけ出すのが難しい• Gartner: “2022年までに、データレイクプロジェクトの80% データの検索、インベントリおよびキュレーションがアナリティクスおよびデータサイエンスの

成功を妨げつ最大の要因となり、期待される価値を提供できない” **出典：Gartner, Augmented Data Catalogs: Now an Enterprise Must-Have for Data and Analytics Leaders, Ehtisham Zaidi, Guido De Simoni, 12 September 2019

企業はそれぞれの課題に対して高価なソリューションで個別に対応している。が矛盾を抱えたまま解決にいたらない

Need: 総合的に解決できるソリューションが必要。

11

日本の主要企業の6割が人工知能（AI）運用に欠かせないデータ活用で課題を抱えていることが分かった。製品やサービスの開発、事業開拓などAIの用途は新たな分野に広がりつつある。だが必要なデータが不足していたり、データ形式が不ぞろいで使えなかったりと、AIの導入に戸惑う事例も多い。欧米を中心に企業のAI活用が急拡大するなか、「動かないAI」が増え続ければ世界競争に出遅れかねない

日本経済新聞と日経BP社の専門サイト「日経xTECH（クロステック）」は7～8月、大手113社にAIの活用状況を聞いた。「AIを活用する」と答えた企業は予定も含めて98%に上った。AIが企業活動に浸透しつつある一方、日本企業が抱える課題も浮き彫りになった。

実用化まで2年ダイナマイトで掘り崩した先、AIの「目」がトンネル表面をくまなく観察し始めた。所要時間は2分間。地層や割れ目、漏水の有無から地盤が安全かどうかを機械診断する。「これなら使える」。2018年夏、実証試験を繰り返していた大林組の畑浩二部長は胸をなで下ろした。風化による地質変化の正答率は87%と、全社でも3人しかいない専門技術者と肩を並べるまでになった。近く山岳地帯の工事現場で実用化に乗り出すが、実はここまでくるのに2年かかった。壁になったのが保管データの形式違いだ。過去2千枚超の工事画像などをもとに地質診断のコツをAIに教え込もうとしたが、保存形態が「エクセル」や「PDF」などバラバラ。担当者が画像や資料をスキャンし、手作業で数値を入力し直す必要があった。

AIデータ不足6割「動かない頭脳」続出の恐れ（9月30日日経新聞）

12

産業データの取扱いや利活用の現在または今後想定される課題や障壁

総務省:http://www.soumu.go.jp/johotsusintokei/whitepaper/ja/h29/html/nc122310.html

13

Challenges: Fragmentation of the Data Landscape

ETL

Data Warehouse

Kaf

ka

Physical Data Lake

ML/AI

SQLinterface

IT Storage and Processing

StreamingAnalytics

Distributed Storage

Files

Business Tools

No One Focused on

Data Delivery• 1,000’s of brittle point

to point connections • Susceptible to

high collective downtime

• Multiple replications of large volumes of data

14

Solution: Logical Data Management Layer

ETL

Data Warehouse

Kaf

ka

Physical Data Lake

ML/AI

SQLinterface

Logical Data LayerStreamingAnalytics

Distributed Storage

Files

IT Ab

straction

Layer

Wh

ere data sto

red &

Ho

w p

rocessed

Bu

siness Sem

antic Layer

Ho

w, W

hy &

Wh

ere data is u

sed

Business Tools

IT Storage and Processing

The IT PerspectiveIT Abstraction Layer

16

Traditional Data Integration & DW Architecture

従来のデータ統合及びDHWの課題:

▪ データのレプリケーションを大前提としている

▪ 開発に時間がかかりすぎる。維持管理も大変

▪ ITチームに多大な労力を必要とする

DATA CONSUMERS

ETL

ETL

ETLETL

Data Marts

Data Warehouse

Staging

DATA CONSUMERS

DISPARATE DATA SOURCES

17

活用ビジネスでの

データ活用

結合関連する

ビューの作成

2

3 DATA CONSUMERS

エンタープライズアプリケーション、レポート、AI、BI、ポータル, ESB、モバイル、ウェブ、IoT/ストリーミングデータ

接続メタ情報取得

1 散在する様々なデータソース

データベース & ウェアハウス、クラウド、SaaS アプリ、ビッグデータ、NoSQL、ウェブ、XML、Excel、PDF、Word...

非構造化 →← 構造化

複数プロトコル、フォーマット

リンクされたデータへのクエリ、検索、ブラウズ

リクエスト/リプライ、イベント駆動型

安全な配信(SSL/TLS)

ラッパーライブラリ ウェブ自動化 様々なデータ構造に対応 読み取り/書き込み

DATA VIRTUALIZATIONデザインツール

オプティマイザ、MPPプロセス

データ発見/検索

インメモリファブリック

キャッシュ

スケジューラ

データ活用← 情報系 基幹系 →

接続 結合 活用

共有、 配信、パブリッシュ、管理、コラボレーション

発見、変換、準備、品質改善、統合

散在する様々なデータソースを正

規化 データサービス(リアルタイム & オンデマンド)

データカタログ / メタデータ

ガバナンス

セキュリティ

管理 & モニタリング

最新のリアルタイムデータ仮想化アーキテクチャ

18

IT Abstraction Layer - Architecture

IT Abstraction Layer

JOIN

GROUP BY GROUP BY

Dynamic Query Optimization Engine• それぞれのビジネスクエリに足して、統計情報に基づいた最

適なPlanでデータを取りに行く• オンデマンドでリアルタイムにデータを取りに行くー物理的なコ

ピーはしない• 高いパフォーマンス １～３％のオーバーヘッド

• キャッシュやMPP等々パフォーマンス向上ソリューション

Common Schema – Metadata Source Catalog:

• 相互の関連性をもったすべてのデータに対するインベントリを作る。随時更新される。

• Drag/Dropで仮想DBが作成され、ガバナンスも担保される

• ITはビジネスユーザーから解放され、コスト削減に特化

データ仮想化のアプローチは、メタデータモデ

リングに基づく

▪ データのレプリケーションに依存しない

▪ リアルタイムにデータにアクセスできる

▪ 開発が容易であり、データのアジャイル的

な利用がしやすい (e.g. minutes vs

months)

DATA CONSUMERS

DISPARATE DATA SOURCES

19

IT Abstraction Layer – DB like Security

IT Abstraction layer は、

仮想データモデルにセキュリティを付加できる:

• 個々のユーザーに対して、マスキングやカラム、ローレベルでセ

キュリティを設定できる。“ルールと 特権”

• セキュリティの考え方を、“どのように複数のデータソースにデータ

を安全に置くか”ではなく、“どのようにユーザーがデータを使う

か”ということの焦点をあてる。

➔ユーザーが異なるデータソースから、住所と名前をそれぞれ取ってきて統合すると、

セキュリティ度の高いデータになる

IT Abstraction Layer

JOIN

GROUP BY GROUP BY

1. クエリの発行

2. 企業のセキュリティ基準に基づいた認証を実施

3. 認証許可のルール化。Ex. マイナンバーはマスキングする等々

4. 設定されたセキュリティでフィルターされたクエリのみデータソースに流れる

5. セキュリティが担保された結果が、ビジネスユーザーに返される

DISPARATE DATA SOURCES Less StructuredMore Structured

DATA CONSUMERSDATA CONSUMERSAnalytical Operational

20

Enterprise Governance: Single Views of Truth for Business

DISPARATE DATA SOURCES Less StructuredMore Structured

DATA CONSUMERSDATA CONSUMERSAnalytical Operational

Business views

IT Abstraction LayerLines of Business

Business view adapted to their needs

3Finance Operations Sales

Base/Raw views

Common SchemaIntrospect, Abstract

metadata, source capabilities &

constraints

1

Standardized views

Center of ExcellenceCorporate models

for all Bus. Units

2Customer Product Order

21

IT Abstraction Layer - Summary

The IT Abstraction Layer Solves 2 of 3 business challenges:

2. エンタープライズレベルのガバナンス、セキュリティの必要性• すべてのデータアセットにセキュリティが担保されている。ユーザーフォーマットにできる

• 会社規模でのガバナンスがきいたデータ取得ができる

3.ITコストの削減

• Decouple IT from business

• ITは、ビジネスに影響を与えることなく、各データソースをより安価な

場所に移管できる

• 仮想Viewは、物理コピーの必要性を大幅に低減する

• Less Downtime データ仮想化により、ポイントtoポイントのサイロなシステムが大幅に削減される

• Reduces Load on Sources – オプティマイザー機能により、データを移動する必要性を極

小化することができる

The Business PerspectiveBusiness Semantic Layer

23

Enterprise Governance: Single Views of Truth for Business

DISPARATE DATA SOURCES Less StructuredMore Structured

DATA CONSUMERSDATA CONSUMERSAnalytical Operational

Business views

IT Abstraction LayerLines of BusinessBusiness view adapted

to their needs3 Finance Operations Sales

Base/Raw views

Common SchemaIntrospect, Abstract

metadata, source capabilities &

constraints

1

Standardized views

Center of ExcellenceCorporate models

for all Bus. Units2

Customer Product Order

Bus. Semantic Layer

製品#12の売上は？

プロジェクト32の進捗は？

お客様Aのクレームに起因したオーダーは？

24

Business Semantic Layer – One Place to Store Logic

▪ ビジネスに必要な情報やロジックは、様々な場所

に散らばって保管されている。様々なレポーティン

グツールであったり、ドキュメント、カタログなど。

▪ 上記のような状態、つまりデータが整理されていないことが、ユー

ザーがデータを探すためにより時間を多く費やすことになり、素早

いデータ取得の阻害となる

▪ ビジネスメタデータとIT Abstraction Layerを単

一の結合モデルで組み合わせれば、必要なデータ

を素早く見つけて、再利用を促進できる。

▪ ビジネスメタデータ: どこで、どのように、なぜデータ

が使われたかを定義するもの

DATA CONSUMERS

DISPARATE DATA SOURCES

Business Semantic Layer

IT Abstraction Layer

▪ Store ビジネスメタデータを一か所に保管する▪ カテゴリ, タグ, 説明, 利用頻度, 評価, 履歴, 組み合わせ, etc.

▪ Search and Discover ビジネスロジックとデータを素早く検索し、結果的にデータ再利用の頻度が高くなる

▪ Create – ユーザーの質問に答えるために、データをより強化する▪ データの統合、集約、フィルター etc.▪ セキュリティーは担保しながら、チームでのコラボレーション

▪ Consume in different ways▪ SQLやWeb Service経由(REST, OData, etc.) ユースケースごとに判断▪ レポーティング、アナリティクス、データサイエンス等▪ ダッシュボード、アプリ、ポータル、モバイルデバイス等

25

Combined Business & IT Semantic Layer - Summary

1. より早く、より正確なビジネスdecisionの必要性▪ ビジネスメタデータとデータ取得層の連携

▪ ユーザーに分かりやすく使いやすいリアルタイムデータの提供

2. エンタープライズレベルのガバナンス、セキュリティの必要性▪ ユーザーが使いやすいフォーマットで、すべてのデータをセキュアにリアル

タイムに検索・取得できる

3. ITコスト削減 - ビジネス側の要望から自由に！▪ ストレージのコスト削減

▪ コピーデータの削減

▪ ダウンタイムの削減

▪ ソースへのアクセス低減

ビジネスロジックとデータ取得層との連携により、3つのビジネス課題を解決することができる

ROI and Business Value

27

事例：市場投入までの時間、開発およびテストのコスト削減

大手製造業は、データ仮想化を使用して、すべての開発

チームのデータサービス層を作成します。開発者がデータを探し回ってアクセスする必要はなく、すぐに利用できるデータサービスによってデータが提供されたため、数千時間の開発時間のコスト削減が

見られました。

1. データ仮想化のROIとTCO

バリュー・ドライバ メトリック ゴール 実績

開発時間Webサービスを開発する時間（日数）

50% 90%

導入までの時間Webサービスをデプロイする時間（日数）

50% 90%

TTMWebサービスを使用可能にするのにかかる全体的な時間

60% 90%

エンゲージメントの時間ユーザ部門がIT部門にエンゲージするのにかかる時間

75% 75%

パフォーマンス Webサービスのパフォーマンス 50% 60%

影響分析影響分析をどのくらい早く行うことができるか

50% 90%

エンタープライズアーキテクチャとのアラインメント

なるデータソースからのデータ統合がどれだけ容易になるか

セキュリティ、データ分類

高

28

事例：コピーデータの削減による、システム資源、ツール類、開発コストの削減

大手金融サービス企業は、コスト削減に焦点をあて、コ

ピーデータの削減に努めました。システム資源、ツール、開発の削減により、従来比

50%以上の削減に成功し、年間約$30Mの削減を実現しま

した。またユーザーへのデータ提供にかかる時間も大幅に削減し、ビジネスのスピードアップにも貢献、さらに各種セキュリ

ティも強化されました。

2. データ仮想化のROIとTCO

バリュー・ドライバ メトリック ゴール 実績

ストレージコスト コピーデータ用のストレージコスト 30% 55%

ETL等のコピーツールコスト

データソースからデータをコピーするためのツール類

30% 60%

開発費用コスト、期間システム構築や維持メンテにかかるコスト

20% 50%

ユーザーへの提供時間ITからデータをユーザーに提供するまでの時間

30% 75%

セキュリティコピーデータの削減、トランザクション管理、セキュリティ管理の強化

セキュリティ、データ分類

高

29

ROI Value of Deploying DV on the 3 Business Problems

1.生産性、効率性を高めることによるビジネスへの貢献（売上、Profit等）1. ガバナンスを備えたセルフサービス化 – より早く正確なDecision

2. Decisionをより早く正確に実施することは、95%の割合でビジネスに貢献する – (Bain)

2. データのコピーを削減する1. データの物理コピーをしないまま、データ仮想化層とAPIレイヤーを使い、すべてのソースからリアルタイムで検

索結果を返す

2. ETLやストレージなどデータを物理コピーするためのシステム資源で、年間売上の1%を消費している(TDWI)

3. データ統合による脆弱性を削減する1. ネットワークのポイントtoポイント（シングルポイント）による脆弱性を削除する

2. ネットワークのダウンタイムにより、企業は年間売上の0.5%を消費している (IHS)

30

ROI – 1. Business Growthのための効率化

Decisionをより早く正確に実施することは、95%の割合でビジネスに貢献する – (Bain)

社員は一人一人が平均約$152K(1,520万円）/年間 –貢献する (IT Automation)

データ仮想化による効率化ーセルフサービスとガバナンスを担保しながら

• 平均15%の効率化が図れる (Forrester)

• インテルは、ユーザーへのデータ提供を90%改善することができ、Time to Market向上、売上増につながった

• 上記のうち10%は、数字に影響をあたえる (Forrester)

Result - Increased Revenues

• 売上１兆円、社員数２万人の会社でのシュミレーション

• ビジネス増: (２万人社員 x 1,520万円/年 x 15% x 10%) =約45億円

• 年間45億円のBusiness Growthが、より早く正確なDecisionによって達成される

31

ROI – 2. コピーデータを作成、保存するコストを削減する

売上1兆円の会社を想定して試算

Cost – 企業は売上の約1%を毎年ETLやストレージに使っている (BI Benchmark Report)

▪ コピーデータのうち75%は誰も使っていないデータ = 年間約75億円

Savings with Data Virtualization (データ仮想化）

▪ “データ仮想化によって上記の45%を削減できる” because:

▪ ほとんどのデータの物理コピーが不要 – データウェアハウスやデータレイクではできない

▪ 新しいデータソースを追加する場合、データウェアハウス、データレイクでは数カ月かかる – データ仮想化では数時間

▪ 複雑なダッシュボードを作るには、1，2か月かかるが、データ仮想化では、数時間で可能

▪Savings: (75億円/年 x 45%) = 約34億円/年

▪ 年間34億円のコスト削減が可能

ROI – 3. ダウンタイム極小化によるコスト削減ITインフラの脆弱性のために、North Americaの企業は、70兆円/年の生産性と売上を失っている (IHS)

Cost of Infrastructure Downtime

• “サーバー、アプリケーション、ネットワークのダウンタイムにより、

企業は 売上の0.5%程度を毎年失っている” (IHS)

• Costs 1兆円 x 0.5% = $-50 億円/年

• Intel – DV - 0 downtime in 5 年間

（Intelでは、全社のデータの約30%でテータ仮想化がつかわれ

ており、Business Decisionの迅速化に貢献している）

33

Total ROI: （想定）1兆円の売上、社員2万人

データ仮想化は、Business Growthとコスト削減の強く貢献する

1. 生産性、効率性向上によるBusiness Growth – 45億円/年

1. ガバナンスを担保したセルフサービスによるデータの取得 ‐ より早く正確なDecision

2. Decisionをより早く正確に実施することは、95%の割合でビジネスに貢献する– (Bain)

2. コピーデータの削減 – 34億円/年

1. データの物理コピーをしないまま、データ仮想化層とAPIレイヤーを使い、すべてのソースからリアルタイムで検索結

果を返す

2. ETLやストレージなどデータを物理コピーするためのシステム資源で、年間売上の1%を消費している(TDWI)

3. データ統合による脆弱性の削減 – 50億円/年

1. ネットワークのポイントtoポイント（シングルポイント）による脆弱性を削除する

2. ネットワークのダウンタイムにより、企業は年間売上の0.5%を消費している (IHS)

4. Total = (45億円 + 34億円 + 50億円)/年間 = 129億円/年

Clients Use Cases

35

金融系のお客様でのデータ仮想化ユースケース

Use Cases Beyond LDWH in Production with Leading Global BFSI Companies

# Use Case Description

1 リスクのレポーティングと分析（規制の対応とキャピタルマーケット） 共通のデータモデルに統合、統一されたリアルタイムのデータを使用して、組織のリスクを一元的に表示します。 リスクエクスポージャーやパフォーマンスを数値化してレポーティングします。

2 流動性マネジメント/リスクマネジメント すべてのシステムの仮想データマートを作成し、チームが必要なデータにアクセスし、通貨、地理、製品などのNSFR、LCRおよびその他のさまざまな流動性比率/指標によるポジションを集計できるようにします。

3 顧客管理とリレーションシップマネジメント CRMの一部として利用可能な財務データ、各種のパフォーマンスデータ、およびクライアントレポートなどのさまざまなソースからのデータの集約。 各データソースに依存した顧客分析でなく、統合されたレポートの作成

4 顧客の特性・傾向及びbuying behavior 分析 顧客の購買履歴のデータから特性をつかみ、buying behaviorを分析して、クロスセル/アップセルの施策をたてる

5 複数のチャネルの統合と分析 さまざまなチャネルからのデータを顧客ごとに統合し、分析を実行します。

6 ソーシャルメディアのデータ統合 ソーシャルメディアからのデータを統合することによるマーケティングキャンペーンの効果を判断します。CRMやソーシャルメディアデータなどにに存在するキャンペーン結果と販売データを統合し、分析します。

7 Personalized marketing/ Targeted campaigns/ Product Customization

マーケティングのパーソナライゼーションのパターンを観察し、ターゲットセグメントを特定し、それに応じて製品を配置します。 第三者からの情報を顧客の支出/取引データと共に使用して、各顧客固有のパーソナルノンバンキングサービスを提供する

8 Pricing 銀行は、リアルタイムデータと顧客ポートフォリオのサイズ、信用度などを使用して、顧客に優先的な価格を導き出すことができます。

9 Fraud Detection (Risk management) 顧客履歴に基づいて通常の活動を定義し、詐欺を示す異常な行動と区別します。 過去の支払いパターンを分析し、第三者のアプリケーションと統合することにより、顧客の不履行傾向を理解する。 データセットを分析して不正取引を理解し、AMLなどの規制に準拠する。

10 合併・買収、システム移行、統合＆近代化 各社のレポーティングや分析、オペレーションの迅速な統合を実現し、M&Aの効果を迅速に発揮する。抽象的なレイヤーをもつことで、データソースやアプリケーションであれ、システム移行や統合の最中に発生する問題から、運用者やユーザーを守ることができる

36

顧客マスター/ MDM

✓ 顧客の全体像

データサービス

✓ Data as a Service✓ データマーケットプレイス✓ データサービス✓ アプリケーションとデータの

移行

クラウドソリューション

✓ クラウドモダナイゼーション✓ クラウドアナリティクス✓ ハイブリッドデータファブリック

データガバナンス

✓ GRC✓ GDPR✓ データプライバシー/

マスキング

BIと分析

✓ セルフサービス分析✓ 論理データウェアハウス✓ エンタープライズデータファブ

リック

ビッグデータ

✓ 論理データレイク✓ データウェアハウスオフ

ロード✓ IoTアナリティクス

Denodoのソリューションカテゴリ

データフェデレーション

データウェアハウス拡張

データ共有

リアルタイム連携

クラウドモダナイゼーション

仮想 MDM MDM レジストリ

データ仮想化パターン

・BIツールなど各種分析システムへのデータ配信・リスク管理など多数のシステムかからのデータの統合

・複数のデータの統合。DHWとその他データ等・システム統合におけるデータ統合

・多数のチャネルからの名寄せ

・クラウドとの連携・クラウドへまたはからのデータ移行、統合、配信など・複数ポートを開けずに済む

・信頼できる唯一の情報源・セキュリティ基盤

・リアルタイムシステム連携

Business Need Solution Benefits

38

Case Study グローバルコンピューターアクセサリープロバイダーがDenodoをクラウドで活用しクラウドへのモダナイゼーションに成功このスイスのパーソナルコンピュータおよびタブレットアクセサリのグローバルプロバイダは、スイスとカリフォルニアに本社を構えています。 同社は、キーボード、マウス、トラックボール、マイクロホンなどのPC用の周辺機器を開発し、販売しています。2015年には、9,000人の従業員で20億ドルの売上高を達成しました。

▪ より信頼性が高く効率的で費用対効果の高いデータ分析によってパフォーマンスを向上させるためにクラウドに移行する必要がありました

▪ パフォーマンスと時間/スピードと配信の問題に対処する必要があったがデータウェアハウスを拡張できなくなった

▪ 複数の分析ツールにわたりセキュリティ要件を集中化する必要がありました

▪ 効率性と信頼性 - クラウドへの移行は、革新と俊敏性のモデルとして受け入れられています。

▪ 一貫したセキュリティ - 複数の分析ツール間でのセキュリティの同期化

▪ アジリティ - 適切なガバナンス構造による新しいデータソースの迅速なプロトタイプ作成

▪ Denodoは、クラウド（AWS）で一貫したビジネスレイヤーを形成し、データソースへの直接アクセスを防ぎます

▪ Denodoは、Redshift、他のクラウドおよびオンプレミスのソースにデータを統合し、Tableau、Pentaho BAなどにフィードします

▪ 複数の分析ツール間で安全なアクセスを確保するための中央セキュリティレイヤーとして機能します

39

アーキテクチャ図

Logitech

40

巨大なグローバルの航空、防衛の企業は、データ仮想化でROIとセキュリティを改善した

アメリカを母体とするこの多国籍企業ボーイングは、航空機、ヘリコプターなどのロータークラフト、ロケットや衛星を販売している。航空機の製造では世界一であり、また世界で二番目の防衛関連契約規模を誇っている。160,000人の従業員と、10兆円規模の売上の大企業である。

・すべての分散されたデータを一元化されたレポジトリに持ってくるデータハブビジネスプロジェクトを開始した

・MESとその他の社内システムを連携させる仮想データウェアハウスを作り、そこで統合されたデータをレポーティングツールに食べさせる

・オラクルデータストアと、テラデータのデータウェアハウスのデータを統合させた

・機密データへのアクセス権限をユーザーに応じて細かく設定

・エンタープライズレベルの広いデータに対するシングルポイントのアクセスを確立

・すべての部門のデータを、統一されたフォーマットでタイムリーに提供できる

・コスト削減 – データ仮想化によって、システム資源やリソースを大幅に削減することができる

・データのコピーを排除することで、企業をセキュリティ脆弱性から守ることができる

Solution

・SQLのDBなどを含むデータの激増により、データ統合コストが飛躍的に増加していた

・セキュリティ観点がより厳しくなり、ユーザーがレポーティングに使うためのデータコピーが、禁止されつつある

・ビジネスユーザーもテクニカルユーザーも同時に使えるシングルアクセスポイントで、すべてのレポーティングデータの取得が必要になってきた

- ASEAN大手銀行事例 –360度顧客ビューおよびデジタルバンキングのための論理データウェアハウス

初期プロジェクトの要件と利点

▪ Teradata DWH + Hadoop +αが統合されたデータ分析ソリュー

ションのための他のソース/レポーティングシステムを組み合わせ

たエンタープライズLDWソリューション

▪ 新しいテクノロジー（Hadoop、Data Virtualization）を使用して、

TeradataおよぎETLレプリケーションでかかる高いデータ・コス

トを削減

▪ ビジネス・ドライバー：1.部門および地域間で共有される360度

顧客ビュー 2.コンプライアンス - 各国の顧客データの移動を制限

する

▪ 顧客360度ビュー - 顧客、口座、および商品データを結合、格付

け、保険、顧客人口統計データと組み合わせる

今後の計画

▪ セルフサービスのデータカタログをビジネスユーザーに公開する

▪ デジタルおよびモバイルバンキングをデータサービス（RESTおよ

びOdata）として提供する

▪ 仮想層の高度な解析サンドボックス

▪ データガバナンスの改善

40

論理データウェアハウス（DWH + Hadoop + α）アーキテクチャ

42

論理データレーク事例

プレゼンテーションレイヤ

仮想データビュー

データレイク

データソース

43

論理データウェアハウス

EDW Hadoop Cluster

SalesHDFSFiles

Document Collections

NoSQLDatabase

ERP

Database Excel

Sales by Customer and Region

∞

∑

∞

U

44

論理データウェアハウス 事例

45

論理データウェアハウス 事例

46

論理データウェアハウス 事例

47

論理データウェアハウス 事例

48

IoT テレマティクス分析事例

ディーラ

保守サービス

部品インベントリ

OSI PI Hadoop クラスタ

Tableau: ディーラ / 顧客ダッシュボード