罢补产濒别补耻事例発表20151028
- 2. 免責事項 本資料はTableau社主催の導入事例セミナー向け資料です。 ■イベント：株式会社ドワンゴによるTableau導入事例セミナー ■開催日時：2015/10/26(月) 18:00 ? 20:30 ■開催場所：イベント＆コミュニティスペース dots. http://eventdots.jp/event/571973 発表内容は発表者個人のであり、発表者が正確性に細心の注意を払っておりますが、株 式会社ドワンゴは発表内容から生じる一切の責任を負いかねます。また、株式会社ドワ ンゴの公式見解を表すものではありません。
- 3. 自己紹介 ? 数値基盤セクション – Hadoopに関連する基盤開発管理 – 分析に関連する基盤開発管理 – 全社的な分析や新しい分析方法 ? 発表者：古幡征史 (Dr. Masabumi Furuhata) – 主な経歴： Univ. of Southern California, JAIST, Universite de Tououse 1 - Capitole, Univ. of Western Sydney, 筑波大学, KPMGコンサルティング – 分野： メカニズム?デザイン研究（米国運輸省、米国海軍研究所、東京証券取引所など） サプライチェーンマネージメント（化学業界大手、通信業界大手、精密機器大手など) SAP SCM, SAP BW, SAP R/3
- 4. 1.要約 ? 導入したもの?小規模 – Tableau Desktop – Tableau Server ? 導入メリット?KPI関連データ – エクセルより深掘りしやすい ? データ量２桁増狙える – データ分析プロセスの標準化 – データ分析の自動更新 今まで２週間はかかる 案件が２日で終わった 分析業務時間の大半が データと図表の作成 だったのが それを自動にできた
- 6. 2.1 ニコニコ動画
- 8. 2.3 数字で見るniconico ■ニコニコ全体 ■ニコニコ生放送 平均PV数/日 約1億1,021万PV UU数/月 約871万UU 平均滞在時間/日 106.4分 平均コメント数/日 100万コメント ※ 2015年06月30日時点 ※2013年11月30日時点※ 2015年06月30日時点※ 2015年06月30日時点 平均PV数/日 約2,686万PV 平均滞在時間/日 93.9分 公式番組数/月 約2,745番組 ※ 2015年06月30日時点 UU数/月 約315万UU ※ 2015年06月30日時点 ※2013年4-6月平均値 ※ 2015年06月30日時点
- 9. 2.4 データ分析の観点からのniconico ? 国内最大級の動画サービスのプラット フォーム事業 – 多様なユーザ層 – 大量のログデータ – コンテンツの種類 – クリエータ、コメント、コミュニティ ? 新サービス ｘ 機能の投入 ? 多くのプログラマー ? Open Source中心
- 10. 2.5 データ分析プロセス I タイプ データ量 深掘り データ ソース 加工 集計分析 可視化 共有 大 なし II III IV V VI 小?中 あり 大 規定 大?小 あり NA なし NA あり Hadoop Apache Pig MS Excel Atlassian Confluence 各種DB SQL管理ツール R + Shiny KPI, 管理指標関連
- 11. 2.6 分析者のとある１日 案件企画の合間に、頼まれていた数値出しをしよう。 Apache Pigでプログラミング ＆ 実行 Hadoopからデータ取り出し ちょっと違うかも Apache Pigでプログラミング ＆ 実行 Hadoopからデータ取り出し エクセルで読み込み ? 置き換え、 フィルタ、vlookup、ピボット ? グラフ作成 提出 ? 思ったより数値が違ってた。 別の条件でデータが欲しいらしい…
- 12. 3. Tableau導入
- 13. 3.1 導入背景 ? 案件ごとに – 数値出力できるプログラマの存在（均質ではない） – 可視化＆データ深掘り可能にすると工数増大 – ばらばらに出力された数値を統合する複雑さ ? 共有データソースの整備?可視化ツール探し サービス x ユーザ コンテンツx機能 x
- 14. 3.2 導入ステップ 導入期 立ち上げ期 成長期I ? Tableau 操作理解 ?ベストプラクティス コンテスト ?週次勉強会 ?共有ワークブック ?データ分析 プロセス変更 ?自動更新 成長期II ?操作動画の作成 ?自動共有(Reader用) ?共有データソース拡充 2015.5- 2015.7- 2015.9-
- 15. 3.3 導入期 – 直后 ? Desktop/Serverを最小数で導入 ? 利用者の声 – グラフィカルでいいね – わかりやすそう
- 16. 3.3 導入期 – 直后
- 17. 3.3 導入期 – 直后
- 18. 3.3 導入期 – 直后 I タイプ データ量 深掘り データ ソース 加工 集計分析 可視化 共有 大 なし I 大 なし 操作＆機能面 で理解不足 移行メリット に不信
- 19. 3.4 立ち上げ期 ? ベストプラクティス?コンテスト ? 共有ワークブック ? 週次勉強会
- 20. 3.4 立ち上げ期 - 週次勉強会 ? 毎週１時間： 機能として利用例を共有 （できるだけプロセス的に） ? 講師役を途中から新しい担当者投入 レベル 小学生 中学生 高校生 データロード、基本操作、 ディメンション?メジャ理解 2,3週 計算フィールド、パラメタ?コントロール、 フィルタ 3,4週 3,4週 LOD(Level of Detail)計算、時系列予測、 共有用ダッシュボード作成、自動更新 主な内容 期間
- 21. 3.5 成長期I ? データ分析プロセス変更 – データの深掘り – 組織内で分析の標準化担当者 – 異なる組織で分析プロセス標準化 ? 自動更新
- 22. 3.5 成長期I - データ分析プロセス変更 I タイプ データ量 深掘り データ ソース 加工 集計分析 可視化 共有 大 なし II 小?中 あり VII 大 あり ?今まで深掘りできなかったデータ量を可能にする ?データの自動更新 ?Pigの簡易化
- 23. 3.5 成長期I - データ分析プロセス変更 データ分析の エキスパート 分析者 分析者 分析者 組織の 管理者 reader reader reader reader desktop/server 分析者 分析者 分析者 組織の 管理者 ?エキスパートがデータ分析の標準化＆分析の集約
- 24. 3.5 成長期I - データ分析プロセス変更 ?組織間で以下を共有 ?Pigプログラム ?データソース ?ワークブック
- 25. 3.6 成長期II ? 操作動画の作成 ? 自動共有(Reader用) ? 共有データソース拡充
- 26. 4. 要望事項 ? ETL統合 ? 予測（集約＆分解） ? Readerを利用した効率的な分析結果共有