継続的なビジネス推進力を創造する

熱力学によれば、永久運動は不可能です。しかし、物理学の法則がビジネスに当てはまるわけではありません。データをうまく活用すれば、自立的でかつ、加速し続ける推進力を組織に生み出すことができます。

フライホイールを採用する理由

作家のジム コリンズによって広められたフライホイール (弾み車) とは、相互に補強および推進し合ういくつかの主要イニシアチブによって構成される、自己強化型のループのことで、これにより長期的なビジネスを構築します。ジェフ ベゾスは 90 年代初めに、Amazon フライホイールを使用して Amazon.com の最初のアイデアを考え出しました。これは、選択の幅を広げてコストを削減することでカスタマーエクスペリエンスを向上させる、成長とスケーリングを利用した経済的な原動力です。

ジム コリンズによる「フライホイール効果」の詳細はこちら »

データフライホイールの構築を成功させる

データフライホイールの最もユニークな特徴の 1 つは、「1 つの要素」だけが原動力となっていないことです。組織がそのような根本的かつ基本的なソリューションを探そうとしても、失敗するでしょう。データフライホイールは、協調して働く多くのコンポーネントによって機能しており、それぞれの部分の合計よりも大きな相乗効果を生み出します。これら各コンポーネントの開発に時間をかけ、どのフェーズにおいても関連性の最も高いテクノロジーや手順を実装する組織は、データフライホイールの構築において最も成功する可能性が高いと言えます。

従来の商用データベース

  • 高コスト

    レガシーのデータベースは高価なため、過剰にプロビジョニングされたオーバーキャパシティに対してより多くの費用を払うことになります。

  • 独自仕様およびロックイン

    独自仕様のデータベース機能はアプリケーションをロックインし、イノベーションを妨げます。

  • 複雑なライセンス体系

    複雑な契約ライセンスにより、柔軟性が制限され、予測不可能なコストが生まれます。

  • 予定外の監査コスト

    頻繁な監査により、導入時に予期しなかった計画外のコストが生じることがあります。

  • 多大な CAPEX 投資

    オンプレミスの CAPEX には終わりはありません。ハードウェアのアップグレードが必要な場合、多額の予算が必要になります。

商用データベースからオープンソースデータベースへの移行

従来の商用データベースが抱える課題を解決するため、ユーザーは MySQL、PostgreSQL、MariaDB などのオープンソースの代替策へできるだけ早く移行しようとしています。ただし、ユーザーはハイエンドな商用データベースのパフォーマンスと可用性、一方で、オープンソースデータベースのシンプルさとコスト効率性も同時に求めています。

両方の長所を最大限に活用する

データベースを Amazon Aurora に移行することで、商用データベースのパフォーマンスと可用性、およびオープンソースデータベースのシンプルさとコスト効率性の両方を得ることができます。

データだけでなくワークロードも移行する

データストレージ、データウェアハウス、およびデータベースはすべてクラウド上に保存されます。さらに、MongoDB などの非リレーショナルデータベース、Hadoop や Spark などのビッグデータ処理ワークロード、Elasticsearch などの運用分析ワークロード、Kafka などのリアルタイム分析ワークロードをクラウドに移行することで、時間とコストを節約できます。

リレーショナルデータベース

高価な Oracle や SQL Server データベースから Amazon Aurora に移行します。

非リレーショナルデータベース

キーバリューストアを Amazon DynamoDB に移行し、MongoDB などのドキュメントデータベースを Amazon DocumentDB に移行します。

データウェアハウス

Teradata、Oracle、SQL Server データウェアハウスから、Amazon Redshift へ移行します。

Hadoop および Spark

オンプレミスの Hadoop および Spark デプロイを Amazon EMR に移行して、時間とコストを節約します。

運用分析

Elasticsearch、Logstash、Kibana (ELK) オンプレミスは、Amazon Elasticsearch Service に移行して時間とコストを節約することができます。

リアルタイム分析

Apache Kafka のデプロイは、Amazon Managed Streaming for Kafka に移行できます。Amazon Kinesis は、データストアおよび分析ツールへのデータストリームを準備、ロード、分析してすぐに使用できます。

データとワークロードをクラウドに移行したお客様事例

株式会社ビデオリサーチ

テレビ視聴率の分析基盤を Amazon Redshift に移行し、50% のコスト削減を実現。必要な時に必要な分だけのリソース確保が可能に。

ドコモ・ヘルスケア株式会社

約 500 万人ものバイタルデータを扱うシステムを AWS に移行。セキュリティ強化とコスト削減を実現。

フルマネージド型データベースを採用する理由

データベース管理は、ビジネスで大きな負担になることがあります。ハードウェアの設置およびソフトウェアのインストールに加えて、データベースの設定、パッチ適用、バックアップなどに頭を悩ませなければなりません。データレプリケーションと高可用性のための複雑なクラスター構成、および手間のかかるキャパシティー計画、およびコンピューティングとストレージのためのクラスターのスケーリングもあります。

フルマネージド型のデータベースは生産性と効率性を向上させます

  • コストの削減

    フルマネージド型クラウドデータベース管理のコストは、オンプレミスよりも大幅に低くなる可能性があります。

  • 可用性の向上

    適切なクラウドベンダーは、お客様のデータベースを常に利用可能な状態になるよう運用します。

  • より大幅な時間節約

    データベース管理タスクが不要になれば、チームはもっと重要な業務に集中できます。

  • エンタープライズグレードのスケーラビリティ

    企業が成長する一方でハードウェアや運用管理にかける時間を据え置くことができれば、それらを気にせずにスケーリングすることができます。

  • より大きな可能性

    データウェアハウス、インメモリデータストア、グラフや時系列データベースなどの新しいサービスを簡単に追加することができます。

すべてのデータを保存し、保持する

データをクラウドに移行すると、どのデータを保持し、どのデータを破棄するかを決定する必要がなくなります。高頻度および低頻度の使用データに対して低コストの階層化ストレージオプションを複数使用することで、すべての必要なデータを保持し、いつでも分析できます。

マネージド型データベースと階層化ストレージの成功事例

損害保険ジャパン日本興亜株式会社

SOMPO ホールディングスグループのデジタル戦略の一環として、個人向け安全運転支援サービス『DRIVING!』をリリース。24 時間 365 日稼働のサービス基盤に AWS を採用。

株式会社 CAC クロア

AWS のサーバーレスソリューションを用いて医療・医薬業界向けのサービス提供基盤をマイクロサービスに移行 AWS のマネージドサービス、Amazon SageMaker を活用し機械学習を用いた文献査読業務を開始。

アプリケーション設計のルールが変更に

モダンアプリケーション設計では、ソーシャル、モバイル、IoT、およびグローバルアクセスについて考慮する必要があります。アプリケーションが最適なカスタマーエクスペリエンスを提供するには、大規模なストレージ機能、ほぼリアルタイムのアクセス速度、およびワールドクラスレベルのスケーラビリティを備えたデータベースが必要です。

アプリケーションに対する要件の一例

ユーザー: 100 万人以上
データボリューム: TB~PB~EB
局所性: グローバル
パフォーマンス: ミリ秒~マイクロ秒
リクエスト率: 数百万
アクセス: ウェブ、モバイル、IoT、デバイス
スケーリング: スケールアップ~ダウン、スケールアウト~イン
経済性: 従量課金制
開発者アクセス: インスタント API アクセス

すべてのデータを保存し、保持する


  • データベース戦略の変更

    すべてにリレーショナルデータベースを使用する汎用型のアプローチでは、もはや十分ではありません。

  • 複雑なアプリを分解する

    適切なアーキテクチャとスケーラビリティを確保するには、すべてのアプリケーションコンポーネントを調べる必要があります。

  • 高度に分散したアプリケーションを構築する

    複雑なアプリケーションをマイクロサービスに分解します。

ワークロードに最適なデータベースは何か

通常、ジョブに最適なツールはユースケースごとに異なります。そのため、開発者は数多くの専用データベースを使用して、高度に分散したアプリケーションを構築する必要があります。最も一般的なアプリケーションワークロードの利点とユースケースを以下でご紹介します。

詳細を知りたい場合は、適切なデータベースを見つけるための入門ガイドをダウンロードしてください。

日本語ガイドを読む »

リレーショナルデータベース管理システム (RDBMS) において、データは列と行の表形式で保存され、構造化クエリ言語 (SQL) を使用して照会されます。テーブルの各列は属性を、テーブルの各行はレコードを表し、テーブルの各フィールドはデータ値を表します。リレーショナルデータベースは、1) 基になるスキーマを知らなくても SQL を簡単に学習および使用でき、2) 本文全体を指定しなくてもデータベースエントリを変更できるため、よく使用されています。

利点

  • 構造化データを上手に活用する

  • ACID トランザクションの一貫性と「結合」をサポート

  • 組み込みのデータ整合性

  • データの正確性と一貫性

  • このシステムの関係には制約が存在

  • 無制限のインデックス作成

ユースケース

  • ERP アプリ

  • CRM

  • 財務

  • トランザクション

  • データウェアハウス

キーバリューデータベースは、簡単なキーバリューメソッドを使用して、キーが一意の識別子として機能するキーバリューペアのコレクションとしてデータを保存します。キーとバリューは、単純なオブジェクトから複雑な複合オブジェクトに至るまで、何でもかまいません。増加する、または予測不可能なワークロードに対応するためにインスタントスケールを必要とするアプリケーションに適しています。

利点

  • シンプルなデータ形式により書き込みと読み取りを高速化

  • バリューは、JSON、柔軟なスキーマなど、何でもかまいません。

ユースケース

  • リアルタイム入札

  • ショッピングカート

  • 製品カタログ

  • カスタマー設定

ドキュメントデータベースでは、データは JSON のようなドキュメントに保存され、JSON ドキュメントはデータベース内の第 1 クラスのオブジェクトです。ドキュメントは、データタイプやバリューではありません。データベースの重要な設計ポイントです。これらのデータベースは、開発者がアプリケーションコードで使用するのと同じドキュメントモデル形式を使用するため、開発者は簡単にデータを保存してクエリできます。

利点

  • 柔軟、半構造化、階層的

  • データベースはアプリケーションのニーズに合わせて進化

  • 柔軟なスキーマ

  • 階層データおよび半構造化データの表現は簡易

  • 高速クエリのための強力なインデックス作成

  • ドキュメントはオブジェクト指向プログラミングに本質的に対応

  • 永続層へのデータの流れがより簡単に

  • ドキュメント用に構築された表現力豊かなクエリ言語

  • ドキュメント全体でのアドホッククエリと集計

ユースケース

  • カタログ

  • コンテンツ管理システム

  • ユーザープロファイル/パーソナライズ

  • モバイル

リアルタイムアプリケーションの増加に伴い、インメモリデータベースの人気が高まっています。インメモリデータベースは、データストレージ、管理、および操作を主にメインメモリに依存しています。インメモリは、メモリキャッシング用のオープンソースソフトウェアによって一般化されており、データをキャッシングすることで動的データベースを高速化し、外部データソースのクエリ回数を減らすことができます。

利点

  • ミリ秒以下のレイテンシー

  • 毎秒数百万もの操作を実行できます

  • 大幅なパフォーマンスの向上—ディスクベースの代替案と比較すると 3~4 倍以上

  • よりシンプルな命令セット

  • 豊富なコマンドセットをサポート

  • あらゆるタイプのデータベース、リレーショナルまたは非リレーショナル、またはストレージサービスでも使用可能

ユースケース

  • キャッシュ (50% 以上のユースケースがキャッシュ)

  • セッションストア

  • リーダーボード

  • 地理空間アプリ (配車サービスなど)

  • パブ/サブ

  • リアルタイム分析

グラフデータベースは、セマンティッククエリにグラフ構造を使用する NoSQL データベースです。グラフは基本的にインデックスデータ構造です。特定のクエリの無関係なデータを読み込んだり、変更したりする必要はありません。グラフデータベースでは、データは、ノード、エッジ、およびプロパティの形式で保存されます。

利点

  • 頻繁にスキーマを変更する機能

  • 急増する膨大な量のデータを管理できます

  • リアルタイムのクエリ応答時間

  • 大小を問わず、関連データを照会するための優れたパフォーマンス

  • よりインテリジェントなデータアクティベーション要件に対応

  • 各クエリの明示的なセマンティクス—非表示の前提はありません

  • 柔軟なオンラインスキーマ環境

ユースケース

  • 不正検出

  • ソーシャルネットワーキング

  • レコメンデーションエンジン

  • 知識グラフ

時系列データベース (TSDB) は、タイムスタンプ付きデータまたは時系列データ用に最適化されています。時系列データは、他のデータワークロードと大きく異なります。通常、データは時間順の形式で到着します。データは追加専用で、常に一定の時間間隔でクエリが行われます。

利点

  • 長期にわたって追跡、モニタリング、集計する測定またはイベントに最適

  • 時系列データを迅速に蓄積するための高いスケーラビリティ

  • データ保持ポリシー、連続クエリ、柔軟な時間集計など、多くの機能に対する堅牢なユーザビリティ

ユースケース

  • DevOps

  • アプリケーションのモニタリング

  • 産業用テレメトリ

  • IoT アプリケーション

台帳データベースは、透過的で変更ができず、かつ暗号で検証可能なトランザクションログを提供します。このログは、中央にある信頼できる認証機関が所有します。多くの組織は、アプリケーションデータの正確な履歴を維持するため、台帳のような機能を備えたアプリケーションを構築します。

利点

  • アプリケーションデータの正確な履歴を維持

  • 変更不可で透過的

  • 暗号で検証可能

  • 高スケーラブル

ユースケース

  • 財務 - クレジットやデビットなどの台帳データを追跡

  • 製造 - サプライチェーンシステム間でデータを照合して、製造履歴全体を追跡

  • 保険 - 請求処理履歴を追跡

  • 人事業務および給与 - 従業員に関する詳細な記録を追跡および維持

クラウドデータベースの成功事例

dely株式会社

膨大なレシピ動画からの新たな出会いを Amazon SageMaker が実現。スタートアップに必要なスピード開発を実現するマネージドサービス活用。

アイシン・エィ・ダブリュ株式会社

エッジコンピューティングを用いた生産ラインの状態監視システムにより生産設備で発生する “いつもと違う状態” を自動で検出。人への負担を軽減し、生産性の向上を実現。

データは指数関数的に増加する

データは、使いこなすことが難しい代物です。さらに、データ量は急激に増加します。新しいソースから入ってきて多様化し、処理がますます難しくなっていきます。これらすべてを考慮した上で、企業が競争力の維持に必要なデータをリアルタイムにキャプチャ、保存、分析するにはどうすればよいでしょうか?

静的な分析ソリューションの課題

  • サイロ化

    データがサイロ化されていると、全体像を見るのはほとんど不可能です。

  • 遅延

    最新のデータに基いて分析を行わなければ、競争優位性を維持することはできません。

  • 高コスト

    分析プラットフォームにかかるコストよりもより高い価値を、インサイトから得られなければなりません。

  • リレーショナルのみ

    競争に勝ち抜くには、リレーショナルデータと非リレーショナルデータのすべてを、同じように分析する必要があります。

  • 煩雑さ

    誰も使用できない分析プラットフォームでは意味がありません。

  • 特定の人に限定

    データに基づいた決定を増やすために、誰もが分析できるようにする必要があります。

データレイクを使用して分析を改善

データレイクを使用すると、1 つの中央リポジトリに、当初の形式でデータを収集して保存できます。これにより、最適なスケール、柔軟性、耐久性、および可用性が提供されます。そして何よりも、すべてのデータに対する分析の実行が高速化され、よりスマートなインサイトが生まれます。

データ駆動型の組織を目指すなら
日本語ガイドをダウンロードして詳細を確認しましょう。

日本語ガイドを読む »

より最新の分析を使ってみませんか? 
新しいアーキテクチャを作成するための日本語ガイドをご覧ください。

日本語ガイドを読む »

データレイクでさまざまなタイプの分析を最適化

レトロスペクティブ分析とレポート作成から、即決を要するリアルタイムの処理、予測まで、データレイクはあらゆるタイプの分析に最適です。最も一般的なクラウドベースの分析タイプは次のとおりです。

  • 運用分析

    リソース計画、システム運用、機器の故障に一般的に使用される、既存の運用改善にフォーカスした分析をします。

  • ダッシュボードの視覚化

    財務、マーケティング、販売データなどが一目でわかる、レポート、ダッシュボード、およびインタラクティブなグラフを視覚化します。

  • クイックインタラクティブクエリ

    静的データを検索およびフィルタリングして、販売レポート、マーケティングプログラム、インベントリの状態、およびその他の結果を分析せずに返します。

  • ビッグデータ処理

    クリックストリームとログ分析または社会的センチメントを活用するための、巨大で複雑な、さまざまなデータセットを処理します。

  • リアルタイムストリーミング

    伝送中のストリーミングデータを保存する前に分析し、クレジットのスコア付け、不正行為の検出、サイバーセキュリティなどを可能にします。

  • スマートレコメンデーション

    機械学習アルゴリズムは、パターンと傾向についてデータを分析し、次のレコメンデーションや人的ネットワークなどの機能を有効にします。

  • 予測分析

    「購入傾向」および「次のアクションの可能性」に関するインサイトを提供するデータ分析およびモデリング機能で、将来のイベントを予測します。

データレイクの確実なケースを構築

  • より大きなストレージをより低コストで

    クラウドデータベース、データウェアハウス、データレイクにまたがる階層化ストレージにより、より少ないコストで、より多くのデータを保存することができます。

  • サイロを打ち壊す

    すべてのデータを、効率的で簡単にアクセスできるデータレイクに一元化します。

  • すべてのデータを分析

    すべてのデータを 1 か所にまとめることで、より深い正確な分析を生成できます。

  • データタイプの拡張

    構造化データ、非構造化データの両方を任意の形式で保存します。

  • 耐久性

    Amazon S3 は、複数のシステムにまたがるデータを自動的に作成して保存しており、99.999999999% のデータ耐久性を実現するように設計されています。

分析ユースケースの事例

株式会社ナビタイムジャパン

Amazon Athena を利用することでインフラコストを 75% 削減するとともに、セキュアで運用効率が高いログ分析基盤を確立。

全日本空輸株式会社

Amazon Redshift で次世代のデータ分析基盤を構築し、分析業務の大幅な効率化と高度化を実現。

機械学習 (ML) は期待値以上の結果を出せるか?

大手テクノロジー企業や学術研究機関だけでなく、すべての企業がクラウドコンピューティングと機械学習を利用できるようになりました。クラウドによって ML の実験とイノベーションに対する障壁が取り除かれたため、リスク回避型のビジネスでさえもクラウドを戦略の一部にしています。この動きはすでに転換点に達しており、これらの技術に対する最近の論調は、実際にビジネスへどれだけインパクトを及ぼせるのかという観点に移行しています。機械学習の適切な開始方法を見出すのは難しいかもしれませんが、まず、次のようないくつかの要因を考慮します。


機械学習をデジタルトランスフォーメーションの中心に据える

  • データ戦略から始める

    効果的な ML には、クリーンでアクセス可能なデータが必要です。そのために、開始前にデータハウスを整理しておく必要があります。

  • ビジネス上の課題を特定する

    ML により、どのようにお客様満足度を向上し、効率と生産性を高め、イノベーションを促進できるかを考えて、最適なユースケースを見つけます。


  • 機械学習パイロットを試してみる

    優先度の高いユースケースに焦点を当てたパイロットプロジェクトを評価して、必要なツール、スキル、予算を決定します。

機械学習 (ML)でイノベーションを始めましょう

ML にはさまざまな用途がありますが、ここではイノベーションの推進力として考えてください。分析を適切な ML システムに入力することで、レコメンデーションを提供したり、プロセスを改善するインサイトを自動的に適用できます。これにより、データフライホイールは、自立に必要な、大きな推進力を得ることができます。

詳細はこちら »


従来のブロックチェーン技術の使用方法とは

ブロックチェーン、および、さらに広く言えば台帳ソリューションは、それらの機能の一部にしかすぎませんが、数多くのさまざまな産業に大きな価値を提供しています。昨今、これらのブロックチェーンネットワークと台帳アプリケーションは、2 種類のビジネスニーズを解決するために使用されています。一つは一元的な所有権によるトランザクションの追跡と検証、もう一つは分散化された所有権によるトランザクションと契約の実行です。

詳細はこちら »

ブロックチェーンの真のニーズ

一元化された信頼機関を持つ台帳

単一の中央機関が所有する台帳の作成は、全業種共通のニーズです。この場合、台帳は透過的で不変であり、暗号的に検証可能なトランザクションログとして機能します。しかし、スケーラブルな台帳の構築は簡単ではありません。従来のアプローチは、リソースを大量に消費し、管理とスケーリングが難しく、エラーが発生しやすく不完全で、検証が不可能でした。解決策はブロックチェーンではなく、一元化された台帳です。Amazon QLDB を使用すると、このユースケースを専用の台帳データベースと連携させて、企業での使用に必要な透明性、セキュリティ、不変性、迅速性を実現できます。

分散型の信頼機関を持つトランザクション

ブロックチェーンは、信頼できる中央機関を必要とせず、複数のエンティティにわたってトランザクションを迅速に実行する必要がある場合に魅力的です。ただし、既存のフレームワークは設定が難しく、スケーリングが困難かつ管理が複雑で、運用に多額の費用がかかります。ブロックチェーンネットワークの各メンバーは、ハードウェアを手動でプロビジョニングしてソフトウェアをインストールしてから、アクセスコントロール用の証明書を作成および管理して、ネットワークコンポーネントを構成する必要があります。ブロックチェーンネットワークが実行されると、ユーザーはインフラストラクチャを継続的にモニタリングし、変化に対応する必要があります。Amazon Managed Blockchain は、これらの課題の解決に役立ちます。使用量の増加に応じてスケーリングするブロックチェーンの活用を開始して、信頼性を高め、耐久性を強化します。


ブロックチェーンと機械学習の事例

つくば市

つくば Society 5.0 社会実装トライアル支援事業において、ブロックチェーンとマイナンバーカードを活用した『ネット投票』を実施。

株式会社ニチレイロジグループ本社

AI を活用して冷蔵倉庫内のカメラ映像を分析する実証実験でフォークリフトやカゴ車などの追跡成功率 97% を達成。現場の作業員の負担を軽減し、持続的な物流の実現へ。

クラウドへのデータとワークロードの移行を開始する準備はできましたか?


AWS マネージド型データベースを開始する準備はできましたか?

AWS で専用データベースを構築する準備はできましたか?

分析用データレイクを構築する準備はできましたか?

新しい技術でイノベーションを開始する準備はできましたか?