Loading presentation...

Present Remotely

Send the link below via email or IM

Copy

Present to your audience

Start remote presentation

  • Invited audience members will follow you as you navigate and present
  • People invited to a presentation do not need a Prezi account
  • This link expires 10 minutes after you close the presentation
  • A maximum of 30 users can follow your presentation
  • Learn more about this feature in our knowledge base article

Do you really want to delete this prezi?

Neither you, nor the coeditors you shared it with will be able to recover it again.

DeleteCancel

Make your likes visible on Facebook?

Connect your Facebook account to Prezi and let your likes appear on your timeline.
You can change this under Settings & Account at any time.

No, thanks

ビッグデータが開く企業の未来

日経ビジネスイノベーションフォーラム(公開用)
by

Norihiko Nakabayashi

on 7 March 2013

Comments (0)

Please log in to add your comment.

Report abuse

Transcript of ビッグデータが開く企業の未来

ビッグデータが開く企業の未来 1848年~1849年 カリフォルニア州 Gold Rush 誰が富を獲得したか 情報を有効活用 道具を整備 行動・実行 蓄積 洞察 行動 「個」のレベルで顧客に対応する
顧客の嗜好の変化
顧客の行動の変化 行動から得られたデータを 俊敏で正確な 計画 フィードバック 分析 2000年頃のチーム(40人)の平均年俸 350万ドル 120万ドル 1勝にかけたコスト 打率 盗塁数 打点 野手 投手 球速 防御率 勝利数
セーブ数 一般的に重要視される指標 これらの指標と過去の経験から古参のスカウトマンが選手を選ぶ アスレチックスが重要視した指標 出塁率 長打率 選球眼 野手 投手 奪三振 与四球率 被本塁打
被長打 新しい指標で選手を分析してみると、
”良い”選手が多数の大学・アマチュア野球・他チームのマイナーリーグに埋もれていた 例外なく
高額な年俸 期待値に対して
割安な年俸 300万ドル 50万ドル (2000年~2002年平均) 同時期に最もコスト効率が悪かった球団 ~ビッグデータ時代へ~ ~分析を武器にする経営~ ~IBMのビッグデータアプローチ~ 世界のケータイ・スマホ=50億台 毎日10テラバイトずつ増大 2010年、ユーザー数が20億人を超える 出典:ITU 取引データ量=1テラバイト/日 無線ICタグ 13億個→300億個 2005年 2010年 Facebook 地球規模の観測データ ©NASA Volume Variety Velocity 毎日7テラバイト増大 クラウド環境の整備 クラウド環境の整備 学術研究 大型ハドロン衝突型加速器(LHC) CERNがスイス、ジュネーブ郊外に建設した高エネルギー領域実験施設。粒子の崩壊、素粒子の観測から宇宙の成り立ちを探る。1秒間に800万回の衝突が発生。 1日の実験データ=40テラバイト ©delaere ペタバイト エクサバイト ゼタバイト 2005年 1 Peta Byte 突破 2009年 1 Exa Byte 突破 2010年 1 Zetta Byte 突破
2011年 1.8 Zetta Byte = 100万ペタバイト 世界のデータ量は指数関数的に増大 ビッグデータは、これまでのデータベースとはデータの規模が根本的に異なる 多種多様なデータ形式で情報が蓄積 構造化されたデータと非構造化データが混在 ビッグデータの8割は非構造化データ 巨大な情報ストリーム
バッチ処理からリアルタイム処理へ 膨大な
センサー情報 Some 4,000 servers hum at IBM’s cloud computing center in San Jose, CA.
©Jason Madara ビッグデータ時代の「Gold」は何か? 企業内にある既存のデータベースを分析するだけでは、市場の変化を読み取ることは難しい 発見した「Gold」をどのように活かすのか? オークランド・アスレチックスのデータ分析活用 1勝にかけたコスト 「意思決定」に活かす ~洞察~ 膨張する交通データ インフラ整備・自動車保有台数の増大に従い 膨張する交通データ インフラ整備・自動車保有台数の増大に従い ビッグデータから洞察を得る Vestas Wind Systems ©Sam Churchill ヴェスタス・ウィンド・システムズ デンマークに本社を置く、世界最大の風力発電機の設計・製造・販売会社 風力発電機は設置場所によって
発電量と機器の寿命が大きく変わる 天候データ 地形データ センサー
データ 衛星写真 森林地図 気象モデル 構造化・非構造化データの混在 超大量データ:数ペタバイト 最適なタービン設置場所の割り出し 発電量の予測 ROIのシミュレーション メンテナンスのスケジュールを最適化 様々なところからデータがリアルタイムに発生 IBM製 商用スーパーコンピューター Firestorm 1979年以降、世界67ヶ国に44,500機の風力タービンを供給 1979年以降、世界67ヶ国に44,500機の風力タービンを供給 デンマークに本社を置く、世界最大の風力発電機の設計・製造・販売会社 + 1,222台の System x iDataPlex サーバーで構成 InfoSphere BigInsights 従来の構造化されたデータ 新しい種類の
非構造化データ 恒常的なデータ 変動的なデータ InfoSphere
BigInsights 「個」のレベルに対応する
ために必要な3つのエンジン 3週間かかっていた計算が15分で完了し、
素早く、正確な意思決定が可能になった 日本アイ・ビー・エム株式会社
インフォメーション・マネジメント事業部 ~「個」のレベルでの顧客対応がこれからの企業競争力に~ iTunes アルバム 2,000万枚分 全国128のテレビ局の全番組をデジタル録画で10万年分 2000年から2003年まで4年連続プレーオフ出場の快挙を達成 メジャーリーグチーム 私たちが目指す大きなビジョン N.Y証券取引所 ビッグデータの特徴 ビッグデータをビジネスに活用するとは…? アナリティクス活用の結果 増え続けるインターネットユーザー数 増え続けるインターネットユーザー数 分析から得られたこれまでとは異なる洞察 ユーザー数(百万人) 世界のインターネット普及率 潮汐データ 世界の情報量 PureData
Netezza みなさん来たるべき時代への準備は大丈夫ですか? 超大量の情報ストリーム 1日5時間で4500分 300分の1 アスレチックス インディアンズ N.Y ヤンキース アスレチックス すべての領域をフルカバー Twitter © 2008 Wagner T. Cassimiro Aranha © 2007 CERN 膨大な
センサー情報 新生児医療に見る
ビッグデータの活用例 1時間に1回程度で紙ベースのレポートにまとめ医師、看護師に伝達される ビッグデータの活用が
新たな機会を 医師が目視で判断 ディープ
アナリティクス リアクティブ
アナリティクス 変化する市場を味方にする データ分析 InfoSphere
Streams InfoSphere
Streams InfoSphere
BigInsights PureData
Netezza これまでは不可能とされた
精密なバイタルサインの取得 The Artemis Project - 2010 カナダ・オンタリオ工科大学 早産や低体重、その他何らかの疾患によって
生命力が十分でない新生児のための集中治療室 合併症や院内感染を防ぐためには
24時間以内の異常発見が求められる NICU 血圧、心拍数、呼吸、体温を筆頭に無数のバイタルサインをモニタリング 24時間(86,400秒)NICUの新生児数 10人 IBM ワトソン研究所 医学・医療技術の発展 カナダ・トロント大学 ”我々が直面する課題は、データが多すぎるということです。多忙を極めるNICUにおいて、提示される情報をすべて吸収し、治療に反映するには人間が処理できるキャパシティを超えてしまっているのです” トロント大学 アンドリュー・ジェームス医師 様々な医療機器や
センサーからの情報 InfoSphere
Streams InfoSphere
BigInsights データ統合 データのリサンプリング
データの増幅(近似) Model Validation
(パターン解析) Data Mining (洞察の発見) リアルタイムに異常を検知 例) 動脈血酸素飽和度<85% 観血的動脈血圧の20秒平均<在胎週数 + = 心肺停止の兆候 これまでよりも6時間~24時間、
早期に処置を施すことが可能に リアルタイムに異常を検知 ディープアナリティクスから
得られた分析モデルを登録 ビッグデータ
のガブ飲み ビッグデータからヒントを探る 3週間かかっていた計算が15分で完了し、
素早く、正確な意思決定が可能になった たとえば・・・ いたらどうなりますか? 紙で回ってくるか、スマートデバイスによる電子カルテとして回ってくるか、両者で大きな違いはない 紙で回ってくるか、スマートデバイスによる電子カルテとして回ってくるか、両者で大きな違いはない Netezza ディープアナリティクスによって様々な生体反応から相関関係を発見 センサーは毎秒1000項目を超える情報を生成 ビッグデータを
リアルタイムに処理 Smarter Planetの取り組みで
実証された数多くの実績を持つ
IBMのビッグデータソリューション 製造 環境 医療 インフラ 金融 農業 流通 様々な産業、流通、都市計画をよりスマートに IBMのアナリティクスは
あらゆる領域に活用可能 都市計画 Smarter Analytics ビッグデータを分析、
活用するための新しい
データベース・プラットフォーム Veracity データの矛盾、曖昧さによる不確実性、近似値を積み重ねた不正確さなど、本当に信頼できるデータで大切な意思決定が出来ているか? 2015年には80%のデータが不確かに Gold Rushに乗り遅れてませんか? 2年前、世界の経営者はこんなことを考えていました 2012年の現在、「顧客」を
より深く、より広く、より早く
知ることが重要な経営課題 「個」のレベルで顧客に応対する 市場分析だけでなく、構造化されていないデータであるレビューやブログ、ソーシャルメディアも分析対象として、顧客を「個」客ととらえ、その背後にある感情や状況も読み取る 経営者が重点的に投資する領域 「顧客に関する洞察」を得ることは
最も重要であり、最も困難でもある 顧客に関する必要な洞察とは? 答えは「ビッグデータ」の中に 常に顧客が期待する場所にいる 「ビッグデータ」からこれまで知らなかった顧客の姿を明らかにする より多くの声に耳を傾け焦点を絞って対応する 経営者がビッグデータに期待すること そう遠くない未来、 Volume Variety より深く より広く 4万以上のキーワードによる「個」の声を分析し新たな知見を得る Volume より深く 4,000万人を超える「個」と
年間7億枚レンタルされるDVDとの
より深いによる新たな機会の獲得 Volume Variety Velocity より深く より広く より早く Velocity より早く Variety より広く 「個」の声をリアルタイムに
分析しキャンペーンに反映 数多くの
先進的な
活用事例 世の中を良くするために 経営戦略 - 差別化のために 「個」客を パターンや密な相関関係の発見 ビッグデータの活用が企業の未来を開く鍵に
Full transcript