Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
情報系システムで生き残る
Search
A.K.A Tony Morris
April 08, 2016
Programming
0
150
情報系システムで生き残る
雑兵MeetUp #4 エイプリルフーLT 向けの資料です。
A.K.A Tony Morris
April 08, 2016
Tweet
Share
More Decks by A.K.A Tony Morris
See All by A.K.A Tony Morris
The Best Moment Of SKE48 2017
hiratatom
0
110
SKE48とセットリスト
hiratatom
0
130
ふくらはぎ。
hiratatom
0
140
COBOLミートアップ #1
hiratatom
0
120
トニーモリスの総選挙参戦記
hiratatom
0
350
んんんまなつぅ
hiratatom
0
1.5k
ミニマリストのためのAlpine
hiratatom
2
6.7k
Tony Morris Meet Up
hiratatom
0
300
Other Decks in Programming
See All in Programming
今から始めるClaude Code入門〜AIコーディングエージェントの歴史と導入〜
nokomoro3
0
200
Testing Trophyは叫ばない
toms74209200
0
880
より安全で効率的な Go コードへ: Protocol Buffers Opaque API の導入
shwatanap
1
190
AIと私たちの学習の変化を考える - Claude Codeの学習モードを例に
azukiazusa1
10
4.3k
Rancher と Terraform
fufuhu
2
550
私の後悔をAWS DMSで解決した話
hiramax
4
210
Updates on MLS on Ruby (and maybe more)
sylph01
1
180
テストコードはもう書かない:JetBrains AI Assistantに委ねる非同期処理のテスト自動設計・生成
makun
0
400
MCPでVibe Working。そして、結局はContext Eng(略)/ Working with Vibe on MCP And Context Eng
rkaga
5
2.3k
アルテニア コンサル/ITエンジニア向け 採用ピッチ資料
altenir
0
110
ProxyによるWindow間RPC機構の構築
syumai
3
1.2k
rage against annotate_predecessor
junk0612
0
170
Featured
See All Featured
Understanding Cognitive Biases in Performance Measurement
bluesmoon
29
1.9k
A Tale of Four Properties
chriscoyier
160
23k
Making Projects Easy
brettharned
117
6.4k
Refactoring Trust on Your Teams (GOTO; Chicago 2020)
rmw
35
3.1k
GraphQLとの向き合い方2022年版
quramy
49
14k
The Success of Rails: Ensuring Growth for the Next 100 Years
eileencodes
46
7.6k
What's in a price? How to price your products and services
michaelherold
246
12k
実際に使うSQLの書き方 徹底解説 / pgcon21j-tutorial
soudai
PRO
188
55k
[Rails World 2023 - Day 1 Closing Keynote] - The Magic of Rails
eileencodes
36
2.5k
The Web Performance Landscape in 2024 [PerfNow 2024]
tammyeverts
9
810
Facilitating Awesome Meetings
lara
55
6.5k
How to Create Impact in a Changing Tech Landscape [PerfNow 2023]
tammyeverts
53
2.9k
Transcript
情報系システムで生き残る
自己紹介 • トニーモリスはビジネスネーム • SIer勤務 • DWH、Business Intelligenceの仕事がメイン • 流行の言葉で言うと、Big
DataとかAnalitics • 職種はプロジェクトマネージャーまたはアーキテクト(プロジェクトによる)
情報系システムとは • 企業に蓄積されているデータを用いて企業経営に役立つ情報を提供する システム • 対義語は基幹系システム • ワードとしては、Data Warehouse、Business Intelligence
Analytics、Big Data、Cognitive Computing など • 最近はSystem Of Engagementと呼んだりする • 対義語はSystem Of Record • 今日は伝統的な情報系システムについてお話します • 機械学習、自然言語処理、統計学等の最新技術についてはお話しません • 情報系システムにアサインされてしまったら、要件定義・設計はどうすれば よいか、についてお話します
DWHで使用するデータモデルはスタースキーマが基本 4 スタースキーマであれば、様々な分析に対応しやすい 分析に関し、ある意味を持つデータの塊を「サブジェクト」と呼ぶ。1スタースキーマ=1サブジェクトで構成する バッチのカスタムアプリまたはETLツールを用い、ソースデータを下記のようなテーブルに格納しておくことが必要 POS 店舗CD
レジ番号 販売日付時刻 取引番号 商品(JAN) 顧客CD 数量 金額 店舗 店舗CD 市町村 都道府県 タイプ レジ レジ番号 フロア 販売日付時刻 販売日付時刻 時間帯 日 月 年 曜日 商品 商品(JAN) 部門 セグメント 顧客 顧客CD 性別 年代 ランク 市町村別・部門別・曜日別売上推移 顧客ランク・商品別・月別売上数量ランキング (例) ファクトと呼ぶ ディメンジョン と呼ぶ
スタースキーマをどうやって設計するか 5 小売業における売上分析を例にとって説明する POS 店舗CD レジ番号 販売日付時刻 取引番号 JAN
顧客CD 数量 金額 ①サブジェクト(この場合は「売上」) に対応するデータを特定する ②その内容をファクトテ ーブルとして定義する ③分析軸と集計 項目を特定する ③分析軸にディメ ンジョンを追加する ※顧客IDは重要な分 析軸のため 各社ポ イントカードに力を入れ る 集計項 目 分析軸 カウントして顧客数 【店舗】 ①店舗CD<市町村<都道府県 ②店舗CD<タイプ(大型、小型等) 【レジ番号】 ①レジ番号<フロア 【販売日付時刻】 ①販売日付時刻<年月日<月<年 ②販売日付時刻<時間帯 ②販売日付時刻<曜日 【商品】 ①JAN<部門 ②JAN<商品セグメント 【顧客】 ①顧客CD<性別 ②顧客CD<年代 ②顧客CD<ランク(過去の売上)
• OLTPシステムより難易度は低いです • 安心して取り組んでください