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
AI Coding Agentのセキュリティリスク:PRの自己承認とメルカリの対策
s3h
0
200
アプリの "かわいい" を支えるアニメーションツールRiveについて
uetyo
0
230
MCPとデザインシステムに立脚したデザインと実装の融合
yukukotani
4
1.4k
請來的 AI Agent 同事們在寫程式時,怎麼用 pytest 去除各種幻想與盲點
keitheis
0
120
Android端末で実現するオンデバイスLLM 2025
masayukisuda
1
140
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
250
2025 年のコーディングエージェントの現在地とエンジニアの仕事の変化について
azukiazusa1
24
12k
Vue・React マルチプロダクト開発を支える Vite
andpad
0
110
ソフトウェアテスト徹底指南書の紹介
goyoki
1
150
意外と簡単!?フロントエンドでパスキー認証を実現する WebAuthn
teamlab
PRO
2
740
もうちょっといいRubyプロファイラを作りたい (2025)
osyoyu
1
430
今だからこそ入門する Server-Sent Events (SSE)
nearme_tech
PRO
2
140
Featured
See All Featured
実際に使うSQLの書き方 徹底解説 / pgcon21j-tutorial
soudai
PRO
188
55k
[RailsConf 2023 Opening Keynote] The Magic of Rails
eileencodes
30
9.7k
The Myth of the Modular Monolith - Day 2 Keynote - Rails World 2024
eileencodes
26
3k
For a Future-Friendly Web
brad_frost
180
9.9k
Principles of Awesome APIs and How to Build Them.
keavy
126
17k
Done Done
chrislema
185
16k
Intergalactic Javascript Robots from Outer Space
tanoku
272
27k
We Have a Design System, Now What?
morganepeng
53
7.8k
Product Roadmaps are Hard
iamctodd
PRO
54
11k
Making the Leap to Tech Lead
cromwellryan
135
9.5k
Designing for humans not robots
tammielis
253
25k
Visualizing Your Data: Incorporating Mongo into Loggly Infrastructure
mongodb
48
9.7k
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