Microsoft Fabric 開発ガイド

Slide 1

Slide 1 text

Microsoft Fabric 開発ガイド 1.0版 2024.03.11 Microsoft MVP for Data Platform 永田亮磨 (ZEAL CORPORATION) X: @ryomaru0825 Linkedin: ryoma-nagata-0825 Qiita: ryoma-nagata

Slide 14

Slide 14 text

Microsoft Fabric エクスペリエンスとアイテム概要検知条件とアクションを定義し、アラートや Power Automate ワークフローの開始などの適切なアクションを自動的に実行 Reflex Pyspark を使いながら再現性を確保するライブラリ管理により機械学習実験を開発する実験・モデル機械学習コードの実行時にパラメータ、メトリック、モデル評価結果などをログに記録。実験の管理とモデルの管理を実施する業界をリードするパフォーマンスをもつ T-SQL ベースのデータウェアハウスエンジンウェアハウス Fabric 内外の構造化データと非構造化データを 1 か所で格納および管理できるデータアーキテクチャと分散処理エンジンレイクハウスノートブック・環境 Spark を Jupyter ライクなノートブック形式でコーディングし、大規模にデータ準備する Data Factory Synapse Data Engineering Synapse Data Warehouse Synapse Real-Time Analytics Synapse Data Science Power BI Data Activator さまざまなタスクを大規模に実行できるデータ処理のためのワークフローを構築データパイプラインデータフロー Gen2 Power Query をベースとしたローコードなインターフェースでデータを変換する 5 秒から 10 秒以内のニアリアルタイム分析に使用できるデータベースエンジン KQL データべースイベントストリームローコードでストリームデータを変換・統合メジャー、リレーションシップ、ビジネスにわかりやすい用語でのデータモデル表現により、データ分析の再利用性を高めるセマンティックモデルレポート多彩なビジュアル表現とAIによるインサイトで意思決定を支援する対話型BIレポートエクスペリエンスアイテム（成果物）データ統合様々なロケーションにあるデータシステムからデータを収集するコネクタをもち、 ETLプロセス全体のワークフローをパイプラインとして定義・実行するデータエンジニアリングデータレイクハウスを構成し、Apache Spark を使用した分散処理により、組織内のデータを変換・準備するデータウェアハウスペタバイトスケールで最高のパフォーマンスを備え、T-SQL べースで分析が可能なリレーショナルDWH を構築するデータサイエンス MLflow が統合された jupyter ライクな UI 上で機械学習モデルの学習と推論を行うことで分析情報を強化するビジネスインテリジェンス豊富なビジュアルと分析機能を使用して、データ探索の実施や企業の意思決定を迅速化するダッシュボードを構築するデータドリブン Fabric 上で作成した分析結果を監視、通知し、データとビジネスアクションを連動させることでデジタルフィードバックループを促進するリアルタイム分析時系列データに最適化されたデータベースに任意の形式のデータを迅速に取り込み変換し、ニアリアルタイムで分析クエリの実行、可視化役割ノートブック・環境

Slide 36

Slide 36 text

【生レイヤー】ゴールデンパターン • データストア選定（利用する Fabric アイテム）：レイクハウス • 非構造化ファイル、構造化データ双方の投入を要するため、後者のみが対象となるウェアハウスは不適となる※非構造化ファイルのLanding/Upload領域については、2024/2 現在、オンプレミス NWからのファイルtoファイルの連携に対応していないため過去データのLanding保管にのみ利用 • データストアの粒度と公開範囲： • Uploadレイクハウス（オプション）：N個構成し、Upload領域は開放したいユーザーグループ単位でワークスペースをわけて公開する（現在詳細なアクセス制御が不可のため） • Rawレイクハウス：1つ構成し非公開で運用する • ディレクトリ・テーブルの構成(テーブルのデータモデル＝項目設計についてはデータモデリングの章を参照) • 生ファイル • Upload：ユーザー側からアップロードする場合に利用する。ユーザーにとって使いやすい構造でフォルダを検討する • Landing：landing/{データの種別（トランサクション系/ログ系など）}/{データソースシステム名}/{テーブル名}/{フォーマットバージョン}/{連携種別}/{ジョブ実行日}/{ジョブ実行タイムスタンプ} のようなフォルダ構造を検討する • 生データ • Input：データソースあるいはランディングから連携したレコードを格納する。 • Output：ステージング-inから対象のタイミングの連携データを抜き出し、重複排除、型変換したデータを格納する • Error：必須項目の欠如や、型変換などのクレンジング処理で異常とみなされたデータを格納する生レイヤーレイクハウス：LH_[事業部略称]_[PJコード]_Upload レイクハウス：LH_[事業部略称]_[PJコード]_Raw 任意の Upload用フォルダ・・・ landing/ {データの種別（トランサクション系/ログ系など）}/ {データソースシステム名}/{テーブル名}/ {フォーマットバージョン}/{連携種別}/ {ジョブ実行日}/{ジョブ実行タイムスタンプ} error_[データソースシステム名]_[テーブル名ローマ字表記] input_[データソースシステム名]_[テーブル名ローマ字表記] output_[データソースシステム名]_[テーブル名ローマ字表記] ・・・・・・

Slide 41

Slide 41 text

データモデリング手法と用語の整理 • 用語 • 正規化：本書では、テーブル間の値の重複を無くし、エンティティが主キーで分離されている状態を指す • 非正規化：本書では、主キーで分離されていたエンティティがまとめられている状態を指す。 • データモデリング手法 • 3NF（第3正規化） • 業務システムなどで基本となる一般的なデータモデリング • キー情報以外が重複なく格納され、ストレージコストが低く、更新時の不整合を防ぐメリットがある。 • ディメンショナルモデリング（参考：スタースキーマと Power BI での重要性を理解する - Power BI | Microsoft Learn） • DWH （データマート）のモデリング手法として有名なデータモデリング • 集計対象の測定項目を持つ Fact と集計軸をもつ Dimension の2種類のテーブルを基本にして形成する。 • 分析粒度に合わせて非正規化をするため、難易度は高いが、パフォーマンスに利点があるとされ、Power BI では推奨 • フラットワイドテーブル（大福帳形式） • レポートツールのソースとしてよく利用されるデータモデリング • 主となるトランサクションテーブルにマスタ項目を付与していくことで非正規化を行い、1つのテーブルで分析対象を表現する。 • ストレージコストが肥大化しやすく、Power BI では複雑なメジャーを形成する際に誤った項目の導出につながる場合がある • Data Vault 2.0 (参考：Azure 上の Data Vault 2.0 (microsoft.com)) • DWH のモデリングとして新興した手法 • ハブ、サテライト、リンクという形にテーブルを分解し、すべてのデータを履歴保存可能にする • 一部のツールでフレームワーク化されているが、まだ難易度は高い

Slide 52

Slide 52 text

データ処理領域（データ統合）における Microsoft Fabric 機能について • Microsoft Fabric でデータ処理機能（データ統合）は主に • 「T-SQL(ウェアハウス)」、「Spark (ノートブック)」、「データパイプライン」、「データフロー Gen2」、「イベントストリーム」の5点 • それぞれの機能差を以下に記載する • 参考：Fabric の決定ガイド - コピーアクティビティ、データフロー、または Spark - Microsoft Fabric | Microsoft Learn # 観点 T-SQL(ウェアハウス) Spark (ノートブック) データパイプラインデータフロー Gen2 イベントストリーム 1 主要なユースケースデータ探索、データ変換/更新データ探索、データの変換/更新、データ取込ファイルコピー、データ取込、データ変換（一部）、各変換の順序制御データ探索、データの変換/更新、データ取込リアルタイムデータ取得、データの変換/更新、データ取込 2 インターフェース SQL Spark GUI GUI GUI 3 データ探索〇〇 × 〇 × 4 データ変換の複雑さ低～高低～高低（ウェアハウスSQLをソースとして可能）低～高低 5 データ取込頻度バッチニアリアルタイム～バッチバッチバッチニアリアルタイム 6 ソース Fabric 内：〇 Fabric 外：×（Public なファイルは可能） Fabric 内：〇 Fabric 外：〇 (Spark 準拠) Fabric 内：〇 Fabric 外：〇 Fabric 内：〇 Fabric 外：〇 Fabric 内：〇 Fabric 外：〇（ストリームソースのみ） 7 あて先レイクハウス：× ウェアハウス：〇 KQLデータベース：× レイクハウス：〇ウェアハウス：× KQLデータベース：〇レイクハウス：〇ウェアハウス：〇 KQLデータベース：〇その他クラウドデータストアなどレイクハウス：〇ウェアハウス：〇 KQLデータベース：〇その他Azure SQLDBなどレイクハウス：〇ウェアハウス：× KQLデータベース：〇

Slide 56

Slide 56 text

取得範囲と更新方法について • データ連携の具体的実装は「連携されるデータの範囲」とそのデータを用いた「更新方法」の組み合わせにより決まる。主要な例は以下 • 例①「マスタ情報を最新化する」：全件連携×全件更新 • 例②「連携されたデータを毎回履歴として残す」：全件連携×単純増加 • 例③「更新先の更新日付より後に更新のあったレコードのみ連携し、マスタ情報を最新化する」：更新の差分連携×差分更新 • 例④「直近2か月間のデータを洗い替える」：増分の差分連携×増分更新取得範囲 • 全件 • ソースシステム内のデータを取得する • データ量が日々増加するようなテーブルでは処理時間への影響が大きい • 差分 • 更新の差分 • ソースシステム内で更新（新規発生を含む）のあったデータのみを取得する。 • PKがあるデータにのみ適用可能 • すでに取得済みのデータの更新日より新しい更新日のみで抽出するなど › 例）更新されたマスタ情報を連携 • 増分の差分 • ソースシステム内で特定の期間内で発生したデータのみを取得する • PKがないデータにも適用可能 › どの日付がデータの発生した日を表すのかを特定する必要がある • 更新の差分が取得済みのデータの更新日と比較することに対して、増分では、連携を実施する日などに対して比較をし、特定の期間での取得をする › 例）前月と当月の売上データを連携更新方法 • 全件更新（Overwrite）：すべてを洗い替え • 利用シーン • マスタデータなど大きくないデータにおいて毎日の状態を反映するとき • データマートなど、粒度が変わりPKがなくなったり、スキーマの変更が頻繁な領域 • 単純増加（Append）：更新しない • 利用シーン • ログデータなど、PKや更新の必要性自体を持たないデータ向け • Raw領域などで、毎日連携した記録を残すためなど • 差分更新(Upsert)：PKで更新 • 利用シーン • 連携データのコピーとなる領域（Enrich）で最新の状態を反映するとき • 連携方式によって物理削除に対応できない点に注意 • 増分更新（Overwrite partition）：PKではなく期間で更新 • 利用シーン • PKがないが、データ量をおさえたいとき • データソースシステムで発生する物理削除を反映したい場合に検討する

Slide 74

Slide 74 text

外部連携におけるゴールデンパターン • 外部データがinputテーブルに投入されるまでで推奨となる方式を主要なシナリオ別に以下に記載する • 単純な連携ではデータパイプラインの利用がパフォーマンス面とファイル管理面で優位だが、オンプレミスデータゲートウェイを使用できないためはDataflow Gen 2に統一 # シナリオ From To Push/Pull 方式適用する変換内容備考 1 ユーザーからのアップロードクライアントPCなど Uploadレイクハウス（生ファイル Upload） Push OneLake ファイルエクスプローラーなし 2024/2時点ではフォルダアクセス制御が不可のため可能になるまではゴールデンパターン対象外 Uploadレイクハウス（生ファイルUpload） Rawレイクハウス (生ファイルlanding) Pull データパイプラインなし（ファイルの整列のみ） Rawレイクハウス (生ファイルlanding) Rawレイクハウス（生データinput） Pull Dataflow Gen 2 （ステージング無効）フォーマット変換 2 システムからの直接データ収集クラウドストレージ Rawレイクハウス (生ファイルlanding) - OneLake ショートカットなし Rawレイクハウス (生ファイルlanding) Rawレイクハウス（生データinput） Pull Dataflow Gen 2 （ステージング無効）フォーマット変換 3 社内環境上のファイルからのデータ収集（csv/json/Excel）ファイルサーバーなど Rawレイクハウス（生データinput） Pull Dataflow Gen 2 ＋オンプレミスデータゲートウェイフォーマット変換 4 社内システムからの直接データ収集データベースなどのシステム Rawレイクハウス（生データinput） Pull Dataflow Gen 2 ＋オンプレミスデータゲートウェイ(or Vnet データゲートウェイ) フォーマット変換 5 SaaS サービスなどからの直接データ収集 Web サービスなど Rawレイクハウス（生データinput） Pull Dataflow Gen 2 （ステージング無効）フォーマット変換 6 センサーデバイスなどからのデータ収集センサーアプリやクラウドのハブサービスなど Rawレイクハウス（生データinput） Push イベントストリームフォーマット変換可視化の際にリアルタイム性が重要な場合、KQLデータベースへの連携を推奨

Slide 76

Slide 76 text

内部連携におけるゴールデンパターン • Raw_input以降の内部連携について主要なシナリオ別に推奨を記載する # シナリオ From To 方式適用する変換内容備考 1 生レイヤー内でのクレンジング Rawレイクハウス（生データinput） Rawレイクハウス（生データoutput） Spark ノートブックのアタッチクレンジング Rawレイクハウス（生データinput） Rawレイクハウス（生データError） Spark ノートブックのアタッチクレンジング（品質不良データのふりわけ） 2 整備済みレイヤー内での未加工テーブル、派生テーブルの生成 Rawレイクハウス（生データoutput） Enrichレイクハウス (スタンダードデータ) Spark ノートブックのアタッチなし Enrichレイクハウス (スタンダードデータ) Enrich レイクハウス (派生・強化データ) Spark ノートブックのアタッチプレパレーション 3 消費レイヤー内での BI用テーブル生成 Enrich レイクハウス (スタンダード・派生・強化データ) Curateレイクハウス (ショートカット) OneLakeショートカットなし ※Phase1のみ消費レイヤ用のウェアハウスと整備済みレイヤーのレイクハウスは同一ワークスペースであるため、ショートカットは使用していない Curateレイクハウス (ショートカット) Curateウェアハウス (BI用のテーブル) ウェアハウスのクロスデータベースクエリプレパレーション 4 消費レイヤー内でのデータサイエンス用テーブル生成 Enrich レイクハウス (スタンダード・派生・強化データ) Curateレイクハウス (ショートカットデータ) OneLakeショートカットなし Curateレイクハウス (ショートカットデータ) Curateウェアハウス (特化データデータサイエンス用) Spark ノートブックのアタッチプレパレーション 5 消費レイヤー内での GUIデータ生成 Enrich レイクハウス (スタンダード・派生・強化データ) Curateウェアハウス (特化データ BI用) Dataflow Gen2 プレパレーションコード記述が難しい場合に採用

Slide 77

Slide 77 text

連携範囲と更新方法のゴールデンパターン • 連携範囲と更新方法について主要なシナリオ別に推奨となる例を記載する # シナリオ From 連携範囲の取得方法 To 更新方法備考 1 更新日付をもつデータの連携データソースシステムスタンダードテーブル上のレコードがもつ更新日付より後のデータを取得（またはファイルとして提出） Rawレイクハウス（Input/Error/Output）単純増加この時点で連携タイミングを付与して後続に同じデータ量を渡す Rawレイクハウス（Output）対象の連携タイミングのデータを抽出 Enrichレイクハウス (Standard) 差分更新 2 物理削除のあるデータの差分連携データソースシステム対象期間のデータを抽出（またはファイルとして提出） Rawレイクハウス（Input/Error/Output）単純増加 Rawレイクハウス（Output）対象の連携タイミングのデータを抽出 Enrichレイクハウス (Standard) 増分更新 3 差分取得が難しいデータの連携データソースシステムその時点の全件を取得（またはファイルとして提出） Rawレイクハウス（Input/Error/Output）単純増加 Rawレイクハウス（Output）対象の連携タイミングのデータを抽出 Enrichレイクハウス (Standard) 全件更新 4 履歴化テーブルの生成 Rawレイクハウス（Output）派生・強化テーブル上のもつ更新日付より後の連携タイミングのデータを抽出 Enrichレイクハウス (Enrich) 差分更新履歴化テーブルの内容についてはデータモデリングの章で解説 5 BI用のテーブルの生成 Enrichレイクハウス (Standard or Enrich) 生成対象範囲を取得 Curateウェアハウス (BI用のテーブル) 全件更新全件更新に耐えられない場合、増分更新検討するが、BI要件は変更要求が多くなる傾向があるため、ロジック変更に対応しやすい全件更新から開始することを推奨する 6 派生テーブルや、消費レイヤー上のテーブル Enrichレイクハウス (Standard) 生成対象のテーブルの要件により決定

Slide 84

Slide 84 text

セマンティックモデルのストレージモードの比較 # 観点 Import Direct Query Direct Lake 1 説明 Power BI サービス（Fabric）上にデータをインメモリ保持するストレージモード Power BI サービス（Fabric）上にデータをもたず、常に外部データソースを参照するストレージモード Import の利点「インメモリ保持による高速応答」と、Direct Queryの利点「常にデータベースの最新データを表示できる」の二つの利点を併せ持つ Fabric 限定の新しいストレージモード 2 データソースレイクハウス SQL エンドポイント or ウェアハウスに加えて、Power BI Desktop のコネクタに準拠レイクハウス SQL エンドポイント or ウェアハウスに加えて、Power BI Desktop のコネクタに準拠レイクハウス SQL エンドポイント or ウェアハウスのみ 3 レポート操作時などのクエリ応答速度高速低速高速 4 表示可能なデータ鮮度モデル更新時点のデータ常にデータソースの最新情報常にレイクハウス SQL エンドポイント or ウェアハウス最新状態 5 制限 Direct Query への変更は不可メモリサイズに上限あり（メモリサイズは完全更新時に元のモデルの約2倍必要） Power BI Desktop上での変換や、利用できるDAXなどオンデマンドでメモリ上のデータを更新するが、メモリにキャッシュしきれない量のデータは Direct Query で動作する（既定の動作） 6 最適化のポイントセマンティックモデルのサイズ削減データソース側のモデリング、チューニングウェアハウスのモデリングおよびセマンティックモデルのサイズ削減 7 その他の利点データを腹落ちしないためデータの地理的な移動制限がある場合に有効 8 備考モデル内のテーブル単位でDirect Query と Import を設定された複合モデルを構成可能

Slide 93

Slide 93 text

Power BI における可視化作業と分析成果物のマッピング # 観点レポート改ページ対応レポートダッシュボードアプリ探索スコアカード 1 可視化の分類対話型レポート定型帳票ダッシュボードなしデータ探索スコアカード 2 概要とリンク複数のビジュアル、ページにより分析のストーリーを表現するレポート (link) 複数ページにまたがり、正確にレイアウトが調整されたレポート(link) 複数のレポート、ビジュアルをピン止めし、一つの画面にまとめる(link) レポートやダッシュボードを組織内の他のユーザーと共有するためのパッケージ(link) Pivot 形式を中心にデータを動的に分析し、視覚的な形で結果を把握する(link) 特定の指標をメトリックとして設定、追跡し、目標管理を行う(link) 3 開発方法 Power BI Desktop や Power BI サービス Power BI Report Builder や、Power BI サービス Power BI サービス Power BI サービス Power BI サービス Power BI サービス 4 制約 1つのセマンティックモデルのデータのみ利用可能 Power BI サービス上での開発は簡易なものに限定されるフィルタなどの操作は基本不可１つのワークスペースでは1つのアプリとなる一部のビジュアルに制限あり 5 他の成果物との連動 - ダッシュボードにピン留め可能 - アプリに含めることが可能 - アプリに含めることが可能 - アプリに含めることが可能複数の成果物を含めることが可能不可 - アプリに含めることが可能 - レポートに含めることが可能 6 容量ライセンス要否不要不要不要不要要不要 7 備考フィルタリングやドリルダウンを行うことができる。印刷や PDF 生成に最適化されている一目で全体の状況を把握するために最適化されているオーディエンス設定により表示されるコンテンツを制御可能

Slide 98

Slide 98 text

Fabric におけるデータサイエンスタスクと機能のマッピング • ビジネス要求の理解以外のデータサイエンスタスクと Fabric の機能を以下にマッピングする *デプロイに関してリアルタイム推論エンドポイントやモデル監視は現在Fabricの対応外 Fabric 機能データの取得と理解モデリングデプロイ* 説明レイクハウス〇 - - レイクハウスを構成することで機械学習モデルのソースとなる非構造化～構造化データを扱うことができます。また、ショートカットを通して、組織内のデータへのアクセスポイントを作成可能ですイベントストリーム〇 - - ストリームデータをレイクハウスに転送することが可能です。 Spark ノートブック〇〇〇 Spark により、データ探索ならびに特徴量データの準備をはじめ、機械学習のモデルトレーニングやテスト、バッチ推論といったデータサイエンスの主要なタスクがカバーされます。また、データラングラーにより GUI ベースでデータ内容の確認とPandasコード生成することも可能です。データフロー Gen2 〇 - - GUIによるデータの取得と変換が可能です。データパイプライン〇〇 - データの転送や、各データサイエンス処理についての自動化されたワークフローを管理します Power BI レポート / 探索〇 - - 豊富なビジュアルでデータの傾向や異常値を容易に発見すること可能です。実験 - 〇 - Spark ノートブックと統合された MLflow により、モデルトレーニング時のアルゴリズムや、テストメトリックを詳細に記録管理することが可能です。モデル - 〇〇機械学習モデルを評価メトリックと共にバージョン管理したり、推論時にロードすることが可能です。

Slide 112

Slide 112 text

Power BI アイテムの共有方法 • Power BI アイテム(レポート、セマンティックモデル、ダッシュボードなど)には4つの共有方法がある。一部を除き、ワークスペースロール付与以外での共有は読取アクセス専用の共有となる • 共有時には追加の権限設定が可能 • 再共有の許可：共有されたユーザーがさらに別のユーザーに共有する権限の追加 • ビルドアクセス許可（レポート、アプリのみ）基になったセマンティックモデルを使用した別のレポートの作成を許可する権限の追加 • 編集アクセス許可（セマンティックモデルのみ）：編集権限を追加 • ワークスペースロールから継承された権限の部分削除は不可であることに注意 • 参考 • セマンティックモデルのアクセス許可 - Power BI | Microsoft Learn • 同僚や他のユーザーと Power BI レポートやダッシュボードを共有する - Power BI | Microsoft Learn • Power BI でアプリを発行する - Power BI | Microsoft Learn # アクセス制御種別説明備考 1 アプリの発行による権限付与レポート、ダッシュボードをアプリとして発行し、対象ユーザーを選択することで読み取りアクセスを許可する。組織全体への共有が可能 2 ワークスペースロールの付与対象ユーザーにワークスペースロールを付与することで、編集を含む権限を付与する 3 直接アクセス権限の付与対象ユーザーに直接権限を付与する 4 共有リンクの発行(ダッシュボードorレポートのみ) 読取アクセス（および追加の権限が設定された）可能なリンクを作成する組織全体への共有が可能テナント設定で組織全体の共有リンクの作成を無効化可能エクスポートと共有のテナント設定 - Microsoft Fabric | Microsoft Learn

Slide 121

Slide 121 text

補足）環境ごとのアクセス権の使い分け例 • 成果物のステータスにより、環境に対して必要なアクセス権は異なる点も考慮することを推奨 # ユーザー種別開発環境テスト環境本番環境理想的な状態 1 システム管理者ワークスペース管理者ワークスペース管理者ワークスペース管理者すべての環境について、フルアクセス権限を持つが、可能なら Just-in-time アクセスなどの特権管理措置を用いることが望ましい 2 リリース用のアカウントワークスペースメンバーワークスペースメンバーワークスペースメンバーすべての環境について、リリースができるための権限を持つが、自動化用の無人アカウントとして運用する 3 開発者（データエンジニア、データサイエンティスト、BIアナリスト）ワークスペースメンバーワークスペースメンバー (リリース用アカウントを構成できる場合はビューアー＋ReadAll のみ) ワークスペースメンバー (リリース用アカウントを構成できる場合はビューアー＋ReadAll のみ) 環境の認識ミスによる事故を防ぐため、可能であれば本番環境へは直接の編集権限を持たないことが望ましい 4 成果物レビュアービューアー Power BIアイテム：アプリによる配布 Fabric アイテム：直接アクセス権限 Power BIアイテム：アプリによる配布 Fabric アイテム：直接アクセス権限開発環境において、成果物のブラッシュアップをするための権限と、テスト環境でビジネスユーザーと同等のシナリオを実施するための権限構成を検討する 5 コンテンツ利用者（ビジネスユーザーが中心）アクセス権なしアクセス権なし Power BIアイテム：アプリによる配布 Fabric アイテム：直接アクセス権限本番環境において、コンテンツの配信方法に沿ったアクセス権をもつ開発者属性のユーザーであっても、別の開発者の配信するコンテンツに対してのコンテンツ利用者となる場合がある

Slide 1

Slide 1 text

Slide 2

Slide 2 text

Slide 3

Slide 3 text

Slide 4

Slide 4 text

Slide 5

Slide 5 text

Slide 6

Slide 6 text

Slide 7

Slide 7 text

Slide 8

Slide 8 text

Slide 9

Slide 9 text

Slide 10

Slide 10 text

Slide 11

Slide 11 text

Slide 12

Slide 12 text

Slide 13

Slide 13 text

Slide 14

Slide 14 text

Slide 15

Slide 15 text

Slide 16

Slide 16 text

Slide 17

Slide 17 text

Slide 18

Slide 18 text

Slide 19

Slide 19 text

Slide 20

Slide 20 text

Slide 21

Slide 21 text

Slide 22

Slide 22 text

Slide 23

Slide 23 text

Slide 24

Slide 24 text

Slide 25

Slide 25 text

Slide 26

Slide 26 text

Slide 27

Slide 27 text

Slide 28

Slide 28 text

Slide 29

Slide 29 text

Slide 30

Slide 30 text

Slide 31

Slide 31 text

Slide 32

Slide 32 text

Slide 33

Slide 33 text

Slide 34

Slide 34 text

Slide 35

Slide 35 text

Slide 36

Slide 36 text

Slide 37

Slide 37 text

Slide 38

Slide 38 text

Slide 39

Slide 39 text

Slide 40

Slide 40 text