(レポート) Developers Summit 2015 Autumn S-6:AWSで作るオムニチャネル戦略実現のためのマーケティング・プラットフォーム #devsumi

本記事はDevelopers Summit 2015 AutumnのS-6セッション、「AWSで作るオムニチャネル戦略実現のためのマーケティング・プラットフォーム」のレポートです。

レポート

AWSで作るオムニチャネル戦略実現のためのマーケティング・プラットフォーム by クラスメソッド株式会社 八幡 豊氏

・ビッグデータ分析ソリューションのご紹介 ・2011年からAWS関連ビジネスを開始 ・2013年、Amazon Redshiftが一般公開されたことがきっかけ、データ分析へのニーズの高まりがあり、ビッグデータ分析のビジネスを開始 ・ビッグデータ分析基盤のお客様からのニーズ、期待。 ・企業内の様々なシステムでDBが分散。もっと自動化して工数を削減したい。 ・データの増加。データが大きくなりすぎて処理時間が追いつかない。 ・今すぐビッグデータ分析を行いたい。

・そういったお客様のニーズに応えるためのソリューション「カスタマーストーリーデータ」 ・企業にある様々なデータを集約して分析する基盤。 ・CSデータの特徴。 ・AWSと複数社のサービスを組み合わせて提供。導入企業に合わせて最適なものを選択してパッケージ化。 ・安く、早く、スケーラブルに対応できるソリューション。 ・分析対象。 ・企業のあちこちにストアされたデータ。POSデータや会計データなど。それらを収集して分析する。 ・集めて分析。Webサイトのログやセンサーのデータなどを集めて、分析する。 ・CSデータの構成要素。RedshiftとTableauがシステムの中心。

・実際の構成例。 ・企業内のデータをS3にアップロード、ETLでデータを整形、Redshiftにロード。Tableauで可視化。 ・インターネット上にある非構造化されたデータ。Treasure Dataにてデータを集約、変換し、Redshiftにロード、Tableauで可視化。 ・センサー機器のデータ。Kinesisでデータのリアルタイム処理、Redshiftにロード、Tableauで可視化。 ・ポイントはデータを全てRedshiftに集約するということ。S3をデータにストアし、サービス間を疎結合にする。 ・Redshift内で中間マートを作り、Tableauからの参照では転送されるデータ量を減らすようなことをしている。 ・事例。 ・資生堂様のPOSデータ分析基盤。一ヶ月くらいで基盤構築、すぐに使って頂いた。 ・あんきんどスシロー様。Kinesisを活用。すし皿にICタグを取り付け、すし皿のデータを持ってきて来店状況、オペレーション状況をリアルタイムに分析。

・顧客データ収集の次のステップ ・ブランドのファンになってもらう、顧客との接点を増やす、 ・オムニチャネル対応 ・クラウドxビッグデータxモバイルの組み合わせ

・カスタマーストーリーモバイル ・オムニチャネルで使われる共通機能をモジュール化、API化して提供することで、必要な機能を抜き出して使えるように ・CSモバイルのバッグエンドは、AWSのマネージドサービスを使ってスケーラブルな構成を取っている。 ・モバイルアプリの会員管理はDynamoDB。アクセス時のユーザー認証はCognito。 ・モバイルアプリとDynamoDBの間にLambdaを挟めることで抽象化。 ・モバイルアプリのログはMobileAnalytics、そのログをRedshiftに投入。 ・分析結果をAmazon MLで機械学習にかけてSNSからアプリにプッシュ配信。 ・AWSのフルマネージドサービスを活用することでコスト削減。

・ビッグデータに効くAWSの新サービス及びアップデート ・AWS re:Invent 2015で発表された新サービス、新アップデートを紹介。 ・これらのサービスを使うことで促進されるもの ・サーバーレス、ECを使わずにマネージドサービスを使ってシステム構築する。 ・リアルタイム分析 ・IoT。ビッグデータと連携してIoT、はホットなトレンド。

・Amazon QuickSightのリリース ・クラウドベースのBIツール ・AWS上にあるデータストアサービスと接続する高速な演算処理エンジンSPICE ・コストが従来の10分の1 ・今後有力な選択肢になっていく ・ビジュアライズがどこまでTableauに追いつくかは分からないが、コストが安いため導入の敷居が低い

・AWS Lambdaのアップデート ・VPCサポート、Python対応、タイムアウトの延長。イベントドリブンだけではなくスケジュールで動作。 ・Lambdaによってサーバーレスがどんどん進んでいくのではないか

・Amazon Kinesis Firehose ・リアルタイム分析の観点。Kinesisに貯めたデータを直接S3やRedshiftに投入することが出来る。 ・これまでのKinesis(stream)では自分で処理を作る必要があったが、Firehoseでは自動でやってくれる。 ・従来のKinesisが持っていた機能をそぎ落とし、シンプルで簡単にデータ投入が出来るようになった。

・Amazon Kinesis Analytics ・ストリーミングデータをSQLで処理して分析するサービス ・Norikuraみたいなもの ・Kinesis Analyticsで処理したデータをS3やRedshiftに投入することが出来る

・Amazon Elasticsearch Service ・AWSのマネージドサービスとしてリリース。 ・Kibanaも含んでいる ・これまではEC2にインストールしたり、Foundを使うような形であった。これをAWSが面倒見てくれる。 ・AWSならでは、といったところでは、CloudWatch Logsとの連携ができる

・AWS IoT ・IoTで必要となるバックエンドの仕組み一式をAWSが面倒見てくれる ・MQTT、オフラインになったデバイスとの同期など。様々な機能が提供される。 ・クラスメソッドでは今後Soracomと連携したソリューションも提供していく。

・ビッグデータに効くサービス群 ・新サービスが増えたことで、ビッグデータ分析に便利なサービスがどんどん増えてきている ・これらの豊富なサービス群を使い倒し、サービスの制限や弱みを知り、ユースケースによって適切なサービスを選択する ・データをセキュアに、KMSでの暗号化やCloudTrailでの監査など、そういったサービスを使うスキルも必要になってくる ・クラウド、ビッグデータ、モバイル、IoTを組み合わせて、より安く、早く、スケーラブルに構築するスキルが、エンジニアに必要になってくる