Tableau Conference Tokyo 2014 ブレイクアウトセッション 「エンタープライズデプロイメントを成功に導くデータガバナンス」 レポート

こんにちは、yokatsukiです。早いものでもう12月です。遅くなりましたが、去る11/12(水)にTableau Conference On Tour Tokyo 2014が開催されました。その時の雰囲気につきましてはしんやさんのエントリをご覧頂くとしまして、私はブレイクアウトセッションの一つ「エンタープライズデプロイメントを成功に導くデータガバナンス」に参加しましたので、そちらの様子をお伝えします。

スピーカーはTableau社セールスコンサルタント 小口(おぐち)尋之様です。

目次

• 目的
• データを水になぞらえて
• ユーザ中心なTableauアーキテクチャー
• 成功に結びつくデータガバナンス
  • １．ユーザ中心モデル
  • ２．ガバナンスの種類
  • ５．ビッグデータの対応策
• Self BIが進むべき道とは

内容

目的

TableauはSelf BI

本セッション参加者はTableauのチャンピオンなので、どんどん社内で広めてライバルに差をつけて欲しい。

「どんな環境を用意すると、Self BIが加速しますか？」

例：アンチ巨人の質問「巨人から一番勝ち星を上げた投手は誰？」(正解は金田正一) Google世代になり、疑問はすぐググる時代になった。

開発者と利用ユーザの関係「Corn Capability」 開発者は分析のスキル、ノウハウがある。 エンドユーザには良い道具がない、せいぜいExcel。日常の業務で手一杯。

Tableauを使うことで、利用ユーザにも分析機能を提供することで底上げが可能。

データを水になぞらえて

触れるデータが1バイトもない状態を「干ばつ状態」と表現。 エンドユーザはデータ砂漠の真ん中で倒れる寸前。 従来のやり方からの脱却。 セルフサービスのレポート作成、データ活用へ。 DIFM(Do it for me)からDIY(Do it yourself)へ。 最良のアイデアは、頑張っていて、新たな力を得た者達から生まれる。 英国テスコの例「いつバーベキューセットを店頭に並べるか」

データが潤沢に手元にある状態。 元気づけるデータと機能のオアシスを提供。 BIをより多くの人々に提供。 皆がアイデアやストーリーを生み出す(データを握っている人を特定の人にまとめない)。 アジャイルなBIと思考プロセスを実現。 今すぐ実行(Do it Now)!

しかし一方でデータに溺れ沈む人がいる。 分析に時間を掛け過ぎて本業が疎かになる。 データのオアシスで溺れてしまうのは避けたい。 欲しかったモノで忙殺されてしまうのは悲劇。 新しい機能でも、人によってはとっつきにくい。 ある程度の構造化でセルフサービスBIの定着率は高まる。

理想は自然の中に作成したプールのイメージ。 賢く、魅力的に、周辺環境と調和して、必要なものから。

ユーザ中心なTableauアーキテクチャー

慣れてくると段々Tableau Serverを使用するようになる。 抽出されたデータをData ServerとしてTableau Serverに配置。

ケーススタディ

営業、売上の分析。 SFDCを使用しているが、独自項目を追加している。 Force.comでSQL Serverにデータが落ちている。 SQL Serverに直接Tableauでアクセスしている。 セルフBIで売り上げの分析を行った。

案件から成約に至る率は変わらない。 しかし、案件を作る数が足りなかった。 これを発見することができた。 Tableau営業社員に聞いてみよう「ヘタレダッシュボードって何ですか？」

成功に結びつくデータガバナンス

1. ユーザ中心モデル
2. ガバナンスの種類
3. データ共有のガバナンス
4. レポート共有のガバナンス
5. ビッグデータの対応策

今回は、時間の都合で3.と4.は省略

１．ユーザ中心モデル

ある程度の構造化と、新鮮な体験の提供…Tableauチャンピオンとして、少し突き放す。

• データとレポートのビュッフェ(バイキング形式)
• データビュッフェを作り、ユーザは選んで使用
  • お客様のライセンス利用状況や、現在のサポートケースを公開
• Tableauにより、データウェアハウスが有効に活用される
• データ資産を定義したWikiを用意
  • データオブジェクトと、使用上の注意点を記載
  • データ更新のタイミング情報など
  • これは検索が重いです、などの注意書き

エンドユーザはIT部門よりもデータを深く理解している。 滴るデータからの洞察を、ほとばしり、そして流れに変える。

エンドユーザによるデータ強化(Data Enhancement)

• ユーザは自前のデータを持っているもの
  • それらを活用したデータ強化により、洞察の幅を広げる
• 他ソースのデータとのブレンドにより、データを拡張
• 有用なデータを、既存のデータウェアハウスに追加

どんな環境を準備すればよいのか？

• 本番環境
  • 定期的な自動生成
  • 更新頻度と正確性のSLA設定済み
  • 安心して利用できるデータセット
• 本番前環境(PreProd)
  • 一元的な管理
  • 本番ETL実行待ちの非公認のデータセット
  • エキスパートによる内容チェック待ち
• アドホック環境
  • E/Uがひと揉みする環境
  • パブリッシュしたTDS(Tableau Data Source)に期限を与えて3ヶ月で廃棄
  • 2ヶ月目に廃棄予告のメール送信

２．ガバナンスの種類

• 中央管理型(アナリティックチーム中心)
• ハイブリッド型(マーケティングが強い会社)
  • 作り散らかす状況を抑える
• BI COE(Center of Excellence, 要は専門家)が管理する

５．ビッグデータの対応策

ビッグデータの密度は低いので、先ずはシンプルな分析をライブで行う。

• データの階層
  • Hot(集計高)・・・経営者向け
  • Warm(集計中)・・・まとまっている
  • Cold(集計低)・・・詳細かつ多い

Self BIが進むべき道とは

• データを開放し、活用を促すこと
• ユーザ中心のデータ活用モデル
  • 自ら試行錯誤する
  • 自ら発見する
  • 自らプロトタイピングする
• アドホックな環境こそが重要
  • 3つの環境(アドホック環境/本番前環境/本番環境)
  • 自由に試行錯誤できる環境
  • ついやってみたくなる環境

感想

セッションの前半は、データを水になぞらえたエモーショナルな内容でしたが、後半は具体的な例を上げて、Self BIが成果をあげられるようにする具体的な案が提示されて、大変興味深い内容でした。 個人的には、以下がポイントとして強く印象に残り、また案件の中でも実践してみたいなと思いました。

心構え

• 業務データは囲い込まず、できるだけ多くの人が触れるようにする。
• 公開されているデータは積極的に触り、自ら知見を生み出す努力をする。
• 個別に編み出した分析結果も広く公開し、切磋琢磨して良いものは皆で活用する。

仕組みの工夫

• データ構造についての補足、注意点をWikiで記述し、公開する。
• 環境を階層化し、自由に使える環境で試行錯誤した結果を磨き上げ、公共のビューにする。
• 使われないビューを自動的に抽出・削除する仕組みを用意し、ゴミ溜めにならないような工夫をする。

最後に、弊社ではTableauを活用し、お客様のデータを可視化するソリューションを数多く手掛けており、現在までに あきんどスシロー様、 すかいらーく様 等の事例が公開されています。また、弊社ではこれらノウハウをまとめたソリューション、 カスタマーストーリー をご提供しております。業務データの活用についてお悩みの方は、是非とも弊社までご相談下さい。

また、それに合わせて弊社ではデータ分析環境構築スペシャリストも募集しております。ご興味ある方、エントリお待ちしております！