Enviar pesquisa
Carregar
[C34] ビックデータ×マーケティング 進化するデジタルマーケティングを支えるビックデータ活用基盤 by Takatomo Kamatsu
•
3 gostaram
•
2,290 visualizações
Insight Technology, Inc.
Seguir
Tecnologia
Denunciar
Compartilhar
Denunciar
Compartilhar
1 de 30
Baixar agora
Baixar para ler offline
Recomendados
トランザクションもDWHもクラウドで 2015年10月~IBM OnDemandセミナー
トランザクションもDWHもクラウドで 2015年10月~IBM OnDemandセミナー
Takayuki Nakayama
SoftLayer上に構成するBluemixをご存知ですか
SoftLayer上に構成するBluemixをご存知ですか
Hideaki Tokida
Asakusaによる分散分析基盤構築事例紹介
Asakusaによる分散分析基盤構築事例紹介
Kozo Fukugauchi
20150630_データ分析に最適な基盤とは? -コスト/スピードでビジネスバリューを得るために- by 株式会社インサイトテクノロジー CTO 石川雅也
20150630_データ分析に最適な基盤とは? -コスト/スピードでビジネスバリューを得るために- by 株式会社インサイトテクノロジー CTO 石川雅也
Insight Technology, Inc.
国内最大級のお笑いWebサービス「ボケて」におけるTableau活用事例
国内最大級のお笑いWebサービス「ボケて」におけるTableau活用事例
淳也 和田
Webサイトの成果を簡単に可視化できるKPI Light™ のご紹介
Webサイトの成果を簡単に可視化できるKPI Light™ のご紹介
トライベック・ストラテジー株式会社 / Tribeck Strategy Inc.
データサイエンティスト養成勉強会 こんな僕がデータサイエンティストになれた秘密
データサイエンティスト養成勉強会 こんな僕がデータサイエンティストになれた秘密
Ryo Matsuura
【Zansa】物理学はWebデータ分析に使えるか
【Zansa】物理学はWebデータ分析に使えるか
Zansa
Recomendados
トランザクションもDWHもクラウドで 2015年10月~IBM OnDemandセミナー
トランザクションもDWHもクラウドで 2015年10月~IBM OnDemandセミナー
Takayuki Nakayama
SoftLayer上に構成するBluemixをご存知ですか
SoftLayer上に構成するBluemixをご存知ですか
Hideaki Tokida
Asakusaによる分散分析基盤構築事例紹介
Asakusaによる分散分析基盤構築事例紹介
Kozo Fukugauchi
20150630_データ分析に最適な基盤とは? -コスト/スピードでビジネスバリューを得るために- by 株式会社インサイトテクノロジー CTO 石川雅也
20150630_データ分析に最適な基盤とは? -コスト/スピードでビジネスバリューを得るために- by 株式会社インサイトテクノロジー CTO 石川雅也
Insight Technology, Inc.
国内最大級のお笑いWebサービス「ボケて」におけるTableau活用事例
国内最大級のお笑いWebサービス「ボケて」におけるTableau活用事例
淳也 和田
Webサイトの成果を簡単に可視化できるKPI Light™ のご紹介
Webサイトの成果を簡単に可視化できるKPI Light™ のご紹介
トライベック・ストラテジー株式会社 / Tribeck Strategy Inc.
データサイエンティスト養成勉強会 こんな僕がデータサイエンティストになれた秘密
データサイエンティスト養成勉強会 こんな僕がデータサイエンティストになれた秘密
Ryo Matsuura
【Zansa】物理学はWebデータ分析に使えるか
【Zansa】物理学はWebデータ分析に使えるか
Zansa
ビッグデータ活用支援フォーラム
ビッグデータ活用支援フォーラム
Recruit Technologies
[data analytics showcase] A12: データに隠された課題、ちゃんと見えていますか? by Tableau Japan 株式会社 ...
[data analytics showcase] A12: データに隠された課題、ちゃんと見えていますか? by Tableau Japan 株式会社 ...
Insight Technology, Inc.
オープンソースのデータ分析ソフト3製品「RapidMiner」「NYSOL」「Revolution R Enterprise (RRE) ※Rの商用版」のご紹介
オープンソースのデータ分析ソフト3製品「RapidMiner」「NYSOL」「Revolution R Enterprise (RRE) ※Rの商用版」のご紹介
Satoshi Kitajima
大規模ログ分析におけるAmazon Web Servicesの活用
大規模ログ分析におけるAmazon Web Servicesの活用
Shintaro Takemura
マルチビッグデータの活用を支える DWHの作り方
マルチビッグデータの活用を支える DWHの作り方
Yahoo!デベロッパーネットワーク
【ビズリーチ事例】Tableauの活用によるWebマーケティングデータのビジュアライズの自動化について
【ビズリーチ事例】Tableauの活用によるWebマーケティングデータのビジュアライズの自動化について
寛 成松
データサイエンティスト スキルチェックリスト
データサイエンティスト スキルチェックリスト
The Japan DataScientist Society
tokyo_webmining_no51
tokyo_webmining_no51
Shu (shoe116)
[data analytics showcase] B16: Live Demo! データ分析基盤を支えるデータレプリケーション技術とデータワークロード分...
[data analytics showcase] B16: Live Demo! データ分析基盤を支えるデータレプリケーション技術とデータワークロード分...
Insight Technology, Inc.
アドネットワークのデータ解析チームを支える技術
アドネットワークのデータ解析チームを支える技術
hagino 3000
モノタロウがトレジャーデータを使う理由と、データを活かす企業文化
モノタロウがトレジャーデータを使う理由と、データを活かす企業文化
株式会社MonotaRO Tech Team
データドリブン企業におけるHadoop基盤とETL -niconicoでの実践例-
データドリブン企業におけるHadoop基盤とETL -niconicoでの実践例-
Makoto SHIMURA
ビッグデータ分析基盤が直面する課題をオブジェクトストレージで解決
ビッグデータ分析基盤が直面する課題をオブジェクトストレージで解決
CLOUDIAN KK
EmbulkとDigdagとデータ分析基盤と
EmbulkとDigdagとデータ分析基盤と
Toru Takahashi
Embulk, an open-source plugin-based parallel bulk data loader
Embulk, an open-source plugin-based parallel bulk data loader
Sadayuki Furuhashi
ビッグデータ処理データベースの全体像と使い分け
ビッグデータ処理データベースの全体像と使い分け
Recruit Technologies
データに振り回されて失敗した あんなことやこんなこと+α 〜なぜ数字の手助けが必要になるのか、その理由と分析の実践例〜
データに振り回されて失敗した あんなことやこんなこと+α 〜なぜ数字の手助けが必要になるのか、その理由と分析の実践例〜
Daisuke Nogami
[C11] ビックデータ×マーケティング 進化するディジタルマーケティングを支えるビックデータ活用基盤 by Takatomo Kamatsu
[C11] ビックデータ×マーケティング 進化するディジタルマーケティングを支えるビックデータ活用基盤 by Takatomo Kamatsu
Insight Technology, Inc.
ログ解析の次にあるもの(リレーションシップリターゲティング)
ログ解析の次にあるもの(リレーションシップリターゲティング)
Shinya Nakazawa
Markezine day 2012 gdo nakazawa
Markezine day 2012 gdo nakazawa
Shinya Nakazawa
BtoBデジタルシフトのこれから
BtoBデジタルシフトのこれから
ssuser1f3c8d
株式会社ジール_採用ピッチ資料(2024.3.15) _zeal recruitment pitch
株式会社ジール_採用ピッチ資料(2024.3.15) _zeal recruitment pitch
zeal32
Mais conteúdo relacionado
Destaque
ビッグデータ活用支援フォーラム
ビッグデータ活用支援フォーラム
Recruit Technologies
[data analytics showcase] A12: データに隠された課題、ちゃんと見えていますか? by Tableau Japan 株式会社 ...
[data analytics showcase] A12: データに隠された課題、ちゃんと見えていますか? by Tableau Japan 株式会社 ...
Insight Technology, Inc.
オープンソースのデータ分析ソフト3製品「RapidMiner」「NYSOL」「Revolution R Enterprise (RRE) ※Rの商用版」のご紹介
オープンソースのデータ分析ソフト3製品「RapidMiner」「NYSOL」「Revolution R Enterprise (RRE) ※Rの商用版」のご紹介
Satoshi Kitajima
大規模ログ分析におけるAmazon Web Servicesの活用
大規模ログ分析におけるAmazon Web Servicesの活用
Shintaro Takemura
マルチビッグデータの活用を支える DWHの作り方
マルチビッグデータの活用を支える DWHの作り方
Yahoo!デベロッパーネットワーク
【ビズリーチ事例】Tableauの活用によるWebマーケティングデータのビジュアライズの自動化について
【ビズリーチ事例】Tableauの活用によるWebマーケティングデータのビジュアライズの自動化について
寛 成松
データサイエンティスト スキルチェックリスト
データサイエンティスト スキルチェックリスト
The Japan DataScientist Society
tokyo_webmining_no51
tokyo_webmining_no51
Shu (shoe116)
[data analytics showcase] B16: Live Demo! データ分析基盤を支えるデータレプリケーション技術とデータワークロード分...
[data analytics showcase] B16: Live Demo! データ分析基盤を支えるデータレプリケーション技術とデータワークロード分...
Insight Technology, Inc.
アドネットワークのデータ解析チームを支える技術
アドネットワークのデータ解析チームを支える技術
hagino 3000
モノタロウがトレジャーデータを使う理由と、データを活かす企業文化
モノタロウがトレジャーデータを使う理由と、データを活かす企業文化
株式会社MonotaRO Tech Team
データドリブン企業におけるHadoop基盤とETL -niconicoでの実践例-
データドリブン企業におけるHadoop基盤とETL -niconicoでの実践例-
Makoto SHIMURA
ビッグデータ分析基盤が直面する課題をオブジェクトストレージで解決
ビッグデータ分析基盤が直面する課題をオブジェクトストレージで解決
CLOUDIAN KK
EmbulkとDigdagとデータ分析基盤と
EmbulkとDigdagとデータ分析基盤と
Toru Takahashi
Embulk, an open-source plugin-based parallel bulk data loader
Embulk, an open-source plugin-based parallel bulk data loader
Sadayuki Furuhashi
ビッグデータ処理データベースの全体像と使い分け
ビッグデータ処理データベースの全体像と使い分け
Recruit Technologies
データに振り回されて失敗した あんなことやこんなこと+α 〜なぜ数字の手助けが必要になるのか、その理由と分析の実践例〜
データに振り回されて失敗した あんなことやこんなこと+α 〜なぜ数字の手助けが必要になるのか、その理由と分析の実践例〜
Daisuke Nogami
Destaque
(17)
ビッグデータ活用支援フォーラム
ビッグデータ活用支援フォーラム
[data analytics showcase] A12: データに隠された課題、ちゃんと見えていますか? by Tableau Japan 株式会社 ...
[data analytics showcase] A12: データに隠された課題、ちゃんと見えていますか? by Tableau Japan 株式会社 ...
オープンソースのデータ分析ソフト3製品「RapidMiner」「NYSOL」「Revolution R Enterprise (RRE) ※Rの商用版」のご紹介
オープンソースのデータ分析ソフト3製品「RapidMiner」「NYSOL」「Revolution R Enterprise (RRE) ※Rの商用版」のご紹介
大規模ログ分析におけるAmazon Web Servicesの活用
大規模ログ分析におけるAmazon Web Servicesの活用
マルチビッグデータの活用を支える DWHの作り方
マルチビッグデータの活用を支える DWHの作り方
【ビズリーチ事例】Tableauの活用によるWebマーケティングデータのビジュアライズの自動化について
【ビズリーチ事例】Tableauの活用によるWebマーケティングデータのビジュアライズの自動化について
データサイエンティスト スキルチェックリスト
データサイエンティスト スキルチェックリスト
tokyo_webmining_no51
tokyo_webmining_no51
[data analytics showcase] B16: Live Demo! データ分析基盤を支えるデータレプリケーション技術とデータワークロード分...
[data analytics showcase] B16: Live Demo! データ分析基盤を支えるデータレプリケーション技術とデータワークロード分...
アドネットワークのデータ解析チームを支える技術
アドネットワークのデータ解析チームを支える技術
モノタロウがトレジャーデータを使う理由と、データを活かす企業文化
モノタロウがトレジャーデータを使う理由と、データを活かす企業文化
データドリブン企業におけるHadoop基盤とETL -niconicoでの実践例-
データドリブン企業におけるHadoop基盤とETL -niconicoでの実践例-
ビッグデータ分析基盤が直面する課題をオブジェクトストレージで解決
ビッグデータ分析基盤が直面する課題をオブジェクトストレージで解決
EmbulkとDigdagとデータ分析基盤と
EmbulkとDigdagとデータ分析基盤と
Embulk, an open-source plugin-based parallel bulk data loader
Embulk, an open-source plugin-based parallel bulk data loader
ビッグデータ処理データベースの全体像と使い分け
ビッグデータ処理データベースの全体像と使い分け
データに振り回されて失敗した あんなことやこんなこと+α 〜なぜ数字の手助けが必要になるのか、その理由と分析の実践例〜
データに振り回されて失敗した あんなことやこんなこと+α 〜なぜ数字の手助けが必要になるのか、その理由と分析の実践例〜
Semelhante a [C34] ビックデータ×マーケティング 進化するデジタルマーケティングを支えるビックデータ活用基盤 by Takatomo Kamatsu
[C11] ビックデータ×マーケティング 進化するディジタルマーケティングを支えるビックデータ活用基盤 by Takatomo Kamatsu
[C11] ビックデータ×マーケティング 進化するディジタルマーケティングを支えるビックデータ活用基盤 by Takatomo Kamatsu
Insight Technology, Inc.
ログ解析の次にあるもの(リレーションシップリターゲティング)
ログ解析の次にあるもの(リレーションシップリターゲティング)
Shinya Nakazawa
Markezine day 2012 gdo nakazawa
Markezine day 2012 gdo nakazawa
Shinya Nakazawa
BtoBデジタルシフトのこれから
BtoBデジタルシフトのこれから
ssuser1f3c8d
株式会社ジール_採用ピッチ資料(2024.3.15) _zeal recruitment pitch
株式会社ジール_採用ピッチ資料(2024.3.15) _zeal recruitment pitch
zeal32
IoTNEWS事業のご紹介と採用について(2019.04.15)
IoTNEWS事業のご紹介と採用について(2019.04.15)
Koji Koizumi
DI.コンサルティング&プランニング
DI.コンサルティング&プランニング
Digital Intelligence Inc.
2022年3月期決算プレゼンテーション
2022年3月期決算プレゼンテーション
KDDI
全社のデータ活用を一段階上げる取り組み
全社のデータ活用を一段階上げる取り組み
株式会社MonotaRO Tech Team
DIGITALIFT採用説明資料 2021
DIGITALIFT採用説明資料 2021
Ryosuke Kakuma
デジタルマーケティングについて
デジタルマーケティングについて
Takahiko KATO
DXCTechnologyジャパン会社概要(転職者向け-2022年2月版)
DXCTechnologyジャパン会社概要(転職者向け-2022年2月版)
Nozomu Nishikawa
2021カスタマーサクセス天下一武闘会 株式会社ベーシック 20211216
2021カスタマーサクセス天下一武闘会 株式会社ベーシック 20211216
Sara Kuwata
2021年3月期決算プレゼンテーション
2021年3月期決算プレゼンテーション
KDDI
デジタルマーケティング入門
デジタルマーケティング入門
Koji Fukuoka
ノベルティの成功基準とは?
ノベルティの成功基準とは?
さくらインターネット株式会社
kaniban SXO.pdf
kaniban SXO.pdf
salesmarke
Cloud show 141017fin2
Cloud show 141017fin2
知礼 八子
破壊的イノベーションと企業の進化 - 2022
破壊的イノベーションと企業の進化 - 2022
Ikuo Misao
Saga Smart Center: データ分析の基礎
Saga Smart Center: データ分析の基礎
Daiyu Hatakeyama
Semelhante a [C34] ビックデータ×マーケティング 進化するデジタルマーケティングを支えるビックデータ活用基盤 by Takatomo Kamatsu
(20)
[C11] ビックデータ×マーケティング 進化するディジタルマーケティングを支えるビックデータ活用基盤 by Takatomo Kamatsu
[C11] ビックデータ×マーケティング 進化するディジタルマーケティングを支えるビックデータ活用基盤 by Takatomo Kamatsu
ログ解析の次にあるもの(リレーションシップリターゲティング)
ログ解析の次にあるもの(リレーションシップリターゲティング)
Markezine day 2012 gdo nakazawa
Markezine day 2012 gdo nakazawa
BtoBデジタルシフトのこれから
BtoBデジタルシフトのこれから
株式会社ジール_採用ピッチ資料(2024.3.15) _zeal recruitment pitch
株式会社ジール_採用ピッチ資料(2024.3.15) _zeal recruitment pitch
IoTNEWS事業のご紹介と採用について(2019.04.15)
IoTNEWS事業のご紹介と採用について(2019.04.15)
DI.コンサルティング&プランニング
DI.コンサルティング&プランニング
2022年3月期決算プレゼンテーション
2022年3月期決算プレゼンテーション
全社のデータ活用を一段階上げる取り組み
全社のデータ活用を一段階上げる取り組み
DIGITALIFT採用説明資料 2021
DIGITALIFT採用説明資料 2021
デジタルマーケティングについて
デジタルマーケティングについて
DXCTechnologyジャパン会社概要(転職者向け-2022年2月版)
DXCTechnologyジャパン会社概要(転職者向け-2022年2月版)
2021カスタマーサクセス天下一武闘会 株式会社ベーシック 20211216
2021カスタマーサクセス天下一武闘会 株式会社ベーシック 20211216
2021年3月期決算プレゼンテーション
2021年3月期決算プレゼンテーション
デジタルマーケティング入門
デジタルマーケティング入門
ノベルティの成功基準とは?
ノベルティの成功基準とは?
kaniban SXO.pdf
kaniban SXO.pdf
Cloud show 141017fin2
Cloud show 141017fin2
破壊的イノベーションと企業の進化 - 2022
破壊的イノベーションと企業の進化 - 2022
Saga Smart Center: データ分析の基礎
Saga Smart Center: データ分析の基礎
Mais de Insight Technology, Inc.
グラフデータベースは如何に自然言語を理解するか?
グラフデータベースは如何に自然言語を理解するか?
Insight Technology, Inc.
Docker and the Oracle Database
Docker and the Oracle Database
Insight Technology, Inc.
Great performance at scale~次期PostgreSQL12のパーティショニング性能の実力に迫る~
Great performance at scale~次期PostgreSQL12のパーティショニング性能の実力に迫る~
Insight Technology, Inc.
事例を通じて機械学習とは何かを説明する
事例を通じて機械学習とは何かを説明する
Insight Technology, Inc.
仮想通貨ウォレットアプリで理解するデータストアとしてのブロックチェーン
仮想通貨ウォレットアプリで理解するデータストアとしてのブロックチェーン
Insight Technology, Inc.
MBAAで覚えるDBREの大事なおしごと
MBAAで覚えるDBREの大事なおしごと
Insight Technology, Inc.
グラフデータベースは如何に自然言語を理解するか?
グラフデータベースは如何に自然言語を理解するか?
Insight Technology, Inc.
DBREから始めるデータベースプラットフォーム
DBREから始めるデータベースプラットフォーム
Insight Technology, Inc.
SQL Server エンジニアのためのコンテナ入門
SQL Server エンジニアのためのコンテナ入門
Insight Technology, Inc.
Lunch & Learn, AWS NoSQL Services
Lunch & Learn, AWS NoSQL Services
Insight Technology, Inc.
db tech showcase2019オープニングセッション @ 森田 俊哉
db tech showcase2019オープニングセッション @ 森田 俊哉
Insight Technology, Inc.
db tech showcase2019 オープニングセッション @ 石川 雅也
db tech showcase2019 オープニングセッション @ 石川 雅也
Insight Technology, Inc.
db tech showcase2019 オープニングセッション @ マイナー・アレン・パーカー
db tech showcase2019 オープニングセッション @ マイナー・アレン・パーカー
Insight Technology, Inc.
難しいアプリケーション移行、手軽に試してみませんか?
難しいアプリケーション移行、手軽に試してみませんか?
Insight Technology, Inc.
Attunityのソリューションと異種データベース・クラウド移行事例のご紹介
Attunityのソリューションと異種データベース・クラウド移行事例のご紹介
Insight Technology, Inc.
そのデータベース、クラウドで使ってみませんか?
そのデータベース、クラウドで使ってみませんか?
Insight Technology, Inc.
コモディティサーバー3台で作る高速処理 “ハイパー・コンバージド・データベース・インフラストラクチャー(HCDI)” システム『Insight Qube』...
コモディティサーバー3台で作る高速処理 “ハイパー・コンバージド・データベース・インフラストラクチャー(HCDI)” システム『Insight Qube』...
Insight Technology, Inc.
複数DBのバックアップ・切り戻し運用手順が異なって大変?!運用性の大幅改善、その先に。。
複数DBのバックアップ・切り戻し運用手順が異なって大変?!運用性の大幅改善、その先に。。
Insight Technology, Inc.
Attunity社のソリューションの日本国内外適用事例及びロードマップ紹介[ATTUNITY & インサイトテクノロジー IoT / Big Data フ...
Attunity社のソリューションの日本国内外適用事例及びロードマップ紹介[ATTUNITY & インサイトテクノロジー IoT / Big Data フ...
Insight Technology, Inc.
レガシーに埋もれたデータをリアルタイムでクラウドへ [ATTUNITY & インサイトテクノロジー IoT / Big Data フォーラム 2018]
レガシーに埋もれたデータをリアルタイムでクラウドへ [ATTUNITY & インサイトテクノロジー IoT / Big Data フォーラム 2018]
Insight Technology, Inc.
Mais de Insight Technology, Inc.
(20)
グラフデータベースは如何に自然言語を理解するか?
グラフデータベースは如何に自然言語を理解するか?
Docker and the Oracle Database
Docker and the Oracle Database
Great performance at scale~次期PostgreSQL12のパーティショニング性能の実力に迫る~
Great performance at scale~次期PostgreSQL12のパーティショニング性能の実力に迫る~
事例を通じて機械学習とは何かを説明する
事例を通じて機械学習とは何かを説明する
仮想通貨ウォレットアプリで理解するデータストアとしてのブロックチェーン
仮想通貨ウォレットアプリで理解するデータストアとしてのブロックチェーン
MBAAで覚えるDBREの大事なおしごと
MBAAで覚えるDBREの大事なおしごと
グラフデータベースは如何に自然言語を理解するか?
グラフデータベースは如何に自然言語を理解するか?
DBREから始めるデータベースプラットフォーム
DBREから始めるデータベースプラットフォーム
SQL Server エンジニアのためのコンテナ入門
SQL Server エンジニアのためのコンテナ入門
Lunch & Learn, AWS NoSQL Services
Lunch & Learn, AWS NoSQL Services
db tech showcase2019オープニングセッション @ 森田 俊哉
db tech showcase2019オープニングセッション @ 森田 俊哉
db tech showcase2019 オープニングセッション @ 石川 雅也
db tech showcase2019 オープニングセッション @ 石川 雅也
db tech showcase2019 オープニングセッション @ マイナー・アレン・パーカー
db tech showcase2019 オープニングセッション @ マイナー・アレン・パーカー
難しいアプリケーション移行、手軽に試してみませんか?
難しいアプリケーション移行、手軽に試してみませんか?
Attunityのソリューションと異種データベース・クラウド移行事例のご紹介
Attunityのソリューションと異種データベース・クラウド移行事例のご紹介
そのデータベース、クラウドで使ってみませんか?
そのデータベース、クラウドで使ってみませんか?
コモディティサーバー3台で作る高速処理 “ハイパー・コンバージド・データベース・インフラストラクチャー(HCDI)” システム『Insight Qube』...
コモディティサーバー3台で作る高速処理 “ハイパー・コンバージド・データベース・インフラストラクチャー(HCDI)” システム『Insight Qube』...
複数DBのバックアップ・切り戻し運用手順が異なって大変?!運用性の大幅改善、その先に。。
複数DBのバックアップ・切り戻し運用手順が異なって大変?!運用性の大幅改善、その先に。。
Attunity社のソリューションの日本国内外適用事例及びロードマップ紹介[ATTUNITY & インサイトテクノロジー IoT / Big Data フ...
Attunity社のソリューションの日本国内外適用事例及びロードマップ紹介[ATTUNITY & インサイトテクノロジー IoT / Big Data フ...
レガシーに埋もれたデータをリアルタイムでクラウドへ [ATTUNITY & インサイトテクノロジー IoT / Big Data フォーラム 2018]
レガシーに埋もれたデータをリアルタイムでクラウドへ [ATTUNITY & インサイトテクノロジー IoT / Big Data フォーラム 2018]
Último
Amazon SES を勉強してみる その12024/04/12の勉強会で発表されたものです。
Amazon SES を勉強してみる その12024/04/12の勉強会で発表されたものです。
iPride Co., Ltd.
新人研修のまとめ 2024/04/12の勉強会で発表されたものです。
新人研修のまとめ 2024/04/12の勉強会で発表されたものです。
iPride Co., Ltd.
UPWARD_share_company_information_20240415.pdf
UPWARD_share_company_information_20240415.pdf
furutsuka
IoT in the era of generative AI, Thanks IoT ALGYAN.pptx
IoT in the era of generative AI, Thanks IoT ALGYAN.pptx
Atomu Hidaka
[DevOpsDays Tokyo 2024] 〜デジタルとアナログのはざまに〜 スマートビルディング爆速開発を支える 自動化テスト戦略
[DevOpsDays Tokyo 2024] 〜デジタルとアナログのはざまに〜 スマートビルディング爆速開発を支える 自動化テスト戦略
Ryo Sasaki
スマートフォンを用いた新生児あやし動作の教示システム
スマートフォンを用いた新生児あやし動作の教示システム
sugiuralab
PHP-Conference-Odawara-2024-04-000000000
PHP-Conference-Odawara-2024-04-000000000
Shota Ito
20240412_HCCJP での Windows Server 2025 Active Directory
20240412_HCCJP での Windows Server 2025 Active Directory
osamut
Postman LT Fukuoka_Quick Prototype_By Daniel
Postman LT Fukuoka_Quick Prototype_By Daniel
danielhu54
Último
(9)
Amazon SES を勉強してみる その12024/04/12の勉強会で発表されたものです。
Amazon SES を勉強してみる その12024/04/12の勉強会で発表されたものです。
新人研修のまとめ 2024/04/12の勉強会で発表されたものです。
新人研修のまとめ 2024/04/12の勉強会で発表されたものです。
UPWARD_share_company_information_20240415.pdf
UPWARD_share_company_information_20240415.pdf
IoT in the era of generative AI, Thanks IoT ALGYAN.pptx
IoT in the era of generative AI, Thanks IoT ALGYAN.pptx
[DevOpsDays Tokyo 2024] 〜デジタルとアナログのはざまに〜 スマートビルディング爆速開発を支える 自動化テスト戦略
[DevOpsDays Tokyo 2024] 〜デジタルとアナログのはざまに〜 スマートビルディング爆速開発を支える 自動化テスト戦略
スマートフォンを用いた新生児あやし動作の教示システム
スマートフォンを用いた新生児あやし動作の教示システム
PHP-Conference-Odawara-2024-04-000000000
PHP-Conference-Odawara-2024-04-000000000
20240412_HCCJP での Windows Server 2025 Active Directory
20240412_HCCJP での Windows Server 2025 Active Directory
Postman LT Fukuoka_Quick Prototype_By Daniel
Postman LT Fukuoka_Quick Prototype_By Daniel
[C34] ビックデータ×マーケティング 進化するデジタルマーケティングを支えるビックデータ活用基盤 by Takatomo Kamatsu
1.
ビックデータ×マーケティング 進化するデジタルマーケティングを支える ビックデータ活用基盤 株式会社ゴルフダイジェスト・オンライン お客様体験デザイン本部 情報活用推進部 BI・DWHチーム マネージャ
嘉松 孝友
2.
ビックデータを取り巻く変化 2011年 2012年 2013年 2014年
3.
今日のセッションで紹介すること 1.GDOのビックデータ活用の軌跡と活用事例 2.ビックデータ活用を支える基盤と今後の展開
4.
GDOとは? PC 携帯電話 スマートフォン タブレット ソーシャル 雑誌 店舗
5.
GDOの規模感 GDOクラブ会員数 229万人 ゴルフ場予約 月間送客数 41万人※1 ユニークユーザー数 260万人※3 月間PV 1.5億PV※1 スコア管理登録者数 44.3万人 来訪アクティブ会員数 43.2万人※4 ※1:過去最高値を公表数値としています。 ※2 アクティブブラウザ数: 当月中にGDOに来訪したブラウザ数 ※3
ユニークユーザー数 : 当月中に当社サービスにアクセスしたユーザー数 ※4 来訪アクティブ会員数: 会員の当月のユニーク来訪者数 アクティブ ブラウザ数 376万ブラウザ※2 提携ゴルフ場数 1,916コース 取扱商品点数 新品約10万点 中古約2万点 月間注文件数 71,700件※1 総ビジター数 1,242万V※1 公式フェイスブック 85,188いいね! <2013年9月末時点>
6.
自己紹介 嘉松孝友 Takatomo Kamatsu 1972/05/10 O型 7年 ベストスコア 75 (前回
102) 174.5cm 70.0kg ゴルフのきっかけ ゴルフ好きの上司に誘われて よかったこと 中部銀次郎 異業種、世代を超えた交友関係が広まった 好きなゴルファー 神奈川県 中部銀次郎 (1997年~)印刷会社の受注システム開発(VMS) (1998年~)製薬会社の営業支援システム開発 (2002年~)ビールメーカの物流システム開発、商社のPMO
7.
GDOのビックデータ活用の軌跡と ゴルフダイジェスト・オンラインが挑んだ データ活用の軌跡、教訓、そして未来へ 活用事例
8.
DWH/BI活用の軌跡 全社データ活用基盤として2010年5月にリリースしたDWH/BI、G10プロジェクトで大幅なリニューア ルを実施し、現在では当初の目的である社内データの「見える化」に加えて、日常業務での「分析・ 意思決定支援」での活用、そしてランキングといった自社サイトでの利用や広告配信システムとの連携 といった「デジタルマーケティング活用」と、その活用範囲を拡大してきている。 2009 2010 KPIレポート ★DWH/BIリリース 2011 ★大リニューアル(G10) 2012 2013 ゴルフ場営業支援レポート Seve(メルマガ対象者抽出ツール) Rtoaster連携 集計、見える化 人気ゴルフ場ランキング 新ゴルフ場営業支援レポート 分析・意思決定支援 (業務効率化・高度化) Phil(閲覧ページ会員属性分析ツール) MD分析プラットフォーム R2AD連携 デジタルマーケティング (売上向上) ショップレビューランキング GoogleShopping連携 Responsys連携 11/14
9.
システム構成(2013年11月13日時点) 連携システム ログ解析システム アクセス ログデータ Digital Marketing Platform インバウンドマーケティング 会員管理 統合レコメンドエンジン GDOサイト ゴルフ場予約 DWH
Platform スコア管理 ETL DWH E-Commerce Data Stage ERP アウトバウンドマーケティング 顧客抽出ツール(Seve) BI Platform OLAP分析 ワークフロー 広告配信システム GBDP ゴルフ場予約事業 ゴルフ場営業 サポート 社外データ 会員属性と連携した広告配信システム KPIマネジメント 広告営業管理 会員分析 EC事業 MD分析 プラットフォーム ECショッピングモール (Google Shopping) 予実管理 ゴルフ場向 営業支援帳票 受注・発注分析 在庫・欠品分析 統計解析 IBM SPSS R
10.
数字で見るDWH データ量 連携システム数 テーブル数 ゴルフダイジェスト・オンラインが挑んだ 1,200 6TBytes 21システム データ活用の軌跡、教訓、そして未来へ テーブル DWHに格納されているデータ量は2013 年11月現在で6TByteです。Sybase IQ のデータ圧縮機能により、約20%に圧 縮され保存されています。 バッチ処理時間 ジョブ数 950ジョブ DWHは社内・社外の21のシステムと データ連携を行っています。連携して いるデータの種類(I/F数)は300にもの ぼります。 J DWHでは日々950のバッチ処理が行われ ています。全てのジョブがジョブ管理 ツールにより制御され、エラー発生時 には即座にメールが送信されます。 10時間 日次のバッチ処理にかかる時間は約8 時間です。バックアップにかかる時間 はその中で1時間半を占めます。 DWHが各種システムから取得したデー タは、ETL処理により取込、用途ごと に集計され、1,200のテーブルに格納 されています。 利用者数 BI 50ユーザ ODBC 200ユーザ 全社員400人中、50人が日々BIツール を業務で活用、200人がODBC接続で ExcelやAccessを活用しています。
11.
バッチ処理(JP1)
12.
DWH/BIを支えるインフラ 本番環境 ETL Server(DataStage) HP ProLiant
DL360 G5 (2006) CPU: Intel® Xeon® Processor X5260 CPU:1, Core:2 MEM:18.0GB, HDD:416GB OS: Windows Server 2003 EE SP2(32bit) 開発環境 DWH Server(SybaseIQ) HP ProLiant DL360 G5 (2006) CPU: Intel® Xeon® Processor X5260 # of CPU:1, # of cores:2 MEM:32.0GB, HDD:694GB OS: Windows Server 2003 SE SP2 (x64) DWH Server(SybaseIQ) Strage HP ProLiant DL380 G5 (2006) CPU: Intel® Xeon® Processor X5260 CPU:1, Core:2 MEM:32.0GB, HDD:136GB OS: Windows Server 2003 SE SP2 (x64) BI Server(MicroStrategy) HP ProLiant DL380 G6 (2009) CPU: Intel® Xeon® Processor E5540 CPU:2, Core:8 MEM:62.0GB, HDD:136GB OS: Windows Server 2008 EE SP2 (x64) HP StorageWorks MSA2312fc x 4 (2009) HDD:48, Size:28TB
13.
Seve(メルマガターゲティングツール) 会員情報 × 購買履歴&予約履歴 会員情報(性別、年代、・・・)と過去の購買履歴からターゲティング ゴルフダイジェスト・オンラインが挑んだ データ活用の軌跡、教訓、そして未来へ
14.
Seve(メルマガターゲティングツール) ゴルフダイジェスト・オンラインが挑んだ データ活用の軌跡、教訓、そして未来へ
15.
Phil(サイト来訪者分析ツール) 会員情報 × アクセスログ アクセスログ(サイト閲覧履歴)から会員情報(性別、年代、・・・)を分析 ゴルフダイジェスト・オンラインが挑んだ データ活用の軌跡、教訓、そして未来へ
16.
Phil(サイト来訪者分析ツール) ゴルフダイジェスト・オンラインが挑んだ データ活用の軌跡、教訓、そして未来へ
17.
値下げお知らせメール 今日からセールになる商品を『直近1週間に閲覧』し『直近1ヶ月以内にその商品 を購入していない』お客様に対してセールになった事を伝えるメールを配信。 CTR(来訪率) 約25%~30% ※レギュラーメール 2%~2.5%
18.
進化のための安定
19.
進化のための安定
20.
進化のための安定 2012年1月 2012年2月 2012年3月 2012年4月 2012年5月 2012年6月 2012年7月 2012年8月 2012年9月 2012年10月 2012年11月 2012年12月 2013年1月 2013年2月 2013年3月 2013年4月 2013年5月 2013年6月 合計 DWH起因 5 2 4 1 4 3 1 1 1 3 1 3 2 1 1 1 0 2 36 他システム起因 5 5 1 1 1 4 6 3 2 0 1 3 1 1 2 1 2 2 41 サービス停止 0 3 2 0 0 0 1 1 0 1 1 1 0 0 1 1 2 1 15 DWH起因の障害原因 バグ
人的ミス OS,ミドルウェア障害 他システム起因の障害原因 データ連携遅延 他システム連携エラー(API) データ不備
21.
自由研究(20%ルール)① EC 商品ジャンル別のクラスタリング分析 (R)
22.
自由研究(20%ルール)② Mahoutを利用したレコメンドエンジンの開発 ゴルフダイジェスト・オンラインが挑んだ データ活用の軌跡、教訓、そして未来へ
23.
ビックデータ活用を支える基盤と ゴルフダイジェスト・オンラインが挑んだ データ活用の軌跡、教訓、そして未来へ 今後の展開
24.
マーケティング・オートメーション(2013年11月14日時点) 連携システム ログ解析システム アクセス ログデータ Digital Marketing Platform インバウンドマーケティング 会員管理 統合レコメンドエンジン Hadoop
Platform ゴルフ場予約 Hive HDFS GDOサイト DWH Platform スコア管理 ETL DWH E-Commerce Data Stage ERP アウトバウンドマーケティング 顧客抽出ツール(Seve) BI Platform OLAP分析 ワークフロー 広告配信システム GBDP ゴルフ場予約事業 ゴルフ場営業 サポート 社外データ 会員属性と連携した広告配信システム KPIマネジメント 広告営業管理 会員分析 EC事業 MD分析 プラットフォーム ECショッピングモール (Google Shopping) 予実管理 ゴルフ場向 営業支援帳票 受注・発注分析 在庫・欠品分析 キャンペーンマネージメントシステム 統計解析 IBM SPSS R
25.
Hadoop システム構成 Amazon GDO社内 Web Service Amazon VPC(Virtual
Private Cloud) Amazon EC2 プライベートサブネット ログ解析 システム アクセス ログデータ マスターノード(m1.large) ×3台(Client,Active,Standby) CPU : Intel(R) Xeon(R) CPU 2.66GHz x 2cores メモリ:7.5GB Client JournalNode Hive NameNode JournalNode Client (EC2) NameNode JournalNode Active (EC2) スレーブノード (m1.large) Standby (EC2) ×3(Datanode) CPU : Intel(R) Xeon(R) CPU 2.66GHz x 2cores メモリ:7.5GB DataNode TasKTracker (EC2) HDFS (EBS) 500GB DataNode TaskTracker (EC2) HDFS (EBS) 500GB DataNode TaskTracker (EC2) HDFS (EBS) 500GB キャンペーン マネージメント .
26.
Hadoop + Hive
なぜGDOはHadoopを利用したのか? ① 夜間バッチが夜間に終わらなくなった。。。 ② タダ(無料)だから。 ③ 使ってみたかった Hadoopを利用してみて分かったこと。 意外と安定している。 HiveQLには制限は少ない(SELECT) 開発生産性は高い クラウドなのでスケールアウトは、とっても簡単。いろんな意味で。 更新、削除は出来ない レスポンスは遅い Hadoop + Hive のベストプラクティス バッチ処理
27.
次世代DWHインフラ(オンプレ案) プラン① 【 ETL増強案】 プラン② 【 ETL/DB増強案】 プラン③ 【アプライアンス案】 プラン④ 【Vectorwise案】 現行SW構成を維持し、ETLのみを増強 【リソース増強】ETL:2コア⇒4コア(64bit) 【HW】ETLサーバーのみをHW新設。 現行SW構成を維持し、ETL、DBのHWを増強 【リソース増強】ETL:2コア⇒4コア(64bit)、DB:4コア 【HW】ETL新設、DB専用マシン「Insight
Qube」 オンプレミス環境にて、高速分析用に製品化されたDWHアプライアンスへ移行 【リソース増強】ETL:2コア⇒4コア 【HW】DWHアプライアンス製品 「IBM PureData System for Analytics(旧Netezza)」 オンプレミス環境にて、 DWH専用DBである「Vectorwise」に最適チューニング されたDB専用マシンへ移行 【リソース増強】ETL:2コア⇒4コア、 DB:2コア⇒4コア 【DB】DWH専用DB 「Vectorwise」 【HW】データベース専用マシン「Insight Qube」
28.
次世代DWHインフラ(クラウド案) プラン⑤ 【 AWS案】 現行SW構成を維持し、オンプレミス環境からクラウド(AWS)環境へ移行 【リソース増強】ETL:2コア⇒4コア、 DB:2コア⇒4コア プラン⑥ 【
Redshift】 DBをSybaseIQから「Redshift」とし、環境もクラウド(AWS)環境へ移行 【リソース増強】ETL:2コア⇒4コア、 DB:2コア⇒4コア プラン⑦ 【Azure案】 現行SW構成を維持し、オンプレミス環境からクラウド(Azure)環境へ移行 【リソース増強】ETL:2コア⇒4コア、 DB:2コア⇒4コア プラン⑧ 【SQLServer案】 DBをSybaseIQから「SQL Server」とし、環境もクラウド(Azure)環境へ移 行 【リソース増強】ETL:2コア⇒4コア、 DB:2コア⇒4コア
29.
製品選定 GDOの製品選定の特徴 ① 検証にお金を掛ける ②
移行性を重視する ③ 当然ですが、最初の費用で、最大の効果を!!
30.
ご清聴ありがとうございました。
Baixar agora