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。