株式会社グルーヴノーツ シニアコンサルタント / Google Developers Expert (GCP) なかむら さとる様

1. Confidential
『MAGELLAN BLOCKS』を使って BigQuery を使い倒す！
2020 年 09 月 09 日 株式会社グルーヴノーツ

2. Confidential
Agenda
● 会社紹介・自己紹介
● BigQuery をもっと自由に！
● 事例 1
● 事例 2
● デモ
2

3. Confidential
3
会社紹介・自己紹介

4. Confidential
© 2018
based in Fukuoka
Business MAGELLAN BLOCKS
TECH PARK
福岡本社
福岡県福岡市中央区今泉 1丁目19番22号
天神CLASS 3F
東京オフィス
東京都千代田区大手町 1-9-2
大手町フィナンシャルシティグランキューブ 3F
Global Business Hub Tokyo BD Office
Address

5. 予測
組合せ
最適化
Data
分析
機械学習による
高精度な予測
量子コンピュータによる
高速・高精度な最適解
データレイクの構築、
データ活用支援
事業の領域

6. Confidential
6
自己紹介
● 名前：
なかむら さとる
● 所属：
株式会社グルーヴノーツ
● 仕事内容：
企業のデータ活用や BigQuery での DWH 構築のお手伝い
● その他：
Google Developers Expert (Google Cloud Platform)
ビッグデータを専門としたコミュニティの運営

7. Confidential
7
BigQuery をもっと自由に！

8. Confidential
データ提供基盤既存システム
一般的な仕組み
8
Cloud
Storage
BigQuery BigQuery
Data Studio

9. Confidential
一般的な仕組み
9
データ提供基盤既存システム
Cloud
Storage
BigQuery BigQuery
Data Studio

10. Confidential
データ提供基盤既存システム
Cloud
Storage
BigQuery BigQuery
Data Studio
これが
10
天気の情報
使いたい

11. Confidential
データ提供基盤既存システム
Cloud
Storage
BigQuery BigQuery
Data Studio
こうなって
11
天気の情報
使いたい
Adsのデータ
入れたい

12. Confidential
データ提供基盤既存システム
Cloud
Storage
BigQuery BigQuery
Data Studio
こうなって
12
天気の情報
使いたい
メーカーから
もらった商品
情報
Adsのデータ
入れたい

13. Confidential
DataStudio
データ提供基盤既存システム
Cloud
Storage
BigQuery BigQuery
こうなる
13
天気の情報
使いたい
Adsのデータ
入れたい
メーカーから
もらった商品
情報
使ってる
Excelのデー
タ
他社からも
らったデータ
国勢調査の
データも入れ
たい
tweetと組み
合わせたい
おれの推しの
売れ方みた
い
ムリ！
納期は
明日！

14. Confidential
データ提供基盤既存システム
Cloud
Storage
BigQuery BigQuery
Data Studio
こうなると？
14
出すの遅い
好き勝手
いいやがって
文句ばっか

15. Confidential
さてさて。。。。
15
とはいえ、せっかくの
BigQuery だし、みんなに
使ってもらいたい。。。。

16. Confidential
課題と BigQuery のいいところ（おさらい）
16
現場の人たちは自由に分析したいと思っている、なぜ出来ないのか？
● 課題
○ オンプレや他クラウドではリソースの問題があった
→ BigQuery ならサーバレスで、自動的に拡張してくれるのでリソースの問題は無い

17. Confidential
課題と BigQuery のいいところ（おさらい）
17
現場の人たちは自由に分析したいと思っている、なぜ出来ないのか？
● 課題
○ オンプレや他クラウドではリソースの問題があった
→ BigQuery ならサーバレスで、自動的に拡張してくれるのでリソースの問題は無い
○ 自由に使われたら費用ががががが。。。
→ 使用量に上限を決めることが出来る
→ Flat-rate が 100 から契約出来るようになってお手軽に
→ Reservation を使って各プロジェクトごとに使える上限を決めることが出来る

18. Confidential
課題と BigQuery のいいところ（おさらい）
18
現場の人たちは自由に分析したいと思っている、なぜ出来ないのか？
● 課題
○ オンプレや他クラウドではリソースの問題があった
→ BigQuery ならサーバレスで、自動的に拡張してくれるのでリソースの問題は無い
○ 自由に使われたら費用ががががが。。。
→ 使用量に上限を決めることが出来る
→ Flat-rate が 100 から契約出来るようになってお手軽に
→ Reservation を使って各プロジェクトごとに使える上限を決めることが出来る
○ 現場の人はプログラムも組めない、 GCP のコンソールも触らせたくない
→ MAGELLAN BLOCKS を使って、GUI で自由にできる

19. Confidential
既存システム
BigQuery BigQueryCloud
Storage
こうやっちゃう。
19
BigQuery
Cloud
Storage
BigQuery
Cloud
Storage
BigQuery
Cloud
Storage
現場にやっ
てもろたらえ
えやん！

20. Confidential
既存システム
BigQuery BigQueryCloud
Storage
運用を切り分けることで？
20
BigQuery
Cloud
Storage
BigQuery
Cloud
Storage
BigQuery
Cloud
Storage
『システム』としての仕事に集中できる
● 利用状況の把握
● 課金のコントロール
● 利用状況からのデータ構造の検討
● アクセス権・セキュリティ

21. Confidential
21
事例 1：人事部門が BigQuery 使ってみた

22. Confidential
事例 1：人事部門が BigQuery 使ってみた
22
● 課題：
過去の残業代計算に不備があったことが判明。
再計算の必要があったが、現在の給与計算ソフトでは出来ず表計算ソフトでチャレンジ。
しかしデータが多すぎて動かないし、特殊な計算が必要だった。
● 対応：
勤怠管理からデータを抜き出し、 MAGELLAN BLOCKS でフォーマット変換、 NULL 値の修正などを行
う。
計算方式はデータポータルでデータを一緒に見ながら、クエリを解説付きでその場で修正。
無事に 2 週間ほどで完了。

23. Confidential
事例 1：人事部門が BigQuery 使ってみた
23
● 課題：
過去の残業代計算に不備があったことが判明。
再計算の必要があったが、現在の給与計算ソフトでは出来ず表計算ソフトでチャレンジ。
しかしデータが多すぎて動かないし、特殊な計算が必要だった。
● 対応：
勤怠管理からデータを抜き出し、 MAGELLAN BLOCKS でフォーマット変換、 NULL 値の修正などを行
う。
計算方式はデータポータルで データを一緒に見ながら、クエリを解説付きでその場で修正 。
無事に 2 週間ほどで完了。

24. Confidential
事例 1：人事部門が BigQuery 使ってみた
24
● 効果：
人事部門発信の働き方改革の元データとして活用。
どの業務にどのぐらい時間が割かれているのか、他データとの連携を MAGELLAN BLOCKS を利用
して自分たちで活用している。
BigQueryCloud
Storage

25. Confidential
25
事例 2：仕入れ担当者が BigQuery 使ってみた

26. Confidential
事例 2：仕入れ担当者が BigQuery 使ってみた
26
● 課題：
過去のデータを探して、最終的には人の勘で仕入れを行っていた。
基幹システムから抜き出せる情報だけではなく、様々な要因があるがそれを別々でみていた。
これらを 1 つに統合して見て、あわよくば AI につなげたい。
● 対応：
当初は私達がデータを見ながら、特徴のあるところをヒアリング。
徐々に手を離して、自分たちでデータを見ながら他部門（マーケティングや商品情報）と連携してデータ
をもらい自立してデータを扱えるようになった。

27. Confidential
事例 2：仕入れ担当者が BigQuery 使ってみた
27
● 効果：
データを扱う仲間が増えて、自発的に横展開で利用するようになった。
現在は機械学習にも手を伸ばして使うようになっている。
BigQueryCloud
Storage

28. Confidential
28
デモ

29. THANK YOU