2019.07.04
4フェーズ
売上実績から、
ステップ
データ活用は、常にビジネス課題からスタート
万能なツールは存在しない
やりたいことは変わる
扱いたいデータ量も変わる
Amazon Athena
Amazon Redshift
Amazon EMR
Amazon QuickSight
Amazon Elasticsearch
Amazon SageMaker
ログデータ
Amazon RDSにあるリレーショナルデータ
AWS Lambda
AWS Glue Python Shell
AWS Glue Spark Job
データ
学習
推論
注力する領域を決める
機械学習ベースの異常検知
機械学習ベースの予測
自動ナラティブ
AIサービス
MLサービス
推論のAIサービス
学習と推論のAIサービス
MLサービス
データウェアハウスに加えてビッグデータ処理なども可能に
多様な分析要件と大きなワークロード
ステークホルダーが多く、全員の同意を得るのが難しい
ワークショップ
ウォータフォール型開発でもPoCドリブンで速く高品質な設計
やりたいこと
解決策
パフォーマンスを引き出す3つのポイント
検討項目
指針
例
検討項目
推奨案
検討項目
推奨案
メリット
検討項目
推奨案
aws:PrincipalOrgID
でアクセス管理aws:PrincipalOrgID
で記述するとやりたいこと
解決策
メリット
Author
Reader
自動ナラティブ
今までWeb・アプリのログ分析はGoogle Analyticsで見るくらいで、それ以外のBIツールや機械学習は考えたこともなかった。
確かに、サービスを改善しようとするときもユーザーの声であったり、チームメンバーの意見ベースだったりとなかなかデータ・ドリブンにできていなかった。
このあたりがスモールステップで始めやすそうなので、7・8月で導入できたらと思う。
今日特に印象に残ったのが「常にビジネス課題からスタートせよ」という教訓だった。
「流行に乗ってデータレイクを作りたい」「こんなデータ集めてみた」というスタートでは、そもそも目的が後付けになってしまってうまくいかないということだろう。
Amazon / AWSのように、ユーザーファーストで課題から逆算して手段を選ぶ意識を常に持ち続けたい。
re:Capも気づけばあと1日。
明日はIoT&Machine Learningでこれまた楽しみなテーマなので、最後まで学び尽くしたい。