 |
|
||||||||||||||||||||||||||||||||||||||||||||||||||||
1日24 時間の連続稼働：リアルタイム分析のための データ統合の強化John McPherson 著 Dan Wolfson 著 Kathryn Zeidenstein 著 |
|||||||||||||||||||||||||||||||||||||||||||||||||||||
|
|||||||||||||||||||||||||||||||||||||||||||||||||||||
エグゼクティブ・サマリー
ビジネス上の問題の考察 ビジネスによりデータが生成されます。膨大な量のトランザクション・データ (基本的な小売販売、e-commerce、保険支払請求、訪問記録、株式売買など) が毎日生成されます。多種多様なソースのデータを統合し、顧客、商品、店舗、Web サイト、オペレーション・センター、サプライヤー、およびその他の主要ビジネス・エンティティーに関するグローバルなビューを形成する必要があります。このようなデータは全体としてビジネスに関する豊富な情報を現し、将来の顧客行動やビジネス行動を予測するビジネス・モデルを導き出すために使用できます。ビジネス・オペレーションの最適化と新しいビジネス機会の捕捉には、このように多種多様な情報の分析が不可欠です。さらに、この分析を行い、遅滞なく意志決定を行うことがビジネスでは必須条件です。即座に対応するには、データが生成されるにつれてデータ統合も必要になります。ただし、優れた意志決定を行うには、顧客行動の履歴、季節による購買パターン、サプライヤー・コストおよび購買記録などの過去の経験的観点が必要です。実際のところ、新しいビジネス機会を認識するには、今までの傾向からは逸脱しているような新しい現象を認識できなければならないことがよくあります。 たとえば、小売業者は Web 顧客を分析し、だれに何を売るかを決める営業担当者にこの分析結果を渡す必要があります。そこで、販売アナリストはこの分析を使用して、どのような販売キャンペーンを立ち上げて、どのようなバーゲンにするかを決定します。より短期の、狭い範囲で終了するプロセスでは、顧客がオンラインで購入する際に、その顧客の現在および過去の Web サイトでの対話に基づいて、顧客への提示を自動的に変更することができます。 実際、カスタマー・リレーションシップ・マネージメント (CRM) に注目する場合は、その顧客が Web で買物をするか、店舗でか、通販カタログで買うかというような顧客のグローバルな見方が必要になります。顧客のエンタープライズ・ビューを取得するには、従来の「テクノロジーのアイランド化」という問題を克服する必要があります。コール・センター担当者が顧客にサービスを提供するには適切な顧客情報が必要になります。顧客データを分析システムに供給し、システムがそのデータを分析し、その顧客が関心を持つその他の商品を営業担当者に提示できれば、企業にとってさらに大きな利点になります。 たとえば、生命保険、医療保険、住宅保険、自動車保険を販売する保険会社について考えてみましょう。この会社ではそれぞれの部門が独自の記録を生成しています。会社としては、顧客がどの保険契約についても顧客サービス担当者 (CSR) と安心して相談できるようにしたいと考えています。 これを行うために、この会社では顧客の全体的なビューを CSR に提示する Web アプリケーションを作成する必要があります。さらに、CSR は顧客との対話中に集めた情報を基に、「ソース」データ・レコード (生命保険業務用のデータなど) を更新できなければなりません。このような更新は CRM システムに即座に反映する必要があります。顧客がまだ電話に出ている間に、システムから既存の顧客モデル分析に基づいたこの顧客のためになる契約や関連商品に関する情報を CSR に対して提示する必要があります。  同様に、証券会社の場合なら、各顧客のリレーションシップ・マネージメント・チームが顧客の収益に関する情報をリアルタイムで表示できるように、その顧客についての収益およびリスクに関するリアルタイム情報が必要になります。これには、取引手数料、金融サービスまたは相談サービスの代金などに関する情報を収集することが必要になります。この情報を使用できるようにするには、顧客の注文、取引、小科目割り当て、取引手数料、決済に関する代金および手数料などのデータをリアルタイムで収集できなければなりません。各顧客の全体像を生成するには、特定の日に収集された顧客情報に加えて履歴情報も使用する必要があります。 現在、ビジネスは他のビジネスやコンシューマーとオンラインで対話しているという事実が、速やかな分析と意志決定を必要としています。企業対消費者 (B2C) 環境でも企業間 (B2B) 環境でも、競合他社の価格変更、商品投入スピード、顧客のダイナミックなニーズなどに即座に対応することが必要です。 分析を基本ビジネス・プロセスへ統合することにより、技術的な課題も多数浮かび上がります。新しいイベントは即座に分析される必要があります。たとえデータを報告するシステムが全世界に拡散していて、各システムが独自の方法でビジネス情報を報告する場合でもそうです。
リアルタイムでの情報統合のためのオペレーショナル・データ・ストア 顧客、商品販売、在庫レベル、およびその他の重要な資産などを全社的に見たビューを提供するには、全社的なビューに統合して維持する情報統合インフラストラクチャーが必要になります。この統合インフラの重要な要素の 1 つが、オペレーショナル・データ・ストア (ODS) です。ODS は企業の主要エンティティーに関連するデータを維持します。ODS のデータは業務システムから取り込まれ、業務システムにより実行されるトランザクションと緊密に同期化されます。顧客などの重要なビジネス・エンティティーに関するデータが、元の業務システムでは違う形で提示されている場合でも、ODS では情報を共通仕様で提示します。ビジネスの状況のリアルタイム分析は、ODS 内のデータに対して実行できて、変化するビジネス状況に即座に対応するためにビジネス・プロセスに結び付けられます。
過去の経験的な全社的観点のためのデータ・ウェアハウス もちろん、経験的観点なしでビジネス・プロセスを進めるのは賢明ではありません。季節に基づく需要を目標在庫レベルに要因として組み入れる必要があり、現在 Web サイトを参照している顧客の収益性を評価するときは、その顧客の購買履歴を考慮する必要があり、朝刊の広告に掲載されていた商品の需要予測は、販促に対する過去の反応を基にして初めて予測できます。全社的な経験的観点を作成し、全社のデータ・ウェアハウスまたはビジネスの一部分で使用されるデータ・マートで保守します。データ・ウェアハウスは、リレーショナル・データベース、ファイル、および SAPR などのアプリケーションを含む多数のデータ・ソースから供給されます。データはクレンジングされ、複雑な分析やマイニング用に最適化されたデータ・モデルに変換されます。つまり、通常、ウェアハウス・データ・モデルは業務システムのデータ・モデルとはかなり違うということです。古典的なデータ・ウェアハウスの場合は月単位または週単位でデータが取り込まれますが、今日のウェアハウスは常時更新する必要があります。 Web サイトの顧客が多額の買物をしたところで、今度はアクセサリーを物色しているということをビジネスは知る必要があり、また、昨日の広告に対するニューヨークの反応を、今朝のサンフランシスコでの同じ広告に対する反応の予測に使用できなければなりません。 ODS とデータ・ウェアハウスの境界はあいまいなことがあります。ODS とデータ・ウェアハウスの違いは、一般的には次のとおりです。
ODSへのデータの取り込み
エンタープライズ・アプリケーション統合の手法 エンタープライズ・アプリケーション統合 (EAI) は、アプリケーション・プロセスを統合できるメッセージ・ベースのインフラストラクチャーです。 EAI により、1 つのアプリケーションのトランザクション (たとえば、注文処理システムの受注トランザクション) は、他のアプリケーションが関連処理を行えるように、自身に関する情報を「パブリッシュ」できます。たとえば、注文が正しく受け付けられて出荷されるように、注文処理アプリケーションを受注アプリケーションと協調させることができます。  通常、メッセージ・ブローカーが EAI インフラストラクチャーのパブリケーション/サブスクリプション機能をサポートし、既存アプリケーションを変更しなくても新規アプリケーションを展開できる拡張性の高いシステム・アーキテクチャーを提供します。メッセージ・ブローカーにより新規アプリケーションが組み込まれ、ブローカー経由ですでに通信されているメッセージに「サブスクライブ」できます。 たとえば、株式売買の要求を表すメッセージにより開始される株式売買の遂行用にビジネス・ルールを実行する既存アプリケーションがあったとします。インサイダー取引を探し出す新規アプリケーションを株式売買に導入する場合、拡張可能な EAI インフラストラクチャーがないと、この新規アプリケーションを起動するように既存の株式売買アプリケーションを変更しなければならない可能性があります。メッセージ・ブローカー・ベースの EAI アーキテクチャーがあれば、インサイダー取引を検出する新規アプリケーションに株式売買トランザクション・メッセージを簡単にルーティングできます。 EAI インフラストラクチャーは、オペレーショナル・データ・ストアへのデータの取り込みにも使用できます。EAI インフラストラクチャー内のトランザクション・メッセージを使用して、ODS への更新を起動できます。たとえば株式売買の場合を考えると、インサイダー取引検出アプリケーションの起動に使用される株式売買メッセージは、取引に関する情報をメッセージ (2001年1月11日、Joe Trader による XYZ の 7000 株を 1 株 92 ドルの取引) から抽出し、これに単純な変換と要約を実行した後、ODS に保管するプロセスにルーティングすることもできます。  そうすれば、複数のマーケット領域にまたがる取引高、最新の傾向情報、顧客または口座の動きなどの分析や、詳細な最新取引データを必要とするその他の分析に ODS を使用できます。
データベースの変更の複製手法 EAI 手法により別システム上のアプリケーション間を調整することで、複数のアプリケーションを結び付けられます。メッセージとして渡されるデータは、1 つのアプリケーション・システムで実行されているトランザクションに関する情報であり、他のアプリケーションに対して補完トランザクションおよびサポート・トランザクションを実行できます。このトランザクション・レベルの情報は、変化する状況への対応を最適化するために必要な種々の分析に不可欠です。 さらに低いレベルでは、通常、アプリケーション自体がデータベースに対して操作を行い、データベースに保管されているビジネス状態の情報に変更が加えられます。このような変更には、トランザクションに直接関係する情報 (注文に関するデータなど) が含まれることがあります。ただし、このために、よりグローバルな情報 (在庫レベル、顧客のクレジット残高、サプライヤーに対する未払金、現金水準またはリスク水準など) が変更されることもあります。このような変更に対して迅速に対処するには、データベースの状態の変更に関する情報を、分析アプリケーションにも伝搬する必要があります。これは、データベース変更キャプチャー手法を使用して行います。このような手法では、通常、データベース・ログを監視したり、データベース・トリガーを使用してビジネス状態の変更の情報をキャプチャーします。  たとえば、小売業者にとっては、常に店舗や倉庫に品揃えをしておくことが課題です。在庫が多すぎると費用がかかり、不十分だと収益が失われることを意味します。POS (Point-of-sale) 端末は在庫管理システムに接続されていて、在庫レベル・データに対するデータ変更キャプチャー手法を使用して在庫レベルの変更を監視できます。在庫レベルがしきい値より下になったときだけ、サプライヤーから商品をディスパッチするアクションが変更により起動されます。データ変更キャプチャー手法を使用すると、サプライヤー監視システム用のプラットフォームを提供する ODS に在庫レベルの変更を伝搬することができます。サプライヤーは在庫を追跡し、低い在庫レベルには即座に対応できます。
データ・ウェアハウスの構築 ODS を構築する手法とウェアハウスを構築する手法はよく似ています。ただし、ウェアハウスは通常、要約度が高く、分析アプリケーションとマイニング・アプリケーションのサポートに、異なる構造が用いられることがあります。通常、データ・ウェアハウスはビジネスの長期的かつ戦略的な観点を提供するため、リアルタイムで更新する必要はありませんが、ODS は頻繁な (毎日、毎時) 更新が必要になることがほとんどです。  データのクレンジングと変換には豊富なツール群や手法が必要になります。豊富な機能を使用しようと思えば、カスタム・コードの機能や組み込みのデータベース機能、特殊なクレンジングや変換 (名前およびアドレスのクレンジングや地理情報ジオコードなど) のためのソリューションを含むさまざまなツールを統合して使用できなければなりません。 連合照会 − 情報貯蔵庫の分割 企業が直面する課題の 1 つが、情報貯蔵庫の分割です。ビジネス・データを孤立してあちらこちらに貯蔵すると、ビジネス・ビューに一貫性がなくなり、全社的な分析または企業間の分析を統合できなくなる可能性があります。在庫レベルを監視し、季節変動を要因に含むリアルタイム・アプリケーションを構築するには、ODS とデータ・ウェアハウスの統合が必要になります。そこで初めて、履歴的な季節ごとの販売データをウェアハウスから ODS に移動し、リアルタイム・アプリケーションで必要なすべてのデータを 1 つのデータベースに提供できるわけです。 連合データベースは、データの移動が不可能な場合または理想的でない場合に考慮できるツールです。連合データベースにより、複数データベース内のデータを参照する照会を処理できます。連合照会プロセッサーは、関与する複数データベースへの最適アクセス方法と、複数のソースからの結果をまとめて最終的な照会結果を生成する方法を判断する必要があります。  データの最新性が重要な場合、つまり、ある時点でのデータをそのまま使用する必要がある場合は、連合が適しています。さらに、連合はエンタープライズ全体にまたがって随時照会をすばやく実行する方法を提供し、更新も可能です。 効率的な連合のために、連合照会プロセッサーには基になるデータ・ソースの機能が高度にモデル化されて含まれている必要があります。また、このプロセッサーは、データ・ソースの使用を最適化し、ネットワーク帯域幅とオーバーヘッドを最小化するような方法で連合照会を最適化できる必要があります。うまく実装された連合照会プロセスは、複数の ODS とウェアハウスからのデータを組み合わせる方法を提供し、ビジネスの現在の状況に関するデータと総合的なビジネス分析の結果を統合します。 ビジネス・ニーズに対応するには、リアルタイムで応答するアプリケーションの構築だけでは足りません。IT インフラストラクチャー全体が、予測できないようなビジネス上の質問に速やかに応答する体制をサポートする必要があります。変化の激しいビジネス状況下では、急激に変化するのはビジネス・データだけではなく、ビジネスを俯瞰する視点も変化し、答を必要とする問いも変化します。アプリケーションを慎重に構築すれば、必要なすべてのデータを 1 つのデータベースから収集したりリアルタイムで更新することができます。新しいビジネスの質問に答えるには、今まで予測できなかったような方法で複数のデータベースからデータを探し出すことが必要になることがあります。ビジネス・インフラストラクチャーで連合照会機能をサポートすることにより、複数のデータベースに保管されている情報を瞬時に統合する手段を提供し、変化するビジネス環境への対応に必要な新しい分析方法を促進できます。
ビジネス・インテリジェンスの統合 意志決定や戦略計画に役立つ洞察が得られたところで、次はデータ統合による収益性向上の可能性をひもときます。このための手法はさまざまありますが、ここでは、複雑な照会とデータ・マイニングを中心に説明します。 複雑な照会： データベース・エンジンは、ODS またはウェアハウス内のデータを照会し分析する豊富な機能を提供する必要があります。データベース・エンジンに含められる分析機能が多ければ多いほど、分析結果の提供速度が上がります。複雑な照会の例には、再帰 (サンフランシスコからニューヨークへの航空経路をすべて検索し、航空運賃順に並べる)、分析機能 (順位付け、累積、容積、丸めなど)、および事前に計算された結果を含む表を作成して結果を高速に算出する機能などが含まれます。 データ・マイニング： データ・マイニングは、データ内のパターンや関連性を検出するプロセスです。例は次のとおりです。
たとえば、顧客購買パターンや信用格付けのモデルを生成するには、膨大な量の顧客データと販売データをマイニングする必要があります。モデルの生成はバッチ処理ですが、モデルは通常のビジネス・プロセス中にリアルタイムで使用できる必要があります。  たとえば、Web サイトではこのようなモデルを使用して閲覧する顧客の属性を調べ、購買パターン・モデルと比較し、顧客がまだオンラインになっている間に商品を推奨することができます。さらに、小売業者が新規顧客を絞り込む役に立つように、信用力を瞬時に判断できる必要があります。これを実現するには、Web サイトを見る新規顧客のそれぞれに対して以前のマイニング分析結果を適用する方法が必要になります。
小売業界の例 前述のテクノロジーを実際の状況で検証してみましょう。ある小売業の会社に POS システムがあり、このシステムは全店舗対象の在庫管理システムにリンクされているとします。この会社は、サプライヤーが Web ベース・アプリケーションを使用して在庫を管理できるように、システムを開く必要がありますが、トランザクションが大量に発生して、POS システムに負荷がかかりすぎるのではないかと憂慮しています。そこで、トランザクション・データを ODS に移すことに決めました。これをサプライヤーが Web アプリケーションで使用します。 この会社では、この ODS が商品の売れ行きを分析する基礎になっていることがわかりました。このデータは、それぞれの販促の効果に関する情報も提供します。さらに、この情報をウェアハウスに集約し維持することにより、長期的なビジネス傾向も発見できます。  この小売会社では、Web ベースの店舗を立ち上げることにも興味があります。Web 店舗も在庫管理システムに結び付ける必要があるのは明らかです。この会社では、POS から収集した顧客データと Web サイトのログインから収集するデータを活用して、Web 店舗を顧客のひとりひとりに合わせて調整 (パーソナライズ) する考えです。
応答性の高い分析アプリケーション環境 急激に変化するビジネス環境に歩調を合わせるためにリアルタイム分析を提供し、新しいビジネス・プロセスをサポートするには、機能の豊富な応答性の高いインフラストラクチャーが必要になります。すぐに使用できるビジネス・データを引き金として分析を高速かつタイムリーに行う必要がありますが、過去の経験的観点と高度で複雑なデータ・マイニングおよび分析の結果も反映するものでなければなりません。システムはリアルタイム・データの供給に基づき、アプリケーション・レベルの変更だけでなく、その変更をビジネスの状態にすぐに伝搬できるようにする必要があります。データベース・システムは極めて高い可用性を提供し、高い更新率と複雑な照会機能という厳しい要件をサポートする必要があります。システムでは、データ・ストアの境界を超える非定型の照会にすぐに対応できる必要があります。このような即応性は、連合照会機能でしか提供できません。データ・マイニング機能を含む分析ツールが必要になり、このようなツールや機能のすべてが、全体的な情報統合環境の設計、管理、および保守を促進する管理インフラストラクチャーによりサポートされる必要があります。 次の項では、このようなシステムを実現する IBM 提供のソリューションを検証します。IBM は、ソリューションの実装全体を通して先進的な製品を使用した完全なソリューションを提供します。他のベンダーもソリューションを部分的には提供していますが、広範な全社的な観点を提供する複合分析と履歴という視点を融合することの重要性を見逃しているベンダーもあります。また、問題の分析的局面のみに集中し、高いトランザクション・レートを処理する業務の観点をサポートしていなかったり、アプリケーション・レベルとビジネス状況のレベルの両方で情報を統合する豊富なインフラストラクチャーを提供できていない場合があります。
小売業のシナリオ：稼働しているIBMソリューション 前述の小売会社 (Web ベースのサプライヤー追跡システムと個々の顧客に合わせてパーソナライズした Web 店舗を両方とも作成したいと考えている会社) では、ODS とウェアハウスの基盤として IBM DB2R ユニバーサル・データベース?を使用しています。DB2 のアクティブなデータベース機能 (トリガー) を使用して、この会社では在庫レベルの監視を自動化できました。DB2 の最適化された連合照会サポートを使用して、履歴的な観点を追加しています。ODS およびウェアハウス全体に照会を実行し、季節向けに在庫レベルをいつ調整するかを判断し、通常ではない商品の動きを検出しています。さらに、この会社では連合照会を活用して、IBM 以外の DBMS 上の ODS も含む複数の ODS の統合ビューを作成します。  顧客データを活用してパーソナライゼーションを実現するために、この会社は集約された顧客データに基づくデータ・マイニング・モデルを作成します。データ・マイニング・モデルにより、以前は認識できなかった顧客の分類を発見し、この分類に基づいて (ODS に保管されている) 顧客をグループ化します。繰り返し訪れる顧客がサイトにログオンすると、その顧客の分類に基づいてパーソナライズされた店舗ページが表示されます。新規顧客がログインすると、クリック・ストリームのリアルタイムのスコアと Web ストアのデータ要素により、類似顧客のそれまでの対話プロファイルに基づいてその顧客を分類できます。この分類を使用して、新規顧客はパーソナライズされた Web 店舗ページを受信します。IBM DB2 Warehouse Manager が、このシステム全体を通したデータの集中管理を提供します。
IBMの統合テクノロジーの構成要素 IBM では DB2 を基盤として、データの移動、変換、連合 (データを移動したくない場合)、およびリアルタイム分析と履歴分析の両分析用の統合製品を豊富に揃えています。ODS やウェアハウスへのデータの取り込みにあまり遅延が発生しないように、データベースに対する IBM MQSeriesR メッセージの送受信もサポートされています。
データ・プラットフォーム：移動、変換、連合 データ管理のための DB2 の使用： DB2 は、長年の間、多くの企業ビジネス環境で重要な役割を果してきました。データベース・エンジン自体が豊富な機能、超高速パフォーマンス、および高可用性を提供します。次の項で説明しますが、DB2 には、ODS とデータウェアハウスにとって最善の選択肢になる追加機能が統合されています。では、なぜ DB2 が最善の選択肢なのでしょうか?
DB2 データ・ウェアハウス・センターは DB2 に統合され同梱されています。DB2 データ・ウェアハウス・センターは、ビジネス・インテリジェンス顧客に対して単一ユーザー・インターフェースを提供します。これを使用すると、SQL やリレーショナル以前のさまざまなデータ・ソースの登録およびアクセス、データの抽出および変換ステップの定義、ODS、データ・ウェアハウス、およびデータ・マートのデータの取り込みおよび管理プロセスの自動化と監視などを行えます。DB2 Warehouse Manager は DB2 の追加機能ですが、i2 TradeMatrix BPI、SAP R/3®、および Microsoft OLE DB オブジェクトなどのデータ・ソースと統合されます。DB2 Warehouse Manager には情報カタログも含まれています。これは、CWM (Common Warehouse Metamodel) (CWM) XML オブジェクトを含むメタ・データを管理し交換する手段です。 DB2 データ・ウェアハウス・センターは、完全リフレッシュおよび増分更新のデータ移動オプションをサポートし、IBM の強力な統合データ・レプリケーション機能を活用します。 DB2 のレプリケーション・テクノロジー： DB2 には、データ・ウェアハウス・センターの一部として使用することもそれ自体で使用することもできるレプリケーション・テクノロジーが含まれています。IBM DB2 DataPropagator は、業務ソースから ODS へデータを移行しながらデータ変換を実行できます。レプリケーション・サブスクリプションはイベント・ベースまたは間隔ベースのいずれかです。間隔は 1 分から 365 日までの範囲です。低遅延の環境には連続レプリケーションを指定できます。IBM のレプリケーション・ソリューションには、IBM 以外のソース、フラット・ファイル、および IBM IMSからデータをレプリケートできる方法も含まれています。  連合データベース・テクノロジー： DB2 V7 には IBM DB2 リレーショナル・コネクトが含まれています。これを使用すると、Oracle、Sybase、および Microsoft SQL Server を含むリレーショナル・バックエンドに読み取り専用の連合を実行できます。 DB2 Warehouse ManagerとMQSeriesの統合： MQSeries を統合し、XML メッセージングとデータベース・アクセスをシームレスに組み合わせるアプリケーションを容易に構築できます。DB2 の表に MQSeries メッセージ・データを挿入し、DB2 からデータを作成してメッセージ待ち行列に入れることができます。DB2 V7.2 では以下の機能を使用できます。
エンタープライズ・アプリケーションの統合 IBM は MQSeries ファミリーにさまざまな製品を揃えて、強力なメッセージング・システムを提供しています。 MQSeries： MQSeries はアプリケーション統合のバックボーンを提供します。MQSeries が提供する総合的な API ファミリーは、JMS (Java Message Service) を含み、すべてのメッセージング・タスクのコーディング作業が単純になるように設計されていて、1 度だけ配信されることを保証します。MQSeries のお客様数は 7,000 件を超え、ビジネス・パートナーは 450 社を超えます。全世界で 2,000 人以上の認定された MQSeries スペシャリストが 650 社以上で働いています。 IBM MQSeries Integrator： MQSeries Integrator は、メッセージ・ブローカー・システムを提供します。重要なデータやビジネス・イベントを管理するグラフィック・ツールを提供します。一連のプロセス機能を結び付けて、メッセージを動的に操作しルーティングします。MQSeries Inegrator は、データベースのデータをメッセージと組み合わせ、監査やその後の分析のために実行中のメッセージ・データをウェアハウスに保管し、情報をビジネス・アプリケーションに対して効率的に配信します。MQSeries Integrator は、組み込みの処理構成要素をサード・パーティ・ソフトウェア・ベンダーや企業の構成要素と組み合わせられるオープンなフレームワークとして発展しています。メッセージのトピックと内容の両方を関心のあるサブスクライバーにルーティングする機能を含み、堅牢なパブリッシュ/サブスクライブ・サービスを装備しています。  IBM MQSeries Workflow： MQSeries Workflow にはグラフィック・エディターが装備され、ビジネス・プロセスをビジュアルに設計し実行できます。フロー定義言語 (FDL) を生成します。この言語はランタイム・サーバーにより実行用に変換されます。MQSeries Workflow ランタイム・サーバーにインポートできる FDL モデルが、先進的なビジネス・プロセス・リエンジニアリング・ツールのいくつかにより作成されます。実行時に、ランタイム・サーバーは指定されたユーザーまたはグループにアクティビティを配信します。MQSeries Workflow に含まれている XML ベース・インターフェースにより、MQSeries メッセージで MQSeries Workflow プロセスを開始し、MQSeries メッセージを MQSeries Integrator またはその他の MQSeries ベースのアプリケーションに送信できます。
ビジネス・インテリジェンス製品 IBM のデータ統合オファリングの締めくくりは、先進的なビジネス・インテリジェンス・ソリューションです。 IBM DB2 Intelligent Miner ： データ・マイニングは業務システムに徐々に近づきつつあります。特に CRM アプリケーションでは顕著です。データ・マイニングでは、より多くの情報に基づく推奨を顧客に提供し、新規パターンに基づいて処理を動的に変更し、オンライン体験をより効率化し、特定の状況に対して応答性を高めるなどのことが可能です。 このようなアプリケーション機会をサポートするには、大規模なリレーショナル・ストアに対して直接マイニングを実行し、新規 e-commerce サイトにより生成される大量のクリックストリーム・データを分析し、並列処理テクノロジーを活用することが、実際に必要です。大規模な業務データ・ストアのデータ・マイニング結果を顧客別、商品別、取引別に分類して提示し、下流で効率的な処理ができるようにすることは、個々のユーザーに合わせた対応ができるようにリアルタイムに予測することと同じくらい重要です。DB2 Intelligent Miner は、より生産的な対応戦略、統合、および相互稼働性を提供し、新しいデータ・マイニング標準に準拠しています。 DB2 Intelligent Miner のタスクは、DB2 データ・ウェアハウス・センターから自動化できます (ibm.com /software/data/db2/dwc/idmdwc.html にある「Using the DB2 Intelligent Miner for Data/Data Warehouse Center example integration」を参照してください)。 IBM DB2 Intelligent Miner Scoring (IM Scoring)： IM Scoring は DB2 のオプションで、企業が事前定義の基準に沿って顧客をランク付けできるデータ・マイニング・アプリケーションです。たとえば、融資担当者なら、会社の方針に基づいて、融資申込者がまだ電話に出ている間にその信用度をリアルタイムで判断できます。このプロセスは、セルフサービス・インターネット・プロセスの一部として自動化することもできます。 マイニング・モデルは動的に更新できるため、実働システムの邪魔にならずにビジネス結果を恒常的に改善できます。DB2 Intelligent Miner Scoring により、開発者は低レベルの専用 API でプログラミングしたり、難解なデータ形式を理解する必要がないため、マイニング・モデルを容易に再コンパイルしてアプリケーション・プログラムに再リンクできます。スコアリング・サービスは DB2 エクステンダーの一部として組み込まれているため、データ・マイニング・テクノロジーをデータベース管理システムに直接統合し、アプリケーションの迅速な開発と展開およびアプリケーションの高いパフォーマンスを実現できます。 まとめ リアルタイム・データ分析のための技術的ソリューションは、エンタープライズ・アプリケーション統合 (EAI) メッセージング・テクノロジーとデータ抽出や連合などのデータ統合手法を活用することです。リアルタイム分析では、その焦点は分析とビジネス・プロセスをできるだけ高速に統合することです。ODS およびデータ・ウェアハウスは相互に補完するもので、一緒に使用すると、データを分離、統合、クレンジング、要約、および分析する機能を提供します。これらに対するデータの取り込みには、設計対象のソリューションの要件に基づき、アプリケーションまたはデータ統合手法が使用されます。 IBM では、ビジネス・ニーズに合わせて調整できる、ほぼリアルタイムのデータ分析ソリューションを作成するための完全で均整の取れた製品群を提供しています。ここで説明したテクノロジーは、どんどん拡張が加えられますが、長年の間、さまざまな環境で試されテストされているものばかりです。IBM では、リアルタイムという視点と履歴という視点の両方を併せ持つだけでなく、統合された優れた分析と集中管理を提供する完全なソリューションを提供しています。  原文はこちら
(英文）
|
|||||||||||||||||||||||||||||||||||||||||||||||||||||
