はじめに
これまで、データ分析・機械学習などの知識を重点的に学んできたので、BI周りはかなり疎かになっていました。今の知識のままではBI案件のお手伝いが大変だなと思ったので、少しはリソースを割いて勉強していこうと思います。今回はコードも何も出てこない内容なので、データサイエンティストの方はそっ閉じで良いと思います。
海外のブログで、“12 Best Business Intelligence Books To Get You Off the Ground With BI”という記事があり、”Performance Dashboards: Measuring, Monitoring, and Managing Your Business (English Edition)
目次
・パフォーマンスダッシュボード
・ダッシュボードの不満
・パフォーマンスダッシュボードの２つの原則
・戦術的なドライバー
・戦略的なドライバー
・パフォーマンスダッシュボードは何で構成されるか
・おわりに
パフォーマンスダッシュボード
- ダッシュボード
- パフォーマンスチャート
からなる
ダッシュボードの不満
意思決定を阻害するもの
- データが多すぎる
- 情報が少なすぎる
- 届くのが遅すぎる
パフォーマンスダッシュボードの２つの原則
パフォーマンスダッシュボード = BI + 企業の経営マネジメント
（画像はPDFより拝借しております。）
- 1.BI
- 情報（DWH）
- 知識（分析ツール）
- 計画（ルール、モデル）
- 行動（レビュー、計測、洗練）
- 知恵
- イベント発生→情報へ
の繰り返し
- 2.企業の経営マネジメント
- 戦略（ミッション、バリュー、ゴール、目的、インセンティブ、戦略マップ）
- 計画（予算、計画、見込み、モデル、イニシアティブ、ターゲット）
- モニタリング、分析（パフォーマンスダッシュボード）
- 行動、調整（行動、決定、見直し）
戦術的なドライバー
- 利用者と共鳴する
- 一つのスクリーンでいくつかの領域のステータスをモニタリングできる
- 重要な指標のグラフ表示
- 例外的な状況に関してアラートを上げる
- クリックして分析し、詳細を深掘りできる
- ルールに基づきカスタマイズされた表示
- 訓練が要求されない
- リッチなデータ
- 複数の情報ソースからブレンドされたデータ
- 詳細も集計値もある
- 履歴もリアルタイムのデータもある
- 労働者に力を与える
- 本当に重要なことにユーザーを集中させる
- 労働者の貢献がどのように集計されているかを示す
- ゴール、競争、インセンティブで動機づけをする
- プロアクティブな介入を促進する
戦略的なドライバー
- ビジネスを調整する
- 皆同じデータを使う
- 皆同じ指標を使う
- みな同じ戦略で働く
- コミュニケーションの改善
- コミュニケーション戦略のためのツール
- マネジャーとスタッフのコラボレーション
- 部門間のコーディネート
- 視認性とコンプライアンスの向上
- 驚きの少なさ
- 戦略的なドライバーの5つのC
- Communicate
- Compare
- Collaborate
- Coordinate
- Congratulate
パフォーマンスダッシュボードは何で構成されるか
- 3つのアプリケーション
- 情報の3つのレイヤー
- パフォーマンスダッシュボードの3つのタイプ
3つのアプリケーション
- モニタリング
- 分析
- コラボレーション
（画像はPDFより拝借しております。）
情報の3つのレイヤー
（画像はPDFより拝借しております。）
- モニタリング：グラフ、図形、チャート
- 分析：ディメンション、階層、細かく分割
- レポーティング：DWHのクエリ実行、運用レポート
- これらをプランニングする
・計画、モデル、予測、更新
ダッシュボード
・目的：現在の活動状況を測る
・ユーザー：経営者層、マネジャー、スタッフ
・更新頻度：即時
・データ：イベント
・クエリ：リモートシステムで実行
・画面：チャート
スコアカード
・目的：進行状況を示す
・ユーザー：経営者層、マネジャー、スタッフ
・更新頻度：周期的なスナップショット
・データ：サマリー
・クエリ：ローカル環境のデータマートで実行
・画面：図形
・経験則
・ビジネスユーザーが好むものは何でも使う！
パフォーマンスダッシュボードの3つのタイプ
- 業務系
- 焦点：モニタリング業務
- 重点：モニタリング
- ユーザー：管理者
- スコープ：現場
- 情報：詳細
- 更新頻度：日中
- 適しているのは：ダッシュボード
- 戦術系
- 焦点：プロセスの最適化
- 重点：分析
- ユーザー：マネジャー
- スコープ：部門
- 情報：詳細/サマリー
- 更新頻度：日次/週次
- 適しているのは：BIポータル
- 戦略系
- 焦点：戦略実行
- 重点：コラボレーション
- ユーザー：経営者層
- スコープ：企業
- 情報：サマリー
- 更新頻度：月次/四半期
- 適しているのは：スコアカード
パフォーマンスダッシュボードをどのように作るか？
3つのアーキテクチャー
・ビジネスアーキテクチャーとテクニカルアーキテクチャー
・BIアーキテクチャー
・データアーキテクチャー
ビジネスアーキテクチャー
- ステークホルダー：投資家、取締役、全従業員、顧客、サプライヤー、監督機関
- 戦略：ミッション、ビジョン、バリュー、ゴール、目的、戦略マップ
- 戦術：資産、人員、知識、計画、プロセス、プロジェクト
- 意味：用語、定義、ルール、メタデータ、教育、ガバナンス
- 指標：先行、遅行、兆候
テクニカルアーキテクチャー（パフォーマンスダッシュボードに直接つながるところ）
- ディスプレイ：ダッシュボード、BIポータル、スコアカード
- アプリケーション：モニタリング、分析、マネジメント
- データソース：スプレッドシート、メモリーキャッシュ、DWH、データマート、レポート、ドキュメント
- 統合：カスタムAPI、EAI（Enterprise Application Integration）、EII（Enterprise Information Integration）、クエリ実行、ETL、手動
- データソース：レガシーシステム、パッケージのアプリ、Webページ、ファイル、サーベイ、テキスト
BIアーキテクチャー
（画像はPDFより拝借しております。）
ビジネスアーキテクチャー
・統合BI能力
・モニタリングレイヤー
・分析レイヤー
・レポーティングレイヤー
・プランニングレイヤー
・BIプラットフォーム（分析サーバ）
・共通のサービス、モデル、API、ファイル形式
・データデリバリーアーキテクチャー
データアーキテクチャー
Quicken Loans（アメリカの金融業者）の例
（画像はPDFより拝借しております。）
- 企業内のソフトウェアのデータを統合し、Web経由で2日分のデータを蓄積（Real-time Store）→業務系、戦術系のダッシュボードに利用
- Real-time Storeのデータを整形して、2ヶ月分のデータを蓄積（Operational Data Store）
- Operational Data Storeから2週間分のデータを蓄積したものを100件ほど保持する（OLAP（online analytical processing） Cubes）→業務系、戦術系のダッシュボードに利用
- Operational Data Storeのデータを整形して、7年分のデータを蓄積（Data Warehouse）
- Data Warehouseのから7年分のデータを蓄積したものを250件ほど保持する（OLAP Cubes）→レポーティングや分析ツールに利用
データアーキテクチャにはいろいろあるようです。
Direct Queryアーキテクチャー
スクリーンの要素が個々のクエリに直接的にリンクしている
- 良い点：
- すばやくデプロイできる
- 低コスト
- 悪い点：
- 浅く、ドリルダウンが制限される
- ディメンションがない
- ハードウェア組み込みクエリ
Query and Cacheアーキテクチャー
クエリがクエリ化可能なキャッシュとともに置かれている（In-memory or disk cache）
- 良い点：
- すばやくデプロイできる
- レスポンスが速い
- ナビゲーションが速い
- 悪い点：
- 静的なデータセットに縛られる
BIセマンティックレイヤー
BIツールがユーザーのためにビジネス用語で表現したクエリオブジェクトを提供
- 良い点：
- 抽象的なクエリオブジェクト
- ディメンションで分けられたビュー
- 悪い点：
- 一般的なODBCコネクション
- 主にDWHのヒストリカルデータ
Federated Queryアーキテクチャー
EII（Enterprise Information Integration）ツールが、スクリーンの要素と合うように複数のソースからクエリ化する
- 良い点：
- 複数のソース
- セマンティックレイヤー抽出
- デプロイが素早い
- プロトタイプ
- 悪い点：
- 履歴がない
- データの質の問題
- 複雑性
データマートアーキテクチャー
ダッシュボードがバッチで読み込まれた永続的なデータマートに対してクエリを実行する
- 良い点：
- 複数のソース
- ディメンショナルモデル
- ヒストリカルコンテキスト
- 素早く複雑なクエリ
- 悪い点：
- 即時性がない
- 統合されていない？
Event-drivenアーキテクチャー
- インプット：DWHや業務系システム
↓ - 業務系ダッシュボード：データの把握、データの集計、指標のマネジメント、イベントの検知、ルールの適用、作用/トリガー
↓ - アウトプット：アラート、トリガー（ワークフローエンジン）、SQL/Stored Procedures（業務系システム）
おわりに
BIダッシュボードを作成する際の洗い出しが面倒だと思っていたので、この資料で良い初期値を手に入れられました。これまでの分析業務はビジネスの一部を切り取って、疎結合なものを多く扱ってきたと思います。あるイベントの効果検証とか、ある対象の予測などです。この資料を読んで、組織の戦略などと密に絡み合い、様々な関係者の目的を成し遂げるようなBIダッシュボード作成において、組織間の調整力が強く求められるのかなと思いました。そこにデータサイエンティストの持つスキルはどうフィットするのだろうか？と思いつつ、どうやってサイエンス要素をバリューが出る形で盛り込んでやろうかと考えています。
参考情報
[1]Wayne W. Eckerson(2006). “Performance Dashboards:Measuring, Monitoring, and Managing Your Business”
[2]Sandra Durcevic(2019). “12 Best Business Intelligence Books To Get You Off the Ground With BI”, The datapine Blog