目次 1 会社概要 2 中期経営計画とグローバルIT 戦略 3 テクノロジートレンドとIT 価値の変化 4 ビッグデータの活用の狙い 5 データ分析基盤の整備方針 6 データ分析基盤の目指す姿 7 データ分析基盤の整備ステップ 8 データ分析基盤の仕組み 9 データレーク基盤のシステム構成 10 ま

(1)

平成２７年１０月１５日

富士フイルムICTソリューションズ株式会社

システム事業部 IT企画部兼 ITインフラ部部長

柴田英樹

富士フイルムにおける

ビッグデータ分析・活用基盤構築事例

EMC FORUM 2015

(2)

1 会社概要

2 中期経営計画とグローバルIT戦略

3 テクノロジートレンドとＩＴ価値の変化

4 ビッグデータの活用の狙い

5 データ分析基盤の整備方針

6 データ分析基盤の目指す姿

7 データ分析基盤の整備ステップ

8 データ分析基盤の仕組み

9 データレーク基盤のシステム構成

10 まとめ

(3)

# 3

1. 会社概要 ①

２７３社

（2015年3月末現在)

連結会社数

７９,２３５人

（2015年3月末現在）

連結従業員数

連結営業利益

(2014年度)

１,７２４億円

(2015年度予想)

１,９００億円

(2014年度)

２兆４,９２６億円

(2014年4月～2015年3月)

(2015年度予想)

２兆５,８００億円

(2015年4月～2016年3月)

連結売上高

中嶋成博

代表取締役社長・

ＣＯＯ

古森重隆

代表取締役会長・

ＣＥＯ

１９３４年

（昭和９年）

創

立

(4)

事業会社

(2015年3月末現在)

シェアードサービス会社

１００％

関係会社

持株会社

７５％

関係会社

１００％

関係会社

６６％

1. 会社概要 ②組織・体制

(5)

# 5

戦略

技術

ｿﾘｭｰｼｮﾝ

ｼｽﾃﾑ

情報

社名

富士フイルムICTソリューションズ株式会社

設立

1998年7月(富士写真フイルムのIT部門が機能分社)

所在地

東京都港区(本社)、米国NewYork、ドイツ

Düsseldorf

、

中国上海、シンガポール

従業員数

約160名

役割

富士フイルムグループの情報戦略の策定・推進

－基幹業務に関わるアプリケーション･インフラ

－国内・海外の拠点を結ぶネットワーク

－情報システムの安全性や機密性を保持する

セキュリティマネジメント

事業内容

・ＩＴ戦略策定・推進、ＩＴガバナンス整備

・システム構想・企画、構築・導入

・システム保守・運用管理

1. 会社概要 ②IT部門

(6)

産業機材

電子材料

オフィスドキュメント

産業用途・

ライフサイエンス事業

写真関連事業

医薬

ライフサイエンス

メディカルシステム

フラットパネル

ディスプレイ材料

グラフィックシステム

記録メディア

フォトイメージング

デジカメ

光学デバイス

1. 会社概要 ③全事業

(7)

# 7

日本

41.2 ％

米州

18.7 ％

欧州

11.6 ％

アジア他

28.5％

2014年度

仕向地別

連結売上高

構成比

1. 会社概要 ④グローバル展開

(8)

２. 中期経営計画とグローバルIT戦略 ①

（指数）２０００年総需を１００とした場合の指数

中期経営計画 VISION2016

(9)

# 9

ITの価値は「工数の提供」から「ビジネス価値の提供」にシフト

ビジネス価値＝スピード・変革・差別化

■ＩＴ部門が直面する課題

9 ドライビング・フォース：オープン化、スマート化、サービス化

テクノロジー：IoT、ビッグデータ、人工知能など

市場環境：グローバル化、不確実性増大、ビジネス・スピード加速

環

境

変

化

の

圧

力

開発工数の削減

顧客資産の削減

スピードと変化への対応

ビジネス・ユーザーの期待に応えるためには

 「何でもできます」、「何でもやります」は、差別化にならない。

 グローバルに踏み出せなければ、成長のチャンスを失う。

 クラウド・ネイティブのノウハウなくして、チャレンジ･チャンスは生まれない。

 サブスクリプションや成果報酬

 社内特区やクラウドファースト

 外部との異文化交流

どのような対策を取るべきか

３．テクノロジートレンドとＩＴ価値の変化①

(10)

頻度

量

業務処理

分析処理

ビッグ

データ

データが増大し

ビッグデータになった

モバイル

ソーシャル

クラウド

利用技術の進化

大規模処理アルゴリズム、人工知能、

小型センサ・プロセッサ、近接通信など

新たなニーズや適用領域

を生みだした

４．ビッグデータの活用の狙い ①

■なぜ、いまビッグデータなのか

(11)

# 11

11

ソーシャル・メディア

Webサイト

業務システム

IoT/センサー

非構造化データ

ビックデータ

 経営戦略や経営計画の立

案

 事業部門への指示と実行

 月次などで行う経営会議で

のモニタリングと問題点の分

析の指示

 問題点の分析と問題点を修

正するための意思決定と指

示

全社の戦略に沿った部門別

の計画立案

ー部門での業務実行

日々のモニタリング

問題点の分析と上位部門へ

の報告や修正

リポーティング

OLAP分析

データマイニング

プランニング

問題の兆候を発見する

問題の要因を検証する

対処のヒントを得る

計画の根拠を得る

集計、推移、比較、内訳、順

位、関係、シグナル表示

多次元データベース、スライ

シング、ドリルダウン＆ドリ

ルアップ、ドリルスルー

クロス分析、相関分析、回帰

分析

モデリング、シミュレーショ

ン

 Webリポート（リポートを Webページなどで多数のユーザーに公開）  ダッシュボード（複数のリポートを単一の画面で表示）  大量の分析元データの処理  最新の分析元データの共有  大量の分析元データの処理  より高度なマイニングアルゴリズムの利用  多くの部署から収集された計画データの統合

DWH

構造化データ

経営層の目的

現場部門の目的

BA：Business

Analytics

BI：Business Intelligence

BI

Business Intelligence

アナリティクス

Analysis

４．ビッグデータの活用の狙い ③

(12)

膨大なデータに内在する相互の関係や構造を分析・整理し

わかりやすく表現して、事実に基づく意思決定を支援すること

営業戦略

マーケティング戦略

製造の効率化

製品開発

カスタマー・サポート

売り上げの増大

企業経営の最適化

事業活動の最適化

EPM

Enterprise Performance Management

企業価値の向上

コスト削減

競争力強化

顧客満足の向上

「何かが起こってから変わる企業」から「何かが起こる前に変わる企業」へ

経験や勘ではなく､事実に基づいて、ビジネス上の判断をできるようにすること

４．ビッグデータの活用の狙い ④

(13)

# 13

＋Hadoop環境

情報収集/蓄積/探して活用

＋将来予測分析

因果関係把握/メカニズム検知

＋リアルタイム/データサイエンス

新ビジネスモデルの創出

Analytics Engines

Big Data Infrastructure

• 加速するビッグデータ時代の対応

–

Volume（容量）

：技術革新に伴う処理量の増加

–

Variety（種類）

：音声/画像/センサー/ログ等の非構造データ

–

Velocity（頻度）

：データ生成/分析の高速化

音声

ファイル

映像

画像

ファイル

ログ

Webコンテンツ

• 市場やビジネスの急激な変化対応

–

商材やビジネス・スキームが変化

–

新たなマーケットや販売手法の迅速な対応

–

分析や利活用により新たな経済的な価値が発生

Analytic Productivity Platform

Agile Process & Tools

Big Data Enabled Apps

従来型

BI/DWH

BIを使って現在の

ビジネス状況を見る

ビジネス監視

ビジネス洞察力

未対応・対応可能な物事を予測分析で見つけ、

_{既存報告機会に組込む}

ビジネス最適化

予測分析によって、ビジネスオペレーション

_{を最適化するプロセスに組込む}

全体的な新しいビジネスモデルを創造

するために顧客の利用パターンと市場

のトレンドに影響力を持つ

新しいビジネスモデルの創出

• 迅速なビジネス展開

–

新たな売り上げ機会を創出

–

アジャイル開発とデータサイエンスの融合

・ビッグデータ活用以前の問題として、

既存DBシステムに様々な課題が

－性能の劣化

－高い導入コスト

－維持・管理コスト増大

－チューニング

－拡張時のコスト

これらの課題を解決しながら、今後

のビジネス展開を見据えた拡張性を

担保できるデータ分析環境が必要

５．データ分析基盤の整備方針 ①

(14)

■阻害要因の明確化：3つの力のどこが不足しているのか

• ビジネス上の問題とコンテキストを理解する能力

• ビジネス部門の利害関係者と共同作業を行う能力

•統計やマーケティング

に関する知識

•分析ツールやツールで

提供される関数の知識

•複数のデータ間の

関係性を発見し、

モデル化する能力

•最新のテクノロジを

適材適所で活用する能力

(インメモリ、Hadoop、

クラウド、etc)

•多様な分析ニーズに

応え得るデータ処理基盤

•分析に使用する

構成する能力

ビジネス

分析

データ

５．データ分析基盤の整備方針 ②

(15)

# 15

BAaaS（Business Analytics as a Service）

ビジネス市場/顧客

Big Data

ONE FUJIFILM BAaaS

定型分析

予測分析

Hadoop基盤

HDFS

アクセスログ

オンライン注文履歴

BUクラウド

SNS

グローバル統合DWH

データロード

富士フイルム

ユーザー

エンタープライズ・ビジネス・インテリジェンス

•定期的な定型レポート提供

•グローバル/リアルタイムでの個別サービス

•一部セルフサービス化

•ユーザー自身で

のアドホック分析

•レポート閲覧

•カスタムレポート

依頼

カスタム分析

売上データ

顧客データ

マシンデータ

モバイルデータ

新データ分析基盤

Data Lake

意思決定・

ビジネスへの反映

頻度に応じて 定型サービス化

６．データ分析基盤の目指す姿

(16)

SAP BWを集約

SAP基幹のグローバルDWH

集約

統一されたマスターDB化に

よる効率的なBI分析

✓

1

SAP BWを分散RDB

（TeraData）に集約

ビジネス・ドメインにおける

分析環境を迅速に提供

3

非構造化データ分析

ニーズの対応

分散RDB＋Hadoop技術による

データレーク基盤の構築

2

検索とETL処理の

Hadoopへのオフロード

次世代データ分析基盤の拡張

ビジネス・ドメインを超えた分析

4

事業部固有のDWH

を取り込み

One FUJIFILMにおける

データレーク基盤のベース構築

分散RDB環境のリソースを

分析処理に集中

将来的な容量枯渇を解決

✓

分析制限の緩和により、多種

多様な分析ニーズ対応

✓

センサーデータ

Webログ/SNS

アクセスログ/テキスト

画像/音声

セキュリティ

共通のデータ蓄積基盤

✓

ビジネスの変化に伴う、迅速

な分析環境を提供

✓

個別DWH（構造化デー

タ）の取り込み

✓

様々なデータを連携させ分析

ビジネス・コラボレーション

✓

顧客マスターの共有参照

✓

データサイエンティストから製品/

アプリケーション開発への融合

5

ビジネス戦略に密接した

役割に進化

分析~仮説~検証~実装サ

イクルをアジャイルに実現

✓

リアルタイム分析における

In-Memory技術の活用

✓

データ収集の仕組みと戦略を

密結合

✓

用途にあわせたBI/BAツール

と連携した分析

✓

７．データ分析基盤の整備ステップ ①

(17)

# 17

Ｉ

Ｔ

部

門

富士フイルムグループ

HDFS

Pig

MapReduce

PivotalHD

グローバル統合

DWH

バッチ処理

ソート処理

アドホック検索

全件検索

個別分析要件

蓄積基盤による

データ連携分析

非構造化データ

多種多様なデータ

ERP-1

ERP-2

ERP-3

音声ファイルファイル映像画像ファイルログ Webコンテンツ

SAP BW

の集約

1日4サイクルの

ETLローディング

個別データ分析

基盤の集約

集約

Teradata

クレンジング

コード変換

etc

レポート生成

定型

分析

非定型

分析

高速分析

定型分析

データ蓄積

非定型分析

データ

ロード

主要分析以外の負荷と

容量をオフロードすることで

快適な分析を実現

：施策実現

の為の新しい

仕組み

８．データ分析基盤の仕組み

(18)

９．データレーク基盤のシステム構成 ②

MapReduce

結果

分析

Isilon

OneFS

Isilonによる

Hadoop環境

Hadoop用ストレージ

HDFS

12 Data Servers

20TB * 4Nodes

(19)

# 19

１０．まとめ

■ドライビング・フォース、テクノロジー、市場変化の圧力の中で、IT部門は

スピード・変革・差別化＝ビジネス価値を提供

する必要がある。

■モバイル・ソーシャル・クラウドによりデータが増大する一方、利用技術が進化し

新たなニーズや適用領域が生み出されたビッグデータの分析・活用時代となった。

データ分析力が競争優位の源泉

になっている。

■経験や勘ではなく､事実に基づいて、ビジネス上の判断をできるようにすることで

「何かが起こる前に変わる企業」へ変革

するデータ分析基盤が必要である。

■One FUJIFILMとして

Business Analytics as a Serviceを提供

できるよう

データレーク基盤を整備した。

■既存の分散RDBの課題解決を図るとともに、

非構造化データ分析ニーズ

への

対応を進める。

■情報活用シーン・目的・用途に合わせた最適なBI/BAを組み合わせ、

ビジネス最適化、新ビジネス創出に貢献する基盤

への拡張、成熟度アップを

推進する。

(20)

平成２７年１０月１５日

富士フイルムICTソリューションズ株式会社

システム事業部 IT企画部 兼 ITインフラ部 部長

柴田英樹

富士フイルムにおける

ビッグデータ分析・活用基盤構築事例

EMC FORUM 2015

1

会社概要

2

中期経営計画とグローバルIT戦略

3

テクノロジートレンドとＩＴ価値の変化

4

ビッグデータの活用の狙い

5

データ分析基盤の整備方針

6

データ分析基盤の目指す姿

7

データ分析基盤の整備ステップ

目次

8

データ分析基盤の仕組み

9

データレーク基盤のシステム構成

10

まとめ

# 3

1. 会社概要 ①

２７３社

（2015年3月末現在)

連結会社数

７９,２３５人

（2015年3月末現在）

連結従業員数

連結営業利益

(2014年度)

１,７２４億円

(2015年度予想)

１,９００億円

(2014年度)

２兆４,９２６億円

(2014年4月～2015年3月)

(2015年度予想)

２兆５,８００億円

(2015年4月～2016年3月)

連結売上高

中 嶋 成 博

代表取締役社長・

ＣＯＯ

古 森 重 隆

代表取締役会長・

ＣＥＯ

１９３４年

（昭和９年）

創

立

事業会社

(2015年3月末現在)

シェアードサービス会社

１００％

関係会社

持株会社

７５％

関係会社

１００％

関係会社

６６％

1. 会社概要 ②組織・体制

# 5

戦略

技術

ｿﾘｭｰｼｮﾝ

ｼｽﾃﾑ

情報

社名

富士フイルムICTソリューションズ株式会社

設立

1998年7月(富士写真フイルムのIT部門が機能分社)

システム事業部 IT企画部兼 ITインフラ部部長

中嶋成博

古森重隆

・システム構想・企画、構築・導入

・システム保守・運用管理