[Cloud OnAir] Google SaaS Day Recap 2020年3月12日 放送
•
0 j'aime•608 vues
2 月 27 日 にオンラインにて配信した Google SaaS Day、 Google のサービスを使用しどのようにビジネスを加速させているのか、多くの方にご出演いただきました。そんな Google SaaS Day の内容を解説していきます。そして、ご出演いただいた企業様へ直撃インタビュー、さらに詳しいお話をお届けします。ぜひご覧ください。
Recommandé
Recommandé
Contenu connexe
Tendances
Tendances (20)
Similaire à [Cloud OnAir] Google SaaS Day Recap 2020年3月12日 放送
Similaire à [Cloud OnAir] Google SaaS Day Recap 2020年3月12日 放送 (20)
Plus de Google Cloud Platform - Japan
Plus de Google Cloud Platform - Japan (20)
Dernier
Dernier (7)
[Cloud OnAir] Google SaaS Day Recap 2020年3月12日 放送
- 1. Google SaaS Day Recap
- 2. Google SaaS Day とは 近年、日本においても SaaS や サブスクリプション型 ビジネス が急速に拡大し、参入企業数も増え、競争が 厳しさを増しています。 Google Cloud Japan と Google Japan は、テクノロジーでの差別化は 勿論のこと、マーケティングによる差別化を両輪で 回すことの重要性を提唱しています。 そこで、Google Cloud Japan と Google Japan が "One Google" として、クラウドとデジタル マーケティングを活用してビジネスの成長を 支援するため、先進的な取り組みを行う顧客企業を迎え、先 進的なアプリケーション開発の方法、クラウドを 活用したデータの統合的な分析、機械学習の 活用による経営判断の高度化、自社にとって ライフタイム バリュー（LTV）の高い顧客、 ユーザーと深くエンゲージする手法などについて 共有する場をご提供します。
- 3. セッション スピーカー
- 4. ライトニング トーク
- 5. Cloud OnAir Cloud OnAir インタビューまとめ (Kozzy-san) 各社1枚+Tips （アドバイスやBQのテッパ ンの使い方）Kozzy-san
- 6. Cloud OnAir 株式会社 True Data 様 日本最大級の ID-POS 標準 データベース (5000 万人規模) 購買行動 分析ツール True Data 様 ソリューション マーケター 課題 ● 保持しているデータ全ての 利活用が できていない ● 環境のスケールに時間がかかる 解決策 ● データウェアハウスを BigQuery に移行 ● 開発、実行基盤を GKE を始めとした モダンなプラットフォーム に移行 結果 ● 対応できる利用者数が 数倍〜 10 倍に ● ビジネスの変化についていける ようになった（拡 販、トレーニング、ハンズオンなどに 柔軟に対応可能）
- 7. Cloud OnAir 株式会社 トレタ 様 繁盛店づくりを支える 予約／顧客台帳サービス バーティカル SaaS 飲食店専門の SaaS 課題 1. データベース担当エンジニア不足 2. データウェアハウスの チューニング 3. エンジニア増員による 開発環境 開発言語の多様化（元々は Rails が中心） 4. 組織の拡大に合わせた 権限管理 解決策 1, 2. データウェアハウスを BigQuery に移行 3. GKE を中心としたコンテナ環境に移行し 用途に合わせた環境、言語 を許容 4. GCP で必要な権限のみを開発者に付与 G Suite も利用しているため、 事務業務 開発業務の双方をシームレス に行う 予約台帳 集計・分析 顧客台帳 ウェブ予約 基本機能 データ 分析基盤
- 8. Cloud OnAir 株式会社 プレイド 様 ”人の価値をデータで最大化する” 訪問者の行動や感情を リアルタイムに解析し 一人ひとりに合わせた CX を提供する CX（顧客体験） プラットフォーム Scale をさせ続ける Speed Focus SaaS ビジネスの鍵 実現に必要な要素 Speed ● Single Version Stream （ブランチを作らない） ● Kubernetes をコアとした粒度の粗い マイクロサービス構成 で、開発速度を向上 ● メンバーが新しいことを試してみることに 抵抗感を感じないような風土作り Focus ● マネージドサービスを徹底活用し 本来実現したいサービスに集中 ● 多数の S(P/I)aaS を組み合わせて活用 ● マネージドサービス ≠ ブラックボックス 動作原理、裏側を理解する努力
- 9. Cloud OnAir 株式会社 フリークアウト・ホールディングス 様 ”人に人らしい仕事を” インターネット広告のリアルタイム取引を 日本で初めて事業化 国内初・最大級の DSP 位置情報マーケティングプ ラットフォーム アプリエンゲージメントプ ラットフォーム アドプラットフォーム 開発 Running on GCP Running on GCP BigQuery ● すべてのアクセスログ、アプリケーション ログを集約（数十億レコード / 1 day） ● リアルタイム集計（A / B テスト結果） ○ 広告プロダクトとの親和性 ● 顧客ごとのインサイト取得 ○ レポーティング Google Kubernetes Engine（GKE） ● コンテナを中心とした エコシステムを活用 ○ kustomize（YAML カスタマイズ） ○ Stackdriver （Logging, Monitoring, Profiler） ○ Cloud Build（CD） ● まず西口様ご自身が率先して構築、利用 キープロダクト
- 10. Cloud OnAir GCP を最大限活用している各社様からのアドバイス Question : まだ GCP の利用に至っていないが、本格的に使い倒し 貴社と同じレベルに到達したい。何から始めればよいか？ Answer : まず 1 回使ってみる。そして本番に組み込んでみる。 失敗しても修正するというループを高速で回す。 ※ 実は各社様とも、同じ回答をされました。
- 11. Cloud OnAir GCP は ”試行” がしやすいプラットフォーム Answer : まず 1 回使ってみる。そして本番に組み込んでみる。 失敗しても修正するというループを高速で回す。 株式会社 フリークアウト CTO 西口様 “導入時にすでに適切な設定がされていたりですと か、適切なそのデフォルト値が設定されていたりで すとか、ベストプラクティス的な構成にすごくしやす いのが、GCPなんじゃないかなと思っています ” “すごくシンプル、もう簡単、簡単ですかね ” （GCP のイメージは？という質問のご返答） 株式会社 プレイド CTO 牧野 様 “GCP がいいなと思うのは、ホワイトペーパーも含 め、その裏側の仕組みのドキュメントが 結構充実してるなと思ってまして ある程度 予期できる状態にある のかなと思っています ”
- 12. Cloud OnAir 今からサービスを開発するとしたら？ BigQuery （データウェアハウス） ● とりあえずデータをためておく ○ ログ、アプリケーションデータ ● 必要になったときに分析 ○ 分析を回さなければ保存コストのみ ● Cloud Storage と同じデータ保存コスト ● 機械学習を簡単に組み込み ● サーバーレス ○ サーバー運用などの必要無し Google Kubernetes Engine（GKE） （アプリケーション実行環境） ● アプリケーションはコンテナで開発 ○ Kubernetes はコンテナ オーケストレーションツールのデファクト ○ 様々な開発スタックを許容 ● Kubernetes のエコシステムを徹底活用 ○ 世界で最も活発なオープンソース エコシステムの一つ ● ポータビリティの獲得 ○ オンプレ、他クラウドへの乗り換えも容易
- 13. Cloud OnAir Cloud OnAir Google セッション内容紹介 (Kimi-san)
- 14. Google Cloud の「コンテナ」と「AI」で 実現する、Google 流のビジネス基盤構築
- 15. Pre-Packaged Cloud AI solutions Cloud Job Discovery Contact Center AI Cloud AI building blocks Cloud AI platform Cloud Video Intelligence API ML professionals & service partners ASL Professional Services Organization AutoML Vision 画像 Cloud Vision API 言語 Cloud Natural Language API Cloud Translation API Cloud Speech-to-Text API Cloud Text-to-Speech API Cloud GPU Cloud TPU Tensorflow Datasets Custom and Automated Cloud AI サービス 会話 AutoML Natural Language AutoML Translation AutoML Speech-to-Text Dialogflow Enterprise ツール Kubeflow Pipelines サービス マーケットプレイス AI Hub Kubeflow ML ライブラリ Cloud ML Engine Cloud Dataflow Cloud Dataproc Google BigQuery BigQuery ML Cloud Dataprep Google Data Studio インフラ AutoML Vision Intellivence AutoML Tables Recommendation AI 構造化データ
- 16. ML 開発を支えるチーム ML Engineer Data Scientist Data Engineer Business Analyst Developer End User
- 17. ML 開発が可能な 人材はごくわずか ML 開発を 支える人たち 10K DL researchers 2M ML experts +23M Developers +100M Business users
- 18. Cloud AutoML ML 開発を ML で自動化 Cloud AutoML Dataset Train Deploy Serve Generate predictions with a REST API
- 20. 構造化データと機械学習 Target column Historic offers from marketplace.xyz ID Geo Domain Posted on: Title Description Category Brand ... Price sold: 104 US marketA Feb 1, 2018 “Dark red…” “Try this soft…” [“A, B, …”] Nike ... $92 204 US marketB Jan 20, 2018 “Women’s…” “Medium-size…” [“A, B, …”] Adidas ... $58 302 US marketA Jan 12, 2018 “Running…” “All-terrain…” [“A, B, …”] Asics ... $85 352 EU marketB Feb 13, 2018 “Running…” “All-terrain…” [“A, B, …”] Puma ... ?
- 22. 顧客データを活用するために 1. 顧客との接点が多様化してデータソースが多く、 それらが統合されないままサイロ化している → データを一つの環境に統合し 2. 各データソースのデータ量が多い → 大量データを処理できる高速なデータベースを用いて 3. 求められるスキルが高度化している（SQL・機械学習） → マーケター自身が分析できるソリューションを提供する
- 23. Data Fusion によるデータ統合 ● フルマネージドなデータ統合・加工ソリュー ション ● ETL, データパイプライン管理, Job スケジュールなどをビジュアルで 開発・管理できる ● 80 以上のデータソースに対応 → マーケター自身がコーディングレスでデータ統合を実現 データを一つの環境に統合
- 24. 大量のマーケティングデータを処理できる BigQuery エンタープライズ向け 分析用データ ウェアハウス エクサバイト規模のストレージと ペタバイト規模の SQL クエリ セキュア、耐久性 メンテナンス フリー Unique フルマネージドでサーバレス Unique ストリーミング データの リアルタイム分析 Unique ML と GIS をビルトイン Unique ハイスピードでインメモリの BI エンジン 大量データを高速に処理
- 25. BigQuery | サーバーレス データ分析 従来のデータ ウェアハウスとの違い Analysis and insights BigQuery のサーバーレス分析 パフォーマンス チューニング モニタリング 信頼性デプロイと設定 利用率の向上 分析と洞察 リソース プロビジョニング スケールの 調整 分析と洞察 大量データを高速に処理
- 26. Big data を 最大限に活用 使い慣れた インタフェース ビッグデータへの容易な接続、表示 によるインサイト獲得。 SQL の知識は不要。 スプレッドシートでセルフサービスの 調査、ピボット、フィルタリング、 チャート作成、および式の分析 データの表示、編集、共有権限を制御 しながら、データドリブンな意思決定およびコラ ボレーションを促進 セキュアな コラボレーション connected sheets BigQuery の何十億行のデータをスプレッドシートで マーケター自身が簡単に分析
- 27. データポータルでドラッグ＆ドロップで ダッシュボード作成 - Google Analytics, AdWords, BigQuery に数クリックで 自動連携可能 - ダッシュボードやレポートを ドラッグ ＆ ドロップだけで 作成、インタラクティブに カスタマイズ マーケター自身が簡単に分析
- 28. POS データ MD データ Web Log データ 在庫データ 会員データ BigQuery BigQuery ML GA360 AutoML Tables クラスタリング 傾向スコア Cloud Bigtable Personalized content 可視化 ダッシュボード Data Portal 広告 Webサイトの personalization メール施策 DM App 通知 需要予測 店舗在庫の最適化 （他システム連携） Connected Sheets その他 メディア データ収集・加工 アクション 顧客体験 分析・予測 アプリデータ Google Cloud で実現するマーケティングデータ活用基盤 Data Fusion
- 29. GCP における SaaS アプリケーションの 開発手法
- 30. SaaS ビジネスの特徴 ● インターネットにあり、アクセスが容易 ● ビジネスモデルが多様（ライセンス販売、オンデマンドなど） ● アプリケーション作り ● Cloud Computing 上で提供される ● マルチテナント アーキテクチャ
- 31. SaaS のソフトウェア開発 Software as a service において、ビジネスロジックが組み込まれているソフ トウェアには、 アイデア、アップデートをリリースする時間や頻度 アイデアがマーケットにおける反応 ビジネスと合わせたスケーラビリティと自由度 といった課題が生まれやすい。
- 33. How? ● システム間の依存をきるためシステムや組織のデカップリング ● システムの変更に合わせた継続した運用の改善 ● アジリティやフレビリティに適した開発プロセス ● 高速なリリースサイクルのために全てを自動化 組織とビジネス アジリティと開発サイクル
- 34. Thank you Confidential & Proprietary