Ce diaporama a bien été signalé.
Nous utilisons votre profil LinkedIn et vos données d’activité pour vous proposer des publicités personnalisées et pertinentes. Vous pouvez changer vos préférences de publicités à tout moment.

LiBRA 03.2019 / 2019年度・4月版 新入社員研修教材 最新ITトレンド

2 330 vues

Publié le

https://libra.netcommerce.co.jp/2371

Publié dans : Technologie
  • Soyez le premier à commenter

  • Soyez le premier à aimer ceci

LiBRA 03.2019 / 2019年度・4月版 新入社員研修教材 最新ITトレンド

  1. 1. ITの最新トレンドと これからのビジネス 2019年4月 未来を創るために知っておきたい基礎知識
  2. 2. 2  自分の「事前課題」についての回答を前後・隣同士の4人 で共有してください。  15分の時間を差し上げます。時間管理は自分たちで行っ てください。  全員が順番に説明するたけではなく、自分とはどう違う かについても意見を交わしてください。 今日の講義で「教えて欲しいこと」や「知りたいこと」 を提案してください。
  3. 3. ひとつのことに究極を求めず、 広い視野で最適を求めて変化すること ひとつの分野で知識を増し、 経験を積めばできること ひとつの分野を徹底して追求し、 知識や経験を極めればできること 成長の3つのステージ  5年後や10年後はどうなっているか分からない。  今日の正解が、明日の正解である保証はない。  求められるスキルが変わるスピードが加速する。
  4. 4. 学びの4段階 知る:事実ないし確実とされている知識や情報を「知る」こ と、記憶すること。 理解する:個々バラバラな事象がお互いに一定の関係を持つ ものとして見えてくる、あるいは、見えるようにすること。 疑う:既存の分析を「疑う」ことから新しい「問いかけ」が 生じ、それが「新しい」事実の発掘につながる。 超える:「疑う」という段階を超えて、事実や現実に対置さ れる新たな「適切な」可能性を追求し、時には新しい境地に 帰依すること。 学ぶとはどういうことか 講談社・佐々木 毅 著 学び続けるしか方法はない!
  5. 5. 学びの4段階 新しい境地 超える 疑う 理解する 知る でも、なぜ?どうして?なるほど! これのことだな! そういう意味なんだ! だからこうなのか!こういう共通点があるのか! こういう考え方もなるなぁ! こうした方がもっといいのでは?
  6. 6. なぜトレンドを学ぶのか 課題やテーマを教えて頂ければ、 解決策を提供します! あなたは何を言ってるんですか? お客様は、課題やテーマについての正解を教えて欲しいのではない。 自分たちは 何をすべきか=課題やテーマ そのものを教えて欲しい。 めまぐるしく変わる社会やビジネス環境 お客様はこのままでは大変なことになる 何とかしなければと考えている。 何をすればいいのか分からない 課題やテーマが分からない 課題やテーマが分かれば正解は 機械(AI)が教えてくれる
  7. 7. なぜトレンドを学ぶのか お客様の”いま”のシステム投資は 自分たちの”未来”のための投資だ あなたの仕事は お客様の未来に責任を持っている あなたはITの”未来”について、自信を持って語れますか? お客様のデジタル戦略 ITインフラのあるべき姿 システム開発の方法 業の成長や社会への貢献 従業員やその家族の幸せ お客様のより一層の満足
  8. 8. なぜトレンドを学ぶのか あなたの仕事は、お客様の あるべき姿 と 目指すべきゴールと課題を 自信を持って提言×教えること 知識 職務に求められる 言葉、解釈、伝えるスキル など 教養 真善美を理解し 正しいことを 自信を持って 語れる力 人格 お客様に 真摯に向き合い 誠実に最善を 尽くすこと お客様から、「ぜひ、そうなりたい!」や「ぜひ、お願いしたい!」を引き出す。
  9. 9. 2つの動画を見て考えて欲しいこと 無人のスーパー・マーケット 音声で機械を操作し、サービスを利用 この2つのサービスに共通するamazonの戦略は何か? 1. 2. 3.
  10. 10. この動画を見て考えて欲しいこと 日産とDeNAが仕掛ける移動サービス このサービスはどうやって収益を上げるのか? 1. 2. 3.
  11. 11. 1. 最新トレンドを理解するためにおさえておきたいITの歴史と基礎知識 2. ビジネスの大変革を迫るデジタル・トランスフォーメーション 3. ソフトウェア化するインフラと 4. IT利用の常識を変えるクラウド・コンピューティング 5. 新たなビジネス基盤となるIoT(モノのインターネット) 6. 人に寄り添うITを実現する人工知能/AI 7. ビジネススピードの加速に対応する開発と運用 8. いまもとめられる人材
  12. 12. 最新トレンドを理解するために おさえておきたいITの歴史と基礎知識
  13. 13. コンピューターとは何か 抽象的な”数”を物理的な動きを使って演算する道具 Calculator Computer 演算するための道具 Calculate 演算する Compute 複数の演算を組み合わせ 何らかの結果を導く 複数演算の組み合わせを 実行する道具 複数演算の組み合わせを 実行するヒト(計算者) 蒸気機関や電気の動力 電子の動きモノの動き
  14. 14. 量子コンピュータとは何か 抽象的な”数”を物理的な動きを使って演算する道具 蒸気機関や電気の動力 電子の動きモノの動き 量子力学によって明らかにされた 量子の動き/現象を利用して演算
  15. 15. コンピュータ誕生の歴史 バベッジの解析機関(未完成)  蒸気機関で駆動  プログラム可能な最初のコンピュータ  パンチカードでプログラムとデータを入力  出力装置(プロッタ・プリンタ)も設計 論文「計算可能数について」  コンピュータの原理を数学的に定式化  コンピュータの動作原理モデルを設計 (チューリング・マシン) ENIAC  エッカートともモークリーにより開発  真空管による電子式コンピュータ  プログラムは大変面倒なパッチパネルで設定  弾道計算を高速で行うため EDVAC  エッカートともモークリーにより開発  プログラム内蔵式の最初の機械  現在のコンピュータの基本原理を実装した最初 の機械(ノイマン型コンピュータ)  磁気テープ読取/書込装置を装備/1953年・パン チカード装置、1954年・磁気ドラムメモリ、 1958年・浮動小数点演算装置を追加 ENIACの課題と改善方法を報告  電子回路でチューリング・マシンが実現できる ことを数学的に証明  どのように作ればいいかの原理を設計 (ノイマン型コンピュータ) 1836年に最初の論文 1946年 1936年 1945年 1949年(〜1961年まで稼働)1822年 バベッジの階差機械  蒸気機関で駆動  歴史上最初の機械式用途固定計算機 (カリキュレータ)  汎用性(多項式の数表を作成するよう設計、 対数も三角関数も多項式にて近似)  プリンターにて数表を印字
  16. 16. ノイマン型コンピュータ 5大機能 制御装置 プログラムの読み込みや データの読み書きを制御 演算装置 数値演算、論理演算 を実行 記憶装置 プログラムやデータ を格納 入力装置 プログラムやデータ 人間からの指示を入力 出力装置 演算結果を外部へ出力 ノイマン型 (プログラム内蔵方式/ストアードプログラム方式) のデジタル・コンピュータでは プログラムやデータを記憶装置に格納して順次読み込みながら演算処理を行う CPU 中央演算処理装置 入力命令 出力命令 演算命令 データの流れ 制御の流れ プログラムを入れ替えることで 任意の計算を実行できる機械 プログラム内蔵方式 補助記憶装置 (ストレージ)
  17. 17. 近代コンピュータ発展の歴史 17 コンピュータの原理を数学的に 定式化し動作原理モデルを設計 電子回路でチューリング・マシ ンを作るための原理を設計 ノイマン型コンピュータチューリング・マシン 量子コンピュータ Quantum Computer 量子ゲート方式 量子アニーリング方式 メインフレーム ミニコンピュータ パーソナルピュータ スマートフォン IoT/エッジ デバイス ニューロ・モーフィック コンピュータ 1950年代〜 1970年代前半〜 1970年代後半〜 2007年〜 2000年〜 2010年〜 1936年 1945年 スーパー・コンピュータ 1976年〜
  18. 18. コンピュータの構成と種類 サーバー・コンピュータ データセンターなどの専用設備に設置 複数のユーザーが共用 クライアント・コンピュータ 個人が所有する、あるいは交代で利用する 個人ユーザーが一時点で占有して使用する 組み込みコンピュータ モノの中に組み込まれている それぞれのモノの機能や性能を実現している ソフトウェア ゲーム ブラウザー ワープロ データベース 通信制御 認証管理 OS(Operating System) ハードウェア CPU(中央演算処理装置) メモリー(主記憶装置) ストレージ(補助記憶装置) ネットワーク機器 電源装置 コンピュータ
  19. 19. 情報システムの構造 業務や経営の目的を達成するための 仕事の手順 ビジネス・プロセス 情報システム ビジネス・プロセスを効率的・効果 的に機能させるためのソフトウエア アプリケーションの開発や実行に共 通して使われるソフトウエア ソフトウエアを稼働させるための ハードウェアや設備 アプリケーション プラットフォーム インフラストラクチャー 販売 管理 給与 計算 生産 計画 文書 管理 経費 精算 販売 管理 給与 計算 生産 計画 文書 管理 経費 精算 データベース プログラム開発や実行を支援 稼働状況やセキュリティを管理 ハードウェアの動作を制御 ネットワーク 機器 電源設備サーバー ストレージ
  20. 20. 判断/決定 「情報」を意味する3つの英単語の違い 様々なデータ・ソースから生 成される数字や記号など Dataを目的に応じて基 準を与え、分類・構造化 し、報告や検討しやすく 整理したもの Informationに内在する ルールや法則などの関係 を考察し、価値評価を加 えたもの Intelligenceによって示 された価値評価に基づき 判断し意志決定を行なう 情 報 data information intelligence 素材 整理 価値 decision データ・ソース 抽出・変換 分析・考察
  21. 21. ビジネスの大変革を迫る デジタル・トランスフォーメーション Digital Transformation / DX
  22. 22. 時代の節目を俯瞰する IBM 1964:System/360 Intel 1981:i8088 Microsoft 1981:MS-DOS Apple 1984:Macintosh Oracle 1979:Oracle 2 1960年代〜 1980年代〜 1995年代〜 メインフレーム ビジネスでコンピュータを使う オープンシステム 誰もがコンピュータを使う インターネット どこてででもITサービスが使える メイン・プレーヤーが入れ替わるスピードが速くなった 2015年代〜 新しいプレーヤー が台頭する ? 2020年代〜 AIとプラットフォーム 人間とITの役割分担が変わる Amazon 1994:創業 Google 1998:創業 Facebook 2004:創業 Bidu 2000:創業 Alibaba 1999:創業 Tencent 1998:創業 20年 15年 10年 5年 AI×5G×・・・ ???????
  23. 23. コンピュータ利用の歴史 1960年代 メインフレームの登場 1970年代 事務処理・工場生産の自動化 1980年代 小型コンピュータ・PCの登場 1990年代 クライアント・サーバの普及 2000年代 ソーシャル、モバイルの登場 201X年〜 IoT・アナリティクスの進化 カリキュレーション 大規模計算 ルーチンワーク 大量・繰り返しの自動化 ワークフロー 業務の流れを電子化 コラボレーション 協働作業 アクティビティ 日常生活や社会活動 エンゲージメント ヒトとヒトのつながり
  24. 24. インターネットに接続されるデバイス数の推移 億人 億台 台/人 2003年 2010年 2015年 2020年 世界人口 インターネット 接続デバイス数 一人当りの デバイス数 63 68 72 76 5 125 250 500 0.08 1.84 3.47 6.50
  25. 25. コレ1枚でわかる最新のITトレンド データ収集 モニタリング データ解析 原因解明・発見/洞察 計画の最適化 データ活用 業務処理・情報提供 機器制御 ヒト・モノ クラウド・コンピューティング 日常生活・社会活動 環境変化・産業活動 現実世界/Physical World サイバー世界/Cyber World Cyber Physical System/現実世界とサイバー世界が緊密に結合されたシステム
  26. 26. デジタルとフィジカル (1) スピード 複 製 組合せ・変更 遅い 劣化する 困難 早い 劣化しない 容易 フィジカル Physical デジタル Digital 規模の拡大が 容易で早い 状況を即座に 把握し即応できる エコシステムが容易に形成 イノベーションが加速する IoT IoT
  27. 27. デジタルとフィジカル(2) フィジカル Physical デジタル Digital 賢くなる Intelligent つながる Connected 変化に即応する Dynamic IoT ビジネスのデジタル化とは、 デジタルがもたらす価値を活かし フィジカルなビジネスの有り様を変革すること
  28. 28. デジタル・トランスフォーメーションとCPS データ収集 IoT/Mobile/Web データ解析 データ活用 Webサービス ヒト・モノ 日常生活・社会活動 環境変化・産業活動 現実世界/Physical World サイバー世界/Cyber World Cyber Physical System/現実世界とサイバー世界が緊密に結合されたシステム デジタル トランスフォーメーション
  29. 29. デジタル・トランスフォーメーションとは何か 異業種からの参入 市場環境の流動性 顧客嗜好の多様化 不確実性の増大 ビジネスのスピードを圧倒的に上げるしか 対処する術はない  経営会議のサイクルを月次から日次へ  販売実績の報告を日次からリアルタイムへ  労働時間の把握を月次からリアルタイムへ 意思決定サイクル の短縮 現場への 大幅な権限委譲 流水化された ビジネス・プロセス デジタル・テクノロジーを駆使してビジネス・スピードを加速する デジタル・トランスフォーメーション 自律的なチームによる運営と管理 現場や顧客の「見える化」 バリューストリームの管理と把握 (ヒト、モノ、カネ、情報)
  30. 30. デジタル・トランスフォーメーションとは何か ビジネス・プロセスをアナログからデジタルへと転換する 全ての組織がITサービス・プロバイダーに変質する データを保有することで競争優位を築く デジタル・トランスフォーメーションとは、 変化に素早く対処できる企業文化を実現することを目的に、 デジタル・テクノロジーを駆使して、ビジネス・プロセス、組織、製品やサービ ス、働き方を変革すること  アナログからデジタルへ、デジタルからアナログへとシームレスに変換でき る組織へと変革する  既存のマネジメント・モデル(静的な管理機構)ではなく、変化に対して俊 敏に対応できる、動的なマネジメント・モデルへと転換する  新しい価値基準を提供し、破壊的な競争力を手に入れる
  31. 31. デジタル・トランスフォーメーションの3つのフェーズ 第1 フェーズ 第2 フェーズ 第3 フェーズ われわれ人間の生活に、何らかの影響を与え、 進化し続けるテクノロジーであり、その結果、 人々の生活をより良い方向に変化させる 生産性向上 コスト削減 納期の短縮 スピードの加速 価値基準の転換 新ビジネス創出 2004年にスウェーデンのウメオ大学のエリック・ストルターマン教授が提唱 IT利用による業務プロセスの強化 ITによる業務の置き換え 業務がITへITが業務へとシームレスに変換される状態 支援 支援 人間による業務プロセス 人間による業務プロセス+機械による自動化 情報システム 情報システム
  32. 32. アマゾンのデジタル・トランスフォーメーション 広範な顧客接点 ビッグデータ 最高の顧客体験 機械学習による最適解 経営戦略・製品/サービス戦略 & 0.1 to One マーケティング テクノロジーを駆使して徹底した利便性を追求 顧客理解のための情報を徹底して収集する 業務(デジタル) 業務(アナログ) IT 40機の航空機 数千台のトラック
  33. 33. 業務がITへITが業務へとシームレスに変換される状態 IT デジタル 業務 フィジカル 配送・リアル店舗・接客 カスタマー・サービスなど 受発注・配送手配・商品管理 レコメンデーションなと 業務にITは埋没し、渾然一体となってビジネスの成果を達成する
  34. 34. デジタライゼーションとデジタル・トランスフォーメーション デジタル・テクノロジーを使って 既存製品の付加価値を高める 業務の効率化を図る デジタル・テクノロジーを使って 経営や事業の在り方を変革する 生活や働き方を変革する デジタライゼーション Digitalization デジタル・トランスフォーメーション Digital Transformation
  35. 35. デジタル・トランスフォーメーションとの関係 35 企業 顧客 IT デジタル 業務 フィジカル 従来型 アプローチ デジタルな アプローチ デジタル トランスフォーメーション 課題/ニーズ コア・コンピタンス/ケイパビリティ
  36. 36. デジタル・トランスフォーメーションを加速するサイクル サービス を利用する 機械学習 で分析する 戦術的施策(短期)  魅力的で便利な顧客体験 を提供  買いたくなる品揃えや サービスを充実  個々人の趣味嗜好や購買 動向に基づき推奨 戦略的施策(長期)  顧客の期待に応える事業 施策  サービスの質や効率を高 める仕組み作り  新たな市場や顧客を開拓 するための施策 データ
  37. 37. デジタル・トランスフォーメーションの実現とは 37 自分たちのビジネス・プロセスにデータの収集・分析・活用のサイクルを埋め込む ビジネス・スピードを加速 ジャストインタイムでビジネスの現場にサービスを提供 現場のリアルタイム把握・徹底した権限委譲・開発や運用のスピードアップで対処する
  38. 38. デジタル・トランスフォーメーションの実際 UBER airbnb NETFLIX Spotify PayPal タクシー・レンタカー業界 レンタル・ビデオ業界 ホテル・旅館業界 レコード・CD業界 銀行業界(決済・為替)
  39. 39. デジタル・トランスフォーメーションへの2つの対応 デジタル・トランスフォーメーション 開発すべき プログラムが増大 あらゆる業務を データとして把握 ビジネス・テーマが生まれる 業務がITへITが業務へとシームレスに変換される状態 デジタルフィジカル 人間主導で展開される ビジネス・プロセス 人間とITが一体化した ビジネス・プロセス ビジネス・プロセスのデジタル化
  40. 40. 変わるビジネスとITの関係 開発・運用 開発・運用 少ない生産量(工数)で開発・運用のサイクルを高速で回転させる 現場のニーズにジャストインタイムで成果を提供し続ける
  41. 41. DXを支えるテクノロジー ビジネス環境への対応 競争優位の確立 不確実性の増大・スピードの加速 製品やサービスをジャストインタイム で提供できる即応力 常識や価値基準の転換 生産性・価格・期間における これまでの常識を覆す破壊力 デジタル トランス フォーメーション IoT(Internet of Things)/ CPS( Cyber-physical System ) コンテナ × マイクロサービス サイバー・セキュリティ デジタル・ビジネス・プラットフォーム Digital Business Platform ビッグデータ × AI SaaS/API PaaS/FaaSクラウド・コンピューティング
  42. 42. DXを支えるテクノロジー アプリケーション プラットフォーム インフラストラクチャー デバイス AR(拡張現実) / VR(仮想現実) / MR(複合現実) Augmented Reality / Virtual Reality / Mixed Reality ディープラーニング(深層学習)と関連技術(深層強化学習/DQN、敵対的ネットワーク/GANなど) Deep Learning ブロックチェーン Block Chain HTAP(OLTP/業務系・基幹系とOLAP/分析系の実行基盤を統合) Hybrid Transaction and Analytics Processing LPWAネットワーク Low Power,Wide Area Network 5G通信 5th Generation エッジ・コンピューティング(デバイス側での学習や推論/高機能演算) Edge Computing 量子コンピュータ Quantum Computer 〜2017 2018 2019 2020 2021〜
  43. 43. DXを実現する4つの手法と考え方 現場に足を運ぶ 現物を手に取る 現実を自分で確認する デザイン思考 リーン・スタートアップ アジャイル開発 DevOps デザイナー的なクリエイティ ブな視点で、ビジネス上の課 題を解決する 最小限の機能に絞って短期間 で開発しフィードバックをう けて完成度を高める ビジネスの成果に貢献するシ ステムを、バグフリーで変更 にも柔軟に開発する 安定稼働を維持しながら、開 発されたシステムを直ちに・ 頻繁に本番環境に移行する  共感(Emphasize)  問題定義(Define)  創造(Ideate)  プロトタイプ(Prototype)  検証(Test)  構築(Build)  計測(Measure)  学習(Learn)  開発と運用の協調  自動化ツールの整備  継続的デリバリー (Continuous Delivery)  反復/周期的(Iterative)  漸進的(Incremental)  適応主義(Adaptive)  自律的(Self-Organized)  多能工(Cell Production) イノベーションとビジネス・スピードの融合 イノベーションの創発 ジャスト・イン・タイムで提供 + エスノグラフィー
  44. 44. デジタル・トランスフォーメーションのBefore/After ITは道具  本業は人間  ITは本業を支援する手段  ITは企業のコアコンピタンスではない ITはコストセンター  コスト削減がミッション  コスト削減のために外注化  管理と統制のための自前主義 Before ITは本業  本業はITが前提  人間はITで本業を革新する方法を決定  ITは企業のコアコンピタンスを実現 ITはプロフィットセンター  利益拡大がミッション  戦略的価値を創出するための内製化  スピードと俊敏性のためのクラウド化 After
  45. 45. ERP×BPR/BPM DXを取り巻く2つの環境 異業種からの参入 市場環境の流動性 顧客嗜好の多様化 不確実性の増大 事業継続の条件:変化への即応力を持つこと 意志決定の迅速化 ビジネス・プロセスのデジタル化 見える化 最適化 機械学習×データサイエンス ビジネスの現場からのデータ収集 アジャイル開発とDevOps クラウド:コンテナ × Kubernetes / SaaS × PaaS ビ ジ ネ ス 環 境 D X を 支 え る 仕 組 み I T 環 境 プラットフォーム 変 化 に 俊 敏 に 対 応 で き る 企 業 文 化 ・ 体 質
  46. 46. ソフトウェア化する ITインフラストラクチャー IT Infrastructure
  47. 47. 仮想化とは
  48. 48. 仮想 virtual 表面または名目上はそうでないが 実質的には本物と同じ 本来の意味 「仮想化」の本当の意味 本来の意味 仮想化 Virtualization 物理的実態とは異なるが、 実質的には本物と同じ機能を実現する仕組み 日本語での語感 虚像の〜 実態のない〜 It was a virtual promise. (約束ではないが)実際には約束も同然だった。 He was the virtual leader of the movement. 彼はその運動の事実上の指導者だった。
  49. 49. 仮想化とは何か コンピュータのハードやソフト 物理的実態 実質的機能 自分専用の コンピュータ・システム 周りの風景や建造物と 重ね合わされた情報 3Dで描かれた地図や 障害物や建物の情報 仮想マシン/仮想システム 仮想現実 仮想3Dマップ 仮 想 化 を 実 現 す る ソ フ ト ウ エ ア
  50. 50. 物理資源・物理機械 サーバーの仮想化 ストレージの仮想化 Java仮想マシン データベースの仮想化 パーティショニング 分 割 アグリゲーション 集 約 エミュレーション 模 倣 仮想化 (Virtualization) ひとつの物理資源を 複数の仮想資源に分割 複数の物理資源を ひとつの仮想資源に分割 ある物理資源を 異なる資源に見せかける 仮想化の3つのタイプ
  51. 51. ソフトウェア化とはどういうことか(1) 51 掃除 機能 掃除 機械 レンジ 機能 レンジ 機械 テレビ 機能 テレビ 機械 作表 機能 文書作成 機能 会計管理 機能 汎用機械 オペレーティング・システム(OS) 家電製品 コンピュータ 専用一体 専用一体 専用一体 ソフトウェア Software ハードウェア Hardware
  52. 52. ソフトウェア化とはどういうことか(2) 52 一般的なインフラ ソフトウェア化されたインフラ ソフトウェア Software ハードウェア Hardware 個別・専用 システム構成 共用・汎用 システム構成 仮想化ソフトウェア
  53. 53. 「インフラのソフトウエア化」の意味・仮想化の役割 物理的実態(バードウェアや設備)と実質的機能(仮想化されたシステム)を分離 物理的な設置・据え付け作業を必要とせず、ソフトウエアの 設定だけで、必要とするシステム構成を調達・変更できる。 ユーザーは柔軟性とスピードを手に入れる 標準化されたハードウェアやソフトウエアを大量に調達してシ ステムを構成し、運用を自動化・一元化する。 運用管理者はコスト・パフォーマンスを手に入れる *「抽象化」とは対象から本 質的に重要な要素だけを抜き 出して、他は無視すること。
  54. 54. 仮想化の種類
  55. 55. 仮想化の種類(システム資源の構成要素から考える) 仮想化 サーバーの仮想化 クライアントの仮想化 ストレージの仮想化 ネットワークの仮想化 デスクトップの仮想化 アプリケーションの仮想化 仮想LAN(VLAN) SDN(Software-Defined Networking) ブロック・レベルの仮想化 ファイル・レベルの仮想化 画面転送方式 ストリーミング方式 アプリケーション方式 ストリーミング方式 ハイパーバイザー方式 コンテナ方式/OSの仮想化 仮想PC方式 ブレードPC方式
  56. 56. サーバー仮想化 OS サーバー (ハードウェア) ミドルウェア アプリ OS ミドルウェア アプリ OS ミドルウェア アプリ OS ハードウェア ハイパーバイザー 仮想サーバー ミドルウェア アプリ OS 仮想サーバー ミドルウェア アプリ OS 仮想サーバー ミドルウェア アプリ CPU メモリ CPU メモリ CPU メモリ CPU メモリ サーバー (ハードウェア) サーバー (ハードウェア) CPU メモリ CPU メモリ CPU メモリ 物理システム 仮想システム
  57. 57. サーバー仮想化とコンテナ ハードウェア ハイパーバイザー 仮想サーバー アプリや ミドルウェア 仮想サーバー 仮想サーバー サーバー仮想化 ハードウェア コンテナ管理ソフトウエア OS コンテナ コンテナ コンテナ ライブラリ 環境変数 ライブラリ 環境変数 カーネル カーネル カーネル カーネル ライブラリ 環境変数 ライブラリ 環境変数 ライブラリ 環境変数 OS OSOS アプリや ミドルウェア アプリや ミドルウェア アプリや ミドルウェア アプリや ミドルウェア コンテナ ライブラリ 環境変数 アプリや ミドルウェア コンテナ管理ソフトウェア 隔離されたアプリケーション実行環境を提供する 実行イメージのスナップショットをパッケージとしてファイルにして保存できる アプリケーションに加えて仮想マシン・OS の実行イメージを持つ必要がある アプリケーションとOSの一部 の実行イメージを持つ必要がある デプロイするサイズ 大きい 起動・停止時間 遅い デプロイするサイズ 小さい 起動・停止時間 早い 異なるOS 可 異なるOS 不可 メモリーやディスクの消費量が大きい = リソース効率が悪い メモリーやディスクの消費量が大きい = リソース効率が良い 構成の自由度が高い 異なるOS・マシン構成を必要とする場合など 軽量で可搬性が高い 実行環境への依存が少なく異なる実行環境で稼働させる場合など
  58. 58. 仮想マシンとコンテナの稼働効率 ハードウェア 仮想マシン ミドルウェア アプリケーション OS 仮想マシン OS 仮想マシン OS ミドルウェア アプリケーション ミドルウェア アプリケーション ハードウェア OS コンテナ管理機能 カーネル ミドルウェア アプリ ライブラリ 環境変数 コンテナ ミドルウェア アプリ ライブラリ 環境変数 コンテナ ミドルウェア アプリ ライブラリ 環境変数 コンテナ ミドルウェア アプリ ライブラリ 環境変数 コンテナ ミドルウェア アプリ ライブラリ 環境変数 コンテナ ミドルウェア アプリ ライブラリ 環境変数 コンテナ ミドルウェア アプリ ライブラリ 環境変数 コンテナ ミドルウェア アプリ ライブラリ 環境変数 コンテナ ミドルウェア アプリ ライブラリ 環境変数 コンテナ ミドルウェア アプリ ライブラリ 環境変数 コンテナ ミドルウェア アプリ ライブラリ 環境変数 コンテナ ミドルウェア アプリ ライブラリ 環境変数 コンテナ ミドルウェア アプリ ライブラリ 環境変数 コンテナ ミドルウェア アプリ ライブラリ 環境変数 コンテナ ミドルウェア アプリ ライブラリ 環境変数 コンテナ カーネル カーネル カーネル ライブラリ 環境変数 ライブラリ 環境変数 ライブラリ 環境変数 コンテナ仮想マシン
  59. 59. デスクトップ仮想化とアプリケーション仮想化 ネットワーク 入出力操作 通信 クライアントPC 文書作成 表計算 プレゼン ・・・ デスクトップ画面 メモリーストレージ ハイパーバイザー PC用OS (Windows7など) プロセッサー 文書 作成 表 計算 プレ ゼン ・・・ 入出力操作 通信 クライアントPC 文書作成 画面表示 仮想PC サーバー PC用OS (Windows7など) 文書 作成 表 計算 プレ ゼン ・・・ 仮想PC メモリーストレージ OS プロセッサー サーバー ターミナル・モニター 文書 作成 表 計算 プレゼン ・・・ 入出力操作 通信 クライアントPC 文書作成 表計算 プレゼン ・・・ デスクトップ画面 入出力操作 通信 クライアントPC 文書作成 画面表示 デスクトップ仮想化 アプリケーション仮想化
  60. 60. シンクライアント ネットワーク 入出力操作 通信 シンクライアント 文書作成 表計算 プレゼン ・・・ 画面表示 メモリーストレージ ハイパーバイザー PC用OS (Windows7など) プロセッサー PC用OS (Windows7など) PC用OS (Windows7など) 文書 作成 表 計算 プレ ゼン ・・・ 文書 作成 表 計算 プレ ゼン ・・・ 文書 作成 表 計算 プレ ゼン ・・・ 入出力操作 通信 シンクライアント 文書作成 表計算 プレゼン ・・・ 画面表示 仮想PC 仮想PC 仮想PC サーバー ストレージ 文書作成 表計算 プレゼン ・・・ 入出力操作 通信 アプリケーション PC / Windows・Mac OS など 画面表示 データとプログラムの保管 プログラムの実行 は、PC内にて処理 データとプログラムの保管 プログラムの実行 は、サーバー内にて処理 シンクライアントは 画面表示と入出力操作
  61. 61. Chromebook インターネット データ 文書作成 表計算 プレゼン ・・・ ブラウザ 画面表示・入出力操作 通信 画面表示・入出力操作 通信 オフィス・アプリ データ 文書作成 表計算 プレゼン ・・・ オフィス・アプリ クラウドサービス Google Apps for workなど ブラウザ 文書作成 表計算 プレゼン ・・・ PC / Windows・Mac OS など Chromebook / Chrome OS
  62. 62. クライアント仮想化 クライアントの仮想化 (アプリケーション方式) 仮想化 ソフトウェア ハードウェア クライアントPC オペレーティング・システム (ホストOS) アプリケーション OS (ゲストOS) アプリケーション クライアントの仮想化 (ハイパーバイザー方式) 仮想化ソフトウェア (ハイパーバイザー) ハードウェア クライアントPC アプリケーション OS アプリケーション OS 仮想マシン仮想マシン仮想マシン CPU メモリ CPU メモリ
  63. 63. ストレージ仮想化 2TB 実データ 3TB 実データ 5TB 実データ 10TB 10TB 10TB 仮想ストレージ ブロック仮想化 10TB 実データ 30TB ストレージ(ハードウェア) 8TB 7TB 5TB 未使用領域 20TB ボリュームの仮想化 10TB 10TB 10TB 仮想ストレージ シンプロビジョニング 10TB 実データ 30TB ストレージ(ハードウェア) 容量の仮想化 未使用領域 0TB 必要な時に 追加 2TB 実データ 3TB 実データ 5TB 実データ 8TB 7TB 5TB 仮想ストレージ 重複排除 ストレージ(ハードウェア) データ容量の削減 D A B C E F A B ファイル 2 ファイル1 D A B C E F重複データ を排除
  64. 64. SDNとNFV QoS・セキュリティ 機 能 制 御 パケットの種類に応じて設定 物理構成に依存 機器ごとに個別・手動制御 物理 ネットワーク A 物理 ネットワーク B 物理 ネットワーク C 従来のネットワーク アプリケーションに応じて設定 物理構成に関係なく、ソフトウエア設定で機能を構成 機器全体を集中制御・アプリケーション経由で制御可能 仮想化 仮想 ネットワーク A 仮想 ネットワーク B 仮想 ネットワーク C 物理 ネットワーク 集中制御 SDN(Software Defined Networking)
  65. 65. IT利用の常識を変える クラウド・コンピューティング Cloud Computing
  66. 66. クラウドによるコスト改善例
  67. 67. 評価対象としたアプリケーション アンケート登録/集計システム
  68. 68. 店舗入力 ダウンロード イベント ログイン画面 店頭用入力画面 集計ファイル作成画面 ダッシュボード画面 イベント用入力画面 Write Write Read Read 認証されたユーザのみ アクセス可能なページ 評価対象としたアプリケーション/処理フロー よ く あ り が ち な webシステム
  69. 69. 構築事例:従来型のWebアプリケーション・アーキテクチャ EC2 Internet クライアント Elastic Load Balancing EC2 冗長化 EC2 EC2 EC2 EC2 EC2 冗長化 冗長化EC2 EC2 Web AP DB死活監視 DNS DNSのセットアップが必要 APはそのまま移行。ただし、セッション管理等、一部改修が 必要な場合がある。 ミドルウェアが必要 (Oracle、 SQLServer、死活監視ソフト等の購入) DBMSのセットアップが必要 EC2:1台 365日24時間稼働:$175.2 EC2:9台 365日24時間稼働:$1576.8 ELB:1台 365日24時間稼働:$236.52+α ELB:2台 365日24時間稼働:$473.04+α リージョン:東京 <EC2> インスタンスタイプ:t2.micro (最少) 料金:$0.020/1時間 <ELB> 料金:$0.027/1時間 +$0.008/1GB 年間:約$2049.84 約254,980円 ※2015/3/20時点
  70. 70. 構築事例:AWSサービスを活かしたアーキテクチャ EC2 Internet クライアント Elastic Load Balancing EC2 冗長化 EC2 EC2 冗長化 Web AP DB DNS Route 53に 設定するのみ 死活監視のソフトウェア不要 基本的に無料/アラーム設定でメール通知 DBMSはインストール不要  Oracle、SQL Server等のライセンス料込  EC2の接続先を変更するだけ 冗長構成はMulti-AZを選択するのみ EC2:4台 365日24時間稼働:$700.8 ELB:2台 365日24時間稼働:$473.04+α RDS: 365日24時間稼働:$455.52 Route53: 1年間:$26.4(最少) リージョン:東京 <EC2> インスタンスタイプ:t2.micro (最少) 料金:$0.020/1時間 <ELB> 料金:$0.027/1時間 +$0.008/1GB <RDS> インスタンスタイプ: t2.micro (最少) 年間:約$1655.76 約198,691円 Cloud Watch Route 53 RDS(Master) RDS(Slave) DynamoDB セッション 管理 ※2015/3/20時点
  71. 71. 構築事例:AWSサービスを最大限活かしたアーキテクチャ Internet クライアント Cloud Front 画面表示は、 クライアント側 アプリ メールサーバー不要 冗長構成、拡張・データ再配置 はAWS任せ リージョン:東京 <S3> 料金:$0.0330/GB +リクエスト数+データ転 送量 <CloudFront> 料金:$7.2/年 (試算した結果) <Lambda> 料金:$0 <DynamoDB> 料金:$0 (試算した結果) 年間:約$7.56 約907円 Cloud Watch JavaScript 入力ページ(HTML) コンテンツ 非公開コンテンツ Log等 S3 DynamoDB Lambda Node.js テーブル Cognito Webサーバー機能 3箇所以上で自動複製、容量無制限 キャッシュ SSL証明書 任意のタイミングで処理実行 負荷分散、障害対策はAWS任せ AWS認証 アプリ認証 SignedURL発行 サーバ側アプリ ※2015/3/20時点 ※条件によって料金は異なります
  72. 72. クラウドは手段の負担を減らす仕組み アプリケーション データ ランタイム ミドルウェア オペレーティング システム 仮想化 サーバー ストレージ ネットワーク アプリケーション データ ランタイム ミドルウェア オペレーティング システム 仮想化 (必ずしも使わない) サーバー ストレージ ネットワーク アプリケーション データ ランタイム ミドルウェア オペレーティング システム 仮想化 (必ずしも使わない) サーバー ストレージ ネットワーク アプリケーション(アドオン) IaaS PaaS SaaS ア プ リ ケ ー シ ョ ン 利 用 す る 企 業 の 責 任 ク ラ ウ ド 事 業 者 の 責 任 プ ラ ッ ト フ ォ ー ム イ ン フ ラ ス ト ラ ク チ ャ ー
  73. 73. クラウドがもたらすビジネス価値 構築や運用からの解放 最新テクノロジーの早期利用 資産から経費へのシフト  アプリケーションの質的向上にリソースをシフトできる  ビジネス・スピードの加速に迅速柔軟に対応できる  試行錯誤が容易になってイノベーションを加速する  テクノロジーの進化をいち早くビジネスに取り込める  初期投資リスクが削減でき、IT活用範囲を拡大できる  ビジネス環境の変化に柔軟に対応できる
  74. 74. クラウド・コンピューティング で変わるITの常識
  75. 75. ネットワーク コレ1枚でわかるクラウドコンピューティング インフラストラクチャー プラットフォーム アプリケーション 計算装置 記憶装置 ネットワーク データ ベース 運用管理 プログラム 実行環境 プログラム 開発環境 認証管理 電子 メール ソーシャル メディア 新聞 ニュース ショッピング 金融取 引 財務 会計 施設や設備
  76. 76. 「クラウド・コンピューティング」という名称の由来 アプリケーション プラットフォーム インフラ クラウド(Cloud) =ネットワークあるいはインターネット ネットワークの向こう側にあるコンピュータ(サーバー)を ネットワークを介して使う仕組み クラウド・コンピューティング Cloud Computing
  77. 77. クラウドによる新しいIT利用のカタチ 77 スペース:設置場所の制約 コスト 利用量・使う機能 に応じた課金 アジリティ 追加・変更 の柔軟性 スケール 規模の伸縮 弾力性 クラウド・コンピューティング Cloud Computing システム構築・運用 の負担軽減 アプリケーション展開 のスピードアップ
  78. 78. クラウド・コンピューティング の価値
  79. 79. セルフ・サービス・ポータル  調達・構成変更  サービスレベル設定  運用設定  ・・・ 数分から数十分 直近のみ・必要に応じて増減 経費・従量課金/定額課金 クラウド システム資源のECサイト 見積書 契約書 メーカー ベンダー サイジング 調 達 費 用 数週間から数ヶ月 数ヶ月から数年を想定 現物資産またはリース資産 従来の方法 調達手配 導入作業
  80. 80. 「自家発電モデル」から「発電所モデル」へ 工場内・発電設備  設備の運用・管理・保守は自前  需要変動に柔軟性なし 電力供給が不安定 自前で発電設備を所有 工場内・設備 電 力 電力会社・発電所 大規模な発電設備 低料金で安定供給を実現  設備の運用・管理・保守から解放  需要変動に柔軟に対応 工場内・設備 送電網 データセンター 大規模なシステム資源 低料金で安定供給を実現  設備の運用・管理・保守から解放  需要変動に柔軟に対応 システム・ユーザー デ ー タ ネットワーク
  81. 81. 歴史的背景から考えるクラウドへの期待 業務別専用機 業務別専用機 業務別専用機 業務別専用機 UNIXサーバー PC PCサーバー Intel アーキテクチャ 汎用機 メインフレーム IBM System/360 IBM System/360 アーキテクチャ 〜1964 汎用機 メインフレーム PC 1980〜 ミニコン オフコン エンジニアリング ワークステーション 汎用機 メインフレーム ダウンサイジング マルチベンダー 2010〜 PC+モバイル+IoT 汎用機 メインフレーム PCサーバー PCサーバー PCサーバー クラウド コンピューティング データセンター
  82. 82. 情報システム部門の現状から考えるクラウドへの期待 新規システムに投資する予算 既存システムを維持する予算 (TCO) 40% 60% 新規システムに投資する予算 既存システムを維持する予算 IT予算の増加は期待できない! 既存システムを 維持するための コスト削減  TCOの上昇  IT予算の頭打ち クラウドへの期待 「所有」の限界、使えればいいという割り切り
  83. 83. クラウドならではの費用対効果の考え方 システム関連機器の コストパフォーマンス リース コストパフォーマンスが 長期的に固定化 クラウド 新機種追加、新旧の入替えを繰り返し 継続的にコストパフォーマンスを改善 移行・環境変更に かかる一時経費 2006/3/14〜 50回以上値下げ
  84. 84.  徹底した標準化  大量購入  負荷の平準化  APIの充実・整備  セルフサービス化  機能のメニュー化 クラウド・コンピューティングのビジネス・モデル クラウド・コンピューティング オンデマンド 従量課金 自動化・自律化 システム資源 の共同購買 サービス化 低コスト 俊敏性 スケーラビリティ SDI (Software Defined Infrastructure)
  85. 85. IT活用適用領域の拡大 難しさの隠蔽 システム資源 エコシステム クラウドがもたらしたITの新しい価値 クラウド・コンピューティング IT利用のイノベーションを促進 ビジネスにおけるIT価値の変化・向上 新たな需要・潜在需要の喚起 モバイル・ウェアラブル ソーシャル 人工知能 ビッグデータ IT利用者の拡大 IoT ロボット 価格破壊 サービス化
  86. 86. クラウド・コンピューティング とは
  87. 87. クラウドの定義/NISTの定義 クラウド・コンピューティングは コンピューティング資源を 必要なとき必要なだけ簡単に使える仕組み 配置モデル サービス・モデル 5つの重要な特徴 米国国立標準技術研究所 「クラウドコンピューティングとは、ネットワーク、サーバー、ストレージ、アプリケーション、サービスなど の構成可能なコンピューティングリソースの共用プールに対して、便利かつオンデマンドにアクセスでき、最小 の管理労力またはサービスプロバイダ間の相互動作によって迅速に提供され利用できるという、モデルのひとつ である (NISTの定義)」。
  88. 88. クラウドの定義/サービス・モデル (Service Model) アプリケーション ミドルウェア オペレーティング システム インフラストラクチャ PaaS Platform as a Service Infrastructure as a Service Software as a Service SaaS Salesfoce.com Google Apps Microsoft Office 365 Microsoft Azure Force.com Google App Engine Amazon EC2 IIJ GIO Cloud Google Cloud Platform アプリケーション ミドルウェア & OS 設備 & ハードウェア プ ラ ッ ト フ ォ ー ム IaaS
  89. 89. ハイブリッド・クラウド 複数企業共用 パブリック・クラウド クラウドの定義/配置モデル (Deployment Model) プライベート・クラウド 個別企業専用 個別・少数企業 不特定・複数企業/個人 LAN LAN インターネット 特定企業占有 ホステッド・プライベート・クラウド 固定割当て LAN 専用回線・VPN LAN
  90. 90. ハ イ ブ リ ッ ド ク ラ ウ ド ベンダーにて運用、ネット ワークを介してサービス提供 パブリック クラウド 自社マシン室・自社データセ ンターで運用・サービス提供 プライベート クラウド 5つの必須の特徴 人的介在を排除 無人 システム TCOの削減 人的ミスの回避 変更への即応 ソ フ ト ウ ェ ア 化 さ れ た イ ン フ ラ ス ト ラ ク チ ャ 調 達 の 自 動 化 運 用 の 自 動 化 オンデマンド・セルフサービス 幅広いネットワークアクセス 迅速な拡張性 サービスの計測可能・従量課金 リソースの共有 注:SaaSやPaaSの場合、絶対条件ではない。
  91. 91. ハイブリッド・クラウドとマルチ・クラウド クラウド管理プラットフォーム オンプレミス(自社構内) データセンタ(自社設備) データセンタ(他社設備) コロケーション/ホスティング パブリック・クラウド パブリック・クラウド ホステッド プライベート クラウドハイブリッド・クラウド マルチ・クラウド インターネット/VPN/専用線 個別専用システム ハイブリッド・クラウド マルチクラウド
  92. 92. クラウドの分類と関係 個別システム ホステッド プライベート クラウド SaaS(Software as a Service) PaaS(Platform as a Service) IaaS(Infrastructure as a Service) SaaS PaaS IaaS プライベート・クラウド パブリック・クラウド/クラウド事業者資産を使用 オンプレミス・システム/自社資産として所有 ハイブリッド・クラウド プライベートとパブリックの連係・組合せ マ ル チ ・ ク ラ ウ ド 複 数 の パ ブ リ ッ ク を 連 係 ・ 組 合 せ
  93. 93. 銀行システムにおけるクラウド活用の動き 日本ユニシスとマイクロソフト、「BankVision on Azure」実現に向け共同プロジェクトを開始 2018年3月23日 日本ユニシス株式会社と日本マイクロソフト株式会社 は23日、日本ユニシスのオープン勘定系システム 「BankVision」の稼働基盤として、Microsoft Azureを 採用するための取り組みを推進するため、共同プロ ジェクトを4月から開始すると発表した。 いかに費用を抑え、最新技術も取り入れた上で短期間 でのシステム開発を行うかという課題に対応するため、 クラウドを選択。現在はクラウド最大手の米アマゾン ウェブサービスと組み、業務システムの一部から移行 を進めている。 5年間で100億円のコスト削減 1000超のシステムの約半分をクラウド化 週刊ダイヤモンド 2017.5.17 https://diamond.jp/articles/-/128045
  94. 94. クラウド・バイ・デフォルト原則 政府情報システムにおけるクラウドサービスの利用に係る基本方針(案) クラウド・バイ・デフォルト原則(クラウドサービスの利用を第一候補)  政府情報システムは、クラウドサービスの利用を第一候補として、その検討を行う  情報システム化の対象となるサービス・業務、取扱う情報等を明確化した上で、メリット、開発の規模及び経費等を基に検討を行う https://www.kantei.go.jp/jp/singi/it2/cio/dai77/siryou.html Step0:検討準備 クラウドサービスの利用検討に先立ち、対象となるサービス・業務及び情報といった事項を可能な限り明確化する。 Step1:SaaS(パブリック・クラウド)の利用検討と利用方針 サービス・業務における情報システム化に係るものについて、その一部又は全部が SaaS(パブリック・クラウド)により提供されてい る場合(SaaS(パブリック・クラウド)の仕様に合わせ、サービス・業務内容を見直す場合も含まれる。)には、クラウドサービス提 供者が提供する SaaS(パブリック・クラウド)が利用検討の対象となる。 Step2:SaaS(プライベート・クラウド)の利用検討 サービス・業務における情報システム化に係るものについて、その一部又は全部が、府省共通システムの諸機能、政府共通プラット フォーム、各府省の共通基盤等で提供されるコミュニケーション系のサービスや業務系のサービスを SaaS として、当該サービスが利用 検討の対象となる。 Step3:IaaS/PaaS(パブリック・クラウド)の利用検討と利用方針 SaaS の利用が著しく困難である場合、又は経費面の優位性その他利用メリットがない場合については、民間事業者が提供する IaaS/PaaS(パブリック・クラウド)が利用検討の対象となる。 Step4:IaaS/PaaS(プライベート・クラウド)の利用検討 IaaS/PaaS(パブリック・クラウド)の利用が著しく困難である場合、又は経費面の優位性その他利用メリットがない場合については、 サーバ構築ができる政府共通プラットフォーム、各府省独自の共通基盤等を IaaS/PaaS として、当該サービスが利用検討の対象となる オンプレミス・システムの利用検討
  95. 95. 変わる情報システムのかたち 戸建・定住 新築 建売り 建設業 一括売り切り 住み替え リフォーム 賃貸 サービス業 継続支払い
  96. 96. サイバー・セキュリティ
  97. 97. サイバー攻撃がなぜなくならないのか 97 1425% サイバー犯罪の投資対効果(ROI) Payload: $3000 ランサムウェア等マルウェアの購入費。 Infection Vector: $500 マルウェアに感染させるための手法の使用料。 Traffic Acquisition: $1800 マルウェア配布サイトの使用料。 Daily Encryption: $600 マルウェアを検知されにくくするための暗号化を使う費用。 経費:$5,900 出典:2015 Trustwave Global Security Report 訪問者数 20,000人/日 感染率 10% → 2,000人/日 支払率 0.5% → 10人/日 支払額 $300/人 期間 30日 収益:$90,000 クラウド・サービスとして提供
  98. 98. 「境界防衛」から「ゼロトラスト」へ 98 ゲートウェイ FW/プロキシー/IPS/IDS データセンター 社内=善 社外=悪 ゲートウェイという境界を守る 「信頼し、必要な検証だけする」 全てを検証することで守る 「信頼せず、全てを検証する」 「境界防衛」型セキュリティ 「ゼロトラスト」型セキュリティ
  99. 99. サイバーセキュリティ対策とは 99 情報資産・システム資産を守る 安心・安全が保証された業務プロセスを作る・維持する 説明責任を果たす 個人のIDに紐付けられた全ての行動を記録する 認 可認 証識 別 マルウェア・ウイルス 不正侵入 システム破壊 従業員に負担をかけず、安全・安心に業務ができる環境を提供する セキュリティに関わる事故や不正の責任から従業員を解放する 従業員 業績向上 効率よく効果的に 業務を遂行し 事業の成果に貢献する 的確な経営判断 経営状況が正確 かつタイムリーに 報告・見える化される 手段 手段 目的 脆 弱 性 対 策 認 証 管 理 対 策
  100. 100. 新たなビジネス基盤となるIoT モノのインターネット/Internet of Things
  101. 101. IoTとは何か
  102. 102. IoTの2つの意味 データ収集 モニタリング データ解析 原因解明・発見/洞察 計画の最適化 データ活用 業務処理・情報提供 機器制御 ヒト・モノ クラウド・コンピューティング 日常生活・社会活動 環境変化・産業活動 現実世界/Physical World サイバー世界/Cyber World Cyber Physical System/現実世界とサイバー世界が緊密に結合されたシステム 現実世界をデジタル・データに変換 モノそのものやそれを取り囲む環境の状態とその変化 広義のIoT=CPS デジタル・データで現実世界を 捉え、アナログな現実世界を動 かす仕組み 狭義のIoT 現実世界の出来事をデジタル・ データに変換しネットに送り出 す仕組み
  103. 103. 社会基盤のシフト 「モノ」の価値のシフト IoTがもたらす2つのパラダイムシフト 1. 現実世界のデジタル・データ化 2. ビッグデータを使ったシミュレーション 3. 現実世界へのフィードバック 1. 「ハード+ソフト」がネットワーク接続 2. モノとクラウド・サービスが一体化 3. システム全体で価値を生成 ハードウェア ソフトウェア ハードウェア モノの価値は、 ハードウェアからソフトウェアへ そしてサービスへとシフト アナリティクス 人工知能+シミュレーション アプリケーション クラウド・サービス ビッグデータ 現実世界のデジタルコピー 現実世界のデジタルデータ化 IoT CPS社会の実現 「モノ」のサービス化 インターネット クラウド・サービス CPS:Cyber-Physical System
  104. 104. 電脳世界 (Cyber World) 現実世界 (Physical World) デジタル・コピー/デジタルツイン ビッグデータ 機械学習 センサ データ 最適解 制御 Cyber-Physical System 圧 力 ひずみ 振 動 重 量 電 流 ・・・ シミュレーション 現実世界をデジタルで再現し 条件を変えて実験を繰り返し 最適解を見つけ出す 変更や変化に即応して 最適状態・動きを実現
  105. 105. 「モノ」のサービス化 モノの価値は、 ハードウェアからソフトウェアへ、 そしてサービスへとシフト ハードウェア ソフトウェア サービス 機能・性能を随時更新可能 機能・性能の固定化 機能・性能を継続的更新可能 モノの価値を評価する基準がシフト
  106. 106. 「モノ」のサービス化 自動車メーカー 航空機メーカー 工作機械メーカー アナリティクス ソフトウェア改修 データ 収集 ソフトウェア 配信 新 規 開 発 制御ソフトウェア アナリティクス ソフトウェア改修 データ 収集 ソフトウェア 配信 新 規 開 発 制御ソフトウェア アナリティクス ソフトウェア改修 データ 収集 ソフトウェア 配信 新 規 開 発 制御ソフトウェア 運行データ走行データ 作業データ 制御 制御 制御 遠隔からの保守点検・修理、自律化機能による自己点検や修復、ソフトウェア更新による機能・性能・操作性の改善 インターネット
  107. 107. 使 用 の現場 センサー コンピュータ ソフトウエア モノ・製品 モノのサービス化の本質 ものづくり の現場 開 発 製 造 保守 サポート ソフトウェア 改修・更新 インターネット 直 結 ・ 連 係
  108. 108. ビジネス価値の進化 コア・ビジネス  既存ビジネス  蓄積されたノウハウ  確実な顧客ベース 付加価値ビジネス  収益構造の多様化  既存ノウハウの活用  顧客ベースの囲い込み 新規ビジネス  顧客価値の拡大  ノウハウの創出  顧客ベースの拡大 製造・販売製造・販売 製造・販売 走行距離に応じた 従量課金サービス Pay by Mile 出力×時間に応じた 従量課金サービス Pay by Power 工事施工 自動化サービス Smart Constriction 建設機械 遠隔確認サービス KOMTRAX 安全・省エネ運転 コンサルティング 予防保守・交換 燃料費節約 コンサルティング 予防保守・交換
  109. 109. モノのサービス化 TOYOTA MaaS / e-Palette Concept KOMATSU SMART construction 土木工事における作業の自動化と高度化を実現す ることに加え、前後工程も効率化して、工期の短 縮に貢献できるパッケージ化したサービス 移動、物流、物販など多目的に活用できるモビリ ティサービス(MaaS)と、これを実現する専用 次世代電気自動車(EV) モノを売り収益を得るビジネス。サービスはモノ売りビジネスを支援する手段 サービスを提供し収益を得るビジネス。モノはサービスを実現なする手段
  110. 110. これからのビジネスの方向 価値 モノ モノ 価値価値 モノ プロダクト価値を買う モノを手段として使う モノを買う 価値が提供される  デジタルテクノロジーを駆使  継続的な顧客との関係を維持  顧客の体験を進化させ続ける  モノ自体の機能と性能を極め  使いこなすための支援を継続  顧客体験をモノに合せ最適化 価値=サービス体験に対価を払う モノ=機能や性能に対価を払う
  111. 111. IoTと通信
  112. 112. コレ1枚でわかる第5世代通信 1G 2G 3G 4G 高速・大容量データ通信  10G〜20Gbpsのピークレート  どこでも100Mbps程度 大量端末の接続  現在の100倍の端末数  省電力性能 超低遅延・超高信頼性  1m秒以下  確実な通信の信頼性担保 5G 音声 テキスト データ 動画 IoT 多様なサービスへの適用を可能にする  異なる要件のすべてを1つのネットワークで実現する。  各要件をに応じてネットワークを仮想的に分離して提供する(ネットワーク・スライシング)。 1984年〜 1994年〜 2001年〜 2010年〜 2020年代〜
  113. 113. 5Gの3つの特徴 先送り 高速・大容量 大量端末接続 超低遅延・高信頼性 100万台/k㎡ 1ミリ秒 20Gビット/秒 1Gビット/秒 10万台/k㎡ 10ミリ秒 20 倍 当面はLPWA 5G 4G
  114. 114. 5Gの適用範囲 高速・大容量データ通信  10G〜20Gbpsのピークレート  どこでも100Mbps程度 大量端末の接続  現在の100倍の端末数  省電力性能 超低遅延・超高信頼性  1m秒以下  確実な通信の信頼性担保 5G 多様なサービスへの適用を可能にする  異なる要件のすべてを1つのネットワークで実現する。  各要件をに応じてネットワークを仮想的に分離して提供する(ネットワーク・スライシング)。 2020年代〜 2時間の映画を 3秒でダウンロード ロボット等の 精緻な遠隔操作を リアルタイムで実現 自宅内の約100個のモノ がネットに接続 (現行技術では数個) 現在の移動通信システムより 100倍速いブロードバンドサー ビスを提供 利用者がタイムラグを意識 することなく、リアルタイ ムに遠隔地のロボット等を 操作・制御 スマホ、PCをはじめ、身の 回りのあらゆる機器がネッ トに接続
  115. 115. 第5世代通信のインパクト 115 5G4G3G2G1G 音声 テキスト データ 動画 時空間 同時コミュニケーション 非同期コミュニケーション 高解像度動画/大量データを低遅延で共有 同時体験共有
  116. 116. 第5世代通信におけるネットワーク・スライス 高速・大容量データ通信 大量端末の接続 超低遅延・超高信頼性 5G ネットワーク・スライシング 高効率 ネットワーク・スライス 低遅延 ネットワーク・スライス 高信頼 ネットワーク・スライス セキュア ネットワーク・スライス 企業別 ネットワーク・スライス エネルギー 関連機器の 監視や制御 農業設備や 機器の監視 や制御 物流トレー サビリティ 遠隔医療 各種設備機 器の監視と 制御 ゲーム 災害対応 自動車 TISや自動運転 公共交通 機関 医療 遠隔医療や 地域医療 自治体 行政サービス 金融 サービス 企業内 業務システム 各種クラウド サービス ・・・
  117. 117. 第5世代通信におけるネットワーク・スライス 高速・大容量データ通信 大量端末の接続 超低遅延・超高信頼性 5G ネットワーク・スライシング SIM SIM SIM 閉域網 閉域網 閉域網 SIM SIM SIM(subscriber identity moduleもしくはsubscriber identification module/SIMカード)とは、電話番号を特定するための固有のID番号が記録された、 携帯やスマートフォンが通信するために必要なICカードのこと。
  118. 118. LPWA(Low Power Wide Area)ネットワークとは 低 速 最大数十キロbps 低消費電力 規定の電池容量で数ヶ月から数年使用可 広域通信 基地局から数キロから数十キロをカバー 低コスト @10円/月程度からの使用料 利点 制約
  119. 119. LPWA(Low Power Wide Area)ネットワークの位置付け 119 0.01 1 10 100 Mbps km以上 100m 1m 10m LPWA SIGFOX LoRaWAN NB-IoT 無線LAN(Wi-Fi) Bluetooth Wi-SUN ZigBee Z-Wave NFC 4G/LTE 高消費電力低消費電力 データ転送速度 通信距離 http://businessnetwork.jp/Detail/tabid/65/artid/5106/Default.aspx
  120. 120. LPWAネットワークの位置付け SIGFOX  上り:100bps  下り:600bps  料金:100円〜/年 LoRaWAN  上り:3kbps  下り:3kbps  料金:360円〜/年 NB-IoT  上り:27kbps  下り:63kbps  料金:10〜300円/月 通 信 料 金 回線速度 http://businessnetwork.jp/Detail/tabid/65/artid/5106/Default.aspx *利用する月間データ量による
  121. 121. LPWA主要3方式の比較 920MHz帯 125kHz キャリア事業者 の通信網 LTEと同帯域 200kHz 920MHz帯 100Hz オープン仕様 免許不要 携帯電話 国際標準 免許要 仏SIGFOX社 独自仕様 免許不要 0.3〜50kbps 0.3〜50kbps 27kbps 63kbps 100bps 600bps 数km 〜数十km 最大40km 最大数十km 周波数帯 周波数幅 仕 様 免 許 通信速度(上) 通信速度(下) 通信距離 (半径) LoRaWAN NB-IoT (LTE Cat-NB1) SIGFOX ゲートウェイ 基地局 基地局 ネットワークサーバー クラウド・サービス アプリ・サーバー アプリ・サーバー アプリ・サーバー モノ/デバイス モノ/デバイス モノ/デバイス 3G :下り最大14.4Mbps /上り最大5.76Mbps LTE :下り最大 150Mbps /上り最大 50Mbps
  122. 122. 人に寄り添うITを実現する人工知能/AI Artificial Intelligence
  123. 123. この動画を見て考えて欲しいこと Amazonの自動倉庫で活躍するKiva System Boston Dynamicsのロボット 人間が担っていた様々な作業はAIやロボットに代替される時代になる。 その範囲は倉庫業務だけではなく、オフィスや店舗にも拡がってゆく。 そんなこれからの時代に、人間にしかできないことは何か?
  124. 124. 人間と機械 Q1.穴掘りの生産性はどちらが高いだろう? Q2.ショベル・カーが登場したことで、人間は不要になったのか? Q3.ショベルカーの登場により、人間の役割はどう変わったのか? VS
  125. 125. AIとは何か
  126. 126. 人間は何を作ってきたのか 126 鳥のように空を飛びたい 馬のように速く走りたい 魚のように海に潜りたい
  127. 127. 人工知能の2つの方向性 視覚(See) 聴覚(Listen) 対話(Talk) 汎用型人工知能 異なる領域で多様で複雑な問題を解決する 特化型人工知能 個別の領域において知的に振る舞う 自己理解・自己制御 意識・意欲を持つ 自ら課題を発見し 自律的に能力を高めてゆく 人間が課題を発見し 人間が能力を高めてゆく
  128. 128. 人工知能とは? 128 人間を超越した知性や知能を実現するテク ノロジー。人工知能は、やがて神のような 存在となり、人間を奴隷のように支配する ようになる。 人間の知性や知能についての解釈は多様。脳の仕 組みも未だ十分には解明されていない。従って、 人間を超越する知能や知性をとせのように創れば いいのか分からないので、実現不可能。 自然な会話や学習による知識の獲得、状況 に応じた判断などの知能を必要とする作業 を、コンピューター上に構築した人工的な 知能を用いて再現する仕組みや研究のこと 人工知能についての国際的な定義は存在しない。 但し、言語理解や論理的思考など、人間がこれま で脳内で行ってきた知的作業を再現することがで きるテクノロジーと研究分野を意味している。 人間の内に取り込む知能 人間と対立する知能 拡張知能 Extended Intelligence Augmented Intelligence
  129. 129. 「東ロボくん」の実力と代替可能な職業 129 国公立大学 172校 内 23校 30学部 53学科 合否判定80%以上 私立大学 584校 内512校 1343学部 2993学科 合否判定80%以上 MARCH /関関同立の学科を含む
  130. 130. 各時代のAI(人工知能)と呼ばれるもの ルールとゴールが決められているゲームの中 で、コンピュータがなるべくゴールにたどり つけるように選択肢を選んでいくもの。 できること:  パズルや迷路を解く  数学の定理を証明する  チェスを指す など トイプロブレムから脱却し、現実の問題を解 くために専門家(エキスパート)の知識をコ ンピュータに移植することで現実の複雑な問 題を解かせようとするもの。 できること:  患者の症状から病名を特定する  起こっている現象から、機械の故障を診断する  患者の症状から、細菌感染の診断をする 人間がルールを与えるのではなく、データを 分析することで、そこに含まれるパターンを 見つけ出し、機械にルールを獲得させるもの。 できること:  画像を認識して分類する  自然な表現の文章に翻訳する  CTやレントゲン写真から癌の病巣を発見する 推論と探索 ルールベースと エキスパートシステム ディープ・ラーニング を含む統計的機械学習 第一次AIブーム 第二次AIブーム 第三次AIブーム 1960年代 1980年代 2010年代 帰納法:事実や事例(データ)から導き出される傾向から結論を導く方法 演繹法:人間の経験や観察による一般的かつ普遍的な事実から結論を導く方法 ルールとゴールが厳密に決まっ ていることが前提。ルールが記 述しきれず、ルールやゴールが 曖昧である現実世界では役にた たない(トイプロブレム/おも ちゃの問題)。 ルールとして教え込まなければ ならないし、互いに矛盾する ルールも出てくると処理できな い。また、教えていない例外的 な事例が出てくると対処できな い。 画像処理、音声認識、証券取引 といった用途ごとに特化した技 術が現状。人間の知能のように 汎用的で、意識や心も宿すよう な技術ではない。
  131. 131. 機械学習がやっていること モデル 入力をどのように処理して 出力するかのルール 入力 出力 人間の思考で ルールを作る 実験・観察・思考 データ分析で ルールを作る 機械学習
  132. 132. 機械学習がやっていること モデル レントゲン写真から 「癌」の病巣を 識別するルール 入力 出力 癌 データ分析で ルールを作る 機械学習 癌の病巣が写っている 大量のレントゲン写真 ある患者のレントゲン写真 「癌」の病巣を表示 レントゲン写真から 「癌」の病巣を見つける「モデル」
  133. 133. AIと人間の役割分担 データを準備 意志決定 学習方式の選択 パラメーターの調整 可視化・分類・予測 問いを生みだす 解決したいこと・知りたいことを決める 膨大なデータの中から、人間 の経験に基づく先入観なしに 規則、相関、区分を見つける 新たな問いを生みだす 判断・制御 モデル 公式・ルール・関数など
  134. 134. AI導入/データの戦略的活用における3つの課題 事業価値向上 AI導入 データの戦略的活用 良質・大規模な 学習データの収集と整備 データ分析・AI活用に 精通した人材の確保 経営者や業務部門における データ活用のリテラシーの向上 テクノロジーやツールの問題ではなく、人間の問題が大きい
  135. 135. 一般的なプログラムと機械学習を使ったプログラム 135 達成目標 業務目的 処理プロセス アルゴリズム 判断や分類 のルール (一般的プログラムでは分岐条件) データによる 機械学習 人間の 経験や習慣 人間の 経験や習慣 一般的なプログラム 機械学習を使ったプログラム
  136. 136. 統計と機械学習の違い 統計 Statics 機械学習 Machine Learning 記述統計 Descriptive Statistics 推測統計 Inferential Statistics 得られたデータの特徴や傾 向をわかりやすく表現する 一部のデータからそのデー タを含む全体の特徴を推測 する 収集したデータの統計量 (平均や分散など)を計算 してデータの示す傾向や性 質を知る 採取したデータ(標本やサ ンプルとも呼ぶ)から母集 団(全体のこと)の性質を 推測 人間が、データから規則・ルール・傾向を発見し、説明 することを支援する 予測 Prediction 分類・識別・判断 Classification/Identification/Decision 学習されたモデルから将来 を予測する 学習それたモデルから分 類・識別・判断を行う 学習のためのデータを計算 することで、予測のための モデル(推論モデル)を生 成する 学習のためのデータを計算 することで、分類・識別・ 判断のためのモデル(推論 モデル)を生成する 機械(ソフトウェア)が、データから規則・ルー ル・傾向を発見し、予測・識別・判断を自動化する
  137. 137. 人工知能と機械学習と ディープラーニング
  138. 138. 人工知能と機械学習 138 人工知能(Artificial Intelligence) 人間の”知能”を機械で 人工的に再現したもの 基礎的 応用的 知識表現 推論 探索 機械学習 自然言語理解感性処理 画像認識 エキスパートシステム データマイニング 情報検索 音声認識ヒューマンインターフェース 遺伝アルゴリズム マルチエージェント ニューラルネット ゲーム プランニング ロボット 人工知能の一研究分野
  139. 139. 機械学習と推論(1) 耳 目 口 特徴量 猫と犬を識別・分類する ために着目すべき特徴 人間が 観察と経験で 決める 機械学習 統計確率的 アプローチ 機械が データ解析して 決める 機械学習 ディープラーニング (深層学習) 「特徴量」ごとに 猫/犬の特徴を 最もよく表す値を 見つけ出す 学習 猫の特徴を最もよく表す 特徴量の組合せパターン 犬の特徴を最もよく表す 特徴量の組合せパターン 猫の推論モデル 犬の推論モデル 大量の学習データ 大量の学習データ 犬 dog 猫 cat
  140. 140. 機械学習と推論(2) 特徴の抽出 推論モデルとのマッチング 猫 犬 推論モデル推論モデル 「猫」の推論モデルに 98%の割合で一致している 推論結果 だから「この画像は猫である」 「特徴量」に着目して それぞれの値を計算する 推論 特徴量未知のデータ 耳 目 口
  141. 141. 一般的機械学習とディープラーニングとの違い 耳 27% 目 48% 口 12% 特徴量 「特徴量」とは、猫と犬を識別・分類するために着目すべき特徴 正しく認識 82% 誤った認識 18% 認識結果 学習 推論 人間が認識結果が 最適になる組合せを 見つける 耳 27% 目 48% 口 12% 特徴量 学習 ディープラーニング 推論 ディープラーニング 正しく認識 82% 誤った認識 18% 認識結果 機械が認識結果が 最適になる組合せを 見つける 学習データ 教師付きデータ 学習データの一部 評価データ
  142. 142. 人工知能・機械学習・ディープラーニングの関係 1950年代 1960年代 1970年代 1980年代 1990年代 2000年代 2010年代 人工知能 Artificial Intelligence 機械学習 Machine Learning 深層学習 Deep Learning 人間の”知能”を機械で 人工的に再現したもの 人工知能の研究分野のひとつで データを解析し、その結果から 判断や予測を行うための規則性 やルールを見つけ出す手法 脳科学の研究成果を基盤にデー タの分類や認識の基準を人間が 教えなくても、データを解析す ることで、自ら見つけ出すこと ができる機械学習の手法 データ アルゴリズム 規則性やルール 遺伝アルゴリズム、エキスパートシステム、音声認識、画像認識、感性処理、機械学習、 ゲーム、自然言語処理、情報検索、推論、探索知識表現、データマイニング、ニューラル ネット、ヒューマンインターフェース、プランニング、マルチエージェント、ロボット
  143. 143. なぜいま人工知能なのか インターネット アルゴリズム GPU(Graphics Processing Unit) 脳科学の研究成果を反映 高速・並列・大規模計算能力 人工知能(Artificial Intelligence) ビッグデータ IoT モバイル・ウェアラブル ソーシャル・メディア ウェブサイト WWW
  144. 144. 深層学習が前提となったシステム構造 深層学習フレームワーク 学習処理実行基盤 画像解析 動画認識 音声認識 話者認識 言語理解 文章解析 機械翻訳 知識表現 検索 コールセンター 顧客応対 営業支援 提案活動支援 医療 診断支援 創薬支援 その他 その他 文献データ 社内業務 データ 概念体系 辞書 音響データ 言語データ 画像データ 動画データ その他 アプリケーション ソリューション 認識系 サービス 学習基盤 知識ベース 学習データ A I プ ラ ッ ト フ ォ ー ム
  145. 145. 人工知能の可能性と限界
  146. 146. ミッシング・ミドル(失われた中間領域) 146 主 導 共 感 創 造 判 断 訓 練 説 明 維 持 増 幅 相 互 作 用 具 現 化 ト ラ ン ザ ク シ ョ ン 反 復 予 測 適 応 人間のみの活動 人間による 機械の補完 機械による 人間の能力の拡張 人間と機械の協働活動 機械のみの活動 「人間+マシン・AI時代の8つの融合スキルより(東洋経済社)/p.11」を参考に作成
  147. 147. 学習データと結果の関係 宜しくお願い致します 汚い字の学習データ きれいな字の学習データ 機械学習 生成される出力結果 機械学習は学習データの範囲でのみ結果を出すことができる。 言語生成
  148. 148. 人間は「テーマ」を決め「問い」を発し、AIは「答え」を見つける 美味しいカレーを 食べたい! この近くにある カレー屋さんを教えて? この新しい事業プランを 成功させたい! 成功事例や成功させるため の要件を教えて? AI
  149. 149. 超高齢化社会を人工知能やロボットで対応 149 人工知能やロボットを積極的に駆使し、労働生産性やQOL(Quality of Life)の向上が急務
  150. 150. ベーシックインカム(Basic Income/BI) 一定金額の現金を国民全員に無条件で給付する制度 無理して働かなくてもよくなり 倒産や雇用への不安も解消する 柔軟な労働市場が生まれる 労働力の質が高まる 産業構造の転換が容易になる 年金や子ども手当、失業保険など がBIに統合される 恣意的な給付の選別がなくなり 制度運営のコストが削減される 不公平感が解消される 社会や経済の発展と安定に貢献する 生存に対する給与 手厚いセイフティネット
  151. 151. ビジネススピードの加速に対応する 開発と運用 Development & Operation
  152. 152. これからの開発と運用 その背景
  153. 153. これからの開発と運用のあるべき姿 153 業務=本業 社員(人間)が本業を担い 事業の拡大や競争力を強化 売上や利益の増大をめざす 品質向上/コスト削減/納期短縮 IT=支援 標準化された業務プロセスを 現場に使わせ、徹底させる IT=支援=コスト コストの削減→外注 情シスの要請に応えシステムの構築と運用 デジタル・トランスフォーメーション以前 徹底した管理と統制=自社所有とウォーターフォール 業務とITの一体化 =本業 ITにより業務プロセスを構築 業務とITが渾然一体となって 事業を遂行し、成果を最適化 業務がITへITが業務へと シームレスに変換される状態 IT=本業を実現する要件 IT=本業=投資 投資対効果の最大化→内製 業務現場にジャストインタイムでサービスを提供 デジタル・トランスフォーメーション以降 迅速なサービス提供=クラウド・アジャイル・DevOps
  154. 154. ウォーターフォール開発×オンプレミス×開発・運用業務委託の限界 これからの開発や運用に求められるもの アジャイル開発 Agile Development  ビジネスの成果に貢献するコードだけを  変更に柔軟・迅速に対応して  バグフリーで提供する DevOps Development & Operation  運用の安定を維持しながら  本番環境への迅速な移行と  継続的デリバリー クラウド Cloud Computing  高速で俊敏な開発実行環境の調達  経費化の拡大による不確実性への担保  運用やセキュリティから解放と人材の再配置 デジタル・トランス・フォーメーション 業務がITへITが業務へとシームレスに変換される状態
  155. 155. 早期の仕様確定がムダを減らすという迷信 0 3 6 9 12 25% 50% 75% 100% 時間経過(月) 要 求 の 信 憑 性 要求の時間的変質 24ヶ月後に 25%程度 平均的な値 変化が 大きくなっている
  156. 156. 不確実性のコーン システム企画 要件定義 基本設計 詳細設計 プログラミング 4.0x 2.0x 1.0x 0.5x 0.25x 初期の プロダクト定義 承認された プロダクト定義 設計仕様 詳細設計 検収された ソフトウエア 要求仕様 見 積 金 額 の 変 動 幅 プロジェクトフェーズ スティーブ・マコネル著「ソフトウェア見積り 人月の暗黙知を解き明かす」 倍 の 振 れ 幅 16
  157. 157. システム開発の理想と現実 品質 Quality 納期 Delivery 費用 Cost 品質 Quality 納期 Delivery 費用 Cost 品 質 の 低 下 納期とコストの厳守 理想の結果 実際の結果
  158. 158. 早期の仕様確定がムダを減らすというのは迷信 Standish Group Study Reported at XP2002 by Jim Johnson, Chairman ほとんど/決して使われていない: 64% 常に/しばしば使われている: 20%
  159. 159. 変わるビジネスとITの関係 開発・運用 開発・運用 少ない生産量(工数)で開発・運用のサイクルを高速で回転させる 現場のニーズにジャストインタイムで成果を提供し続ける
  160. 160. アジャイル開発が目指していること お客様が求めているのは 情報システムが提供するサービス  業務の生産性を向上させる  売上や利益を向上させる  顧客満足を高める QCD(Q:品質 C:コスト D:納期) を守って情報システムを納品する  バグを○○%以下にする  コーディング規約を遵守する  納期を間に合わせる ビジネスの現場にジャストインタイムで 必要とされるサービスを提供し続ける スピード、バグフリー、変更への即応
  161. 161. アジャイル開発の基本構造 100% 0% 時間 仕様書に記載した 全ての機能 100% 0% 時間 予定していた 全体仕様 30% 60% 80% 現場からの フィードバック 現場からの フィードバック 現場からの フィードバック ? 仕様書に対して100点満点狙い ビジネスの成果に対して合格点狙い 途中の成果からフィードバックを得て、 仕様や優先順位の変更を許容する。 ウォーターフォール開発の考え方 アジャイル開発の考え方 現場からのフィードバック 最後になって訂正・追加などが集中 目標としていたビジネスの成果が 達成できていれば完了 仕様凍結(確定)させて仕様書通りに開発が100%完了したら、 現場からのフィードバックを求める。 仕事の仕組みは確定できる 仕事の仕組みは変化する
  162. 162. ウォーターフォールとアジャイルの違い  用意されたプロセスやツール  全てを網羅したドキュメント  お互いの妥協点を探る契約交渉  一度決めた仕様や計画に従うこと  システムを納品すること 計画通りに完成させること 「計画通り」が正義という信念  自律的な判断と行動  実際に使う動くソフトウェア  顧客との対話と協調  変更や変化への柔軟な対応  ITサービスを提供すること ビジネスを成功させること 「計画通り」は無理という現実
  163. 163. ウォーターフォールとアジャイルの違い  ユーザーと開発者はプロジェクトを通して、日々一緒 に働く  ユーザの満足を優先し価値あるソフトウェアを早く継 続的に提供する  要求の変更はたとえ開発の後期であっても歓迎する  動くソフトウェアをできるだけ短い間隔( 2〜3週間 あるいは2〜3ヶ月)でリリースする  動くソフトウェアこそ進捗の最も重要な尺度  技術的卓越性と優れた設計に対する普段の注意が機敏 さを高める  シンプル(無駄なく作れる量)に作ることが基本  最良のアーキテクチャ・要求・設計は自己組織的な チームから生み出される  チームが最も効率を高めることができるかを定期的に 振り返り、それに基づいて自分たちのやり方を最適に 調整する アジャイルな思想  ユーザと開発者はいつもは別の場所にいてプロジェク トを通して定例ミーティングを行う  ユーザーの満足や価値のあるなしではなく、とにかく ソフトウェアを提供する  要求の変更を開発の後期に出すの勘弁して欲しい  パワポ、エクセル、ワードの仕様書を丁寧に清書して ( 2〜3週間あるいは2〜3ヶ月)納品する  動くソフトウェアこそ進捗の最も重要な尺度  技術的卓越性と優れた設計に対する普段の注意が機敏 さを高める  仕様書通り(間違っていようが)に作ることが基本  最良のアーキテクチャ・要求・設計は自己組織的な チームから生み出される  チームがもっと稼働率を高めるように監視し、それに 基づいて自分たちへの批判や不満を回避するために、 念のため納期を厳しめに設定する ウォーターフォールな思想 https://speakerdeck.com/kawaguti/flipped-agile-manifestYasunobu Kawaguchi氏 資料を参考に作成
  164. 164. 新しい関係 要望 要請 検討 企画 要件定義 仕様書 設計 開発 納品 検収 運用管理 保守 事業 部門 情シス 部門 SIer IT事業者 提案 開発と運用(DevOps) 検討 対話 決定 合意 要望 対話 内製化支援 技術力+労働力 事業 部門 情シス 部門 SIer IT事業者 変更・追加への要望 継続的対話
  165. 165. 開発の自動化とは AIによる自動プログラミング 人手によるプログラミング フレームワーク 超高速開発ツール BRMS(Business Rule Management System) サーバーレス/FaaS SaaS API/PaaS 業務現場にジャストインタイムでサービスを提供 アジャイル開発 Agile Development DevOps Development & Operation クラウド Cloud Computing
  166. 166. いま求められる人材
  167. 167. 年長者だからといって、鵜呑みにするな!盲従するな! 年長者だから、  指導者として適切な判断ができる  問題が生じたら、解決できる  指示、命令に従えばうまくいく 変化が緩やかで、過去の経験から学 んだ知識や教訓が、時間が経っても 劣化しないという前提があった テクノロジー、価値観、ビジネス、社会構造、生活様式などの常識が、 どんどんと変化し多様化する時代になった(10年は続かない) 過去の基準や価値観でリーダーシップを発揮する年長者に従うことが、 むしろリスクの時代になった 「年長者だから」ではなく 「社会的価値を持っているから」で人を見よ
  168. 168. 「社会的価値」とは何か 社会的価値 会社や地域の文脈に依存せず 広く社会に求められる存在 移動力 客観力 発言力 どこに行っても通用する 社会的評価を知っている 「真・善・美」を語れる 個人的資産 労働市場で高く評価される 知識やスキル 社会的資産 あの人なら任せられるという 社会的信頼と認知(人脈)
  169. 169. これからの時代を生き抜くための3ヶ条 第1条:相手の正解を当てに行くな!自分の正解を創り出せ!  「正しいこと」が正解であり、それを貫くことが、成功の近道だ。  その人の正解が「正しいこと」である保証はない。  自分の理屈と感性で「正しいこと」を決める力を磨きなさい。 第2条:待遇や給与で選択するな!おもしろそうだからで選択せよ!  5年先、10年先が読めない時代に、「いま」の好条件を選んでも直ぐに陳腐化する。  「おもしろい」には感性が必要だ。感性を磨き続けるためにも「おもしろい」を突き進め。  「おもしろい」は変わる。それこそが、いまの正解だ。 第3条:小さなコミュニティに閉じこもるな!ヒトのつながりを拡げよ!  人生の選択肢は沢山ある。いろいろな生き様や価値観に触れて、自分の選択肢を拡げよ。  社会的価値は他人が決める。だから、沢山の他人に評価してもらえば、自分の価値がよく分かる。  世の中にはそれぞれの領域で凄い人がいる。そういうひとに教えを請えば、人生はさらに豊になる。
  170. 170. 100年人生を生きるには学びつつけるしかない 170 引退仕事学び 85歳65歳 100歳25歳 常に社会で必要とされる存在であり続けるために! これまで 3ステージ・ライフ 引退仕事仕事仕事学び 学び これから マルチ・ステージ・ライフ 「変身」し続けることで自分の価値を保ち続ける! 仕事仕事
  171. 171. 社会人における「学び」の3段階 素 人 一人前 プ ロ ルーチン・ワークの手順を 意識しなければこなせない段階 ルーチン・ワークの手順を 意識しなくてもこなせる段階 要領よく仕事がこなせない段階 ひとつひとつ丁寧な仕事をすることで、 要領や仕事のコツ、ビジネスに必要な 基本的な常識を学んで行く。 意識せずに仕事がこなせる段階 経験を重ねることで、 いろいろな仕事のパターンを覚え 既存の仕事の延長であれば、 臨機応変に対処できる。 新しいことを創り出す。 新しいことや例外的なことに 対処できる。 新しいことや難しいことを任せられる段階 自社だけではなく、世の中についての常識 に精通し、変化に敏感で、未来を先読みし ている。社内外に豊富な人脈を持っている。 この段階で「学び」を やめてしまう人が多い常に未熟と 不足を感じ 続けている “素人”である自分を自覚し “素人”からの脱出を目指す 業務の8割はルーチン ワークで成り立っている
  172. 172. 「変身資産」を積み上げる 独学力 学び続ける大切さ、それを支える学びの力 つながり力 アウトプット力 多様な価値観やロールモデルの発見 ビジネス・チャネルの開拓 共感と深い学び 陳腐化するスキルの新陳代謝 直感力の育成 客観性と論理性の醸成 インプットの増大 人脈の拡大 ストーリー化能力の強化 経験の蓄積に頼った「ベテラン」の不良資産化が加速する時代
  173. 173. 「時間」を作る 時間を作る 朝のゴールデンタイム 「決心を固めてから行動する」はうまくいかない! 行動を起こす→習慣になる→決心が固まる
  174. 174. Input/Outputプロセス 174 SNS Web 雑誌 対話 議論 コミュニティ 勉強会 面談・会食など ノート/メモ 手描き・アプリなど 文章化 イメージ下書き 手描き パワポ作成 書籍執筆 ブログ 講義・講演 Web メディア 認知 (気付き) 理解 考察 整理 文書 発信 Input Output 書籍
  175. 175. 成長を持続させるための3つの問いかけ 「違和感」を持っていますか? 「地図」を持っていますか? 「向かい風」を感じていますか?
  176. 176. ネットコマース株式会社 180-0004 東京都武蔵野市吉祥寺本町2-4-17 エスト・グランデール・カーロ 1201 http://www.netcommerce.co.jp/

×