数字を見て判断したい会社へ

データ分析基盤データの取り込みから、機械学習の運用まで。見たい数字から逆算します。

最初に、何を判断するためにどの数字が要るかを伺い、必要なデータとその置き場所を洗い出します。

そのあとデータを Google Cloud に集めて集計しやすい形に整え、数字を画面で確かめられるようにします。予測が役に立つ場面が見えてから、機械学習に進みます。

データベースやファイルから集まった情報が中央の倉庫を通り、AIの品質確認と予測を経て分析画面へ流れている。
  • 見たい数字から始める

    何を判断するための数字かを先に決め、要るデータとその置き場所を洗い出します。

  • 今あるファイルから

    表計算のファイルに散らばったデータでも、集めるところから始められます。

  • 作ったあとも点検する

    費用の点検や、取り込みが失敗したときの対応まで受け持ちます。

こんなことで、迷っていませんか。

始める前に出てきやすい迷いを、6 つの声にまとめました。それぞれに、コマスキの進め方を添えています。

  1. 数字を集めるだけで、毎月かなりの時間を取られる。

    決まった集計を自動で回す仕組みを作ります。どの数字をどの順番で集めているかを伺い、BigQuery に取り込んでから集計する形に置き換えます。

  2. データが、表計算のファイルに散らばっている。

    今あるファイルを集めるところから始められます。入力の仕方をそろえる提案もしながら、Google Cloud に集めて集計しやすい形に整えます。

  3. 何の数字を見ればいいのか、はっきりしない。

    何を判断するためにどの数字が要るかを伺うところから始めます。見たい数字が決まってから、必要なデータとその置き場所を洗い出します。

  4. 画面を作ったが、結局誰も見ていない。

    何を判断するための画面かを先に決めてから作ります。経営や現場で数字を見るための画面は、使う人の声を聞いて直していきます。

  5. クラウドの利用料が、どこまで膨らむか心配だ。

    データの量と使い方によって変わるため、設計の段階で費用の見込みを出します。作ったあとも、使い過ぎていないかを点検します。

  6. 機械学習を勧められたが、うちに要るのか分からない。

    最初から必要とは限りません。まず集計と見える化で判断に使えるようにし、予測が役に立つ場面が見えてから機械学習に進む順番をお勧めします。

頼めるのは、この 6 つです。

一度に全部を頼む必要はありません。今いちばん困っている所から選べます。

  • 見たい数字の整理

    何を判断するためにどの数字が要るかを決めます。

  • 取り込みの仕組み

    散らばったデータを BigQuery に取り込む仕組みを作ります。

  • 集計の自動化

    決まった集計を、自動で回す形にします。

  • 数字を見る画面

    経営や現場で数字を見るための画面(ダッシュボード)を作ります。

  • 機械学習の運用

    モデルを学習させ、動かし、精度を見張る仕組み(MLOps)を整えます。

  • 費用と失敗の点検

    費用の点検と、取り込みが失敗したときの対応をします。

中身を、分けて見せます。

このサービスで組み立てるものを、下の層から順に分けた図です。群青の層が、AI が働く所です。

下の層から順に

  1. データの取り込み散らばったデータを BigQuery に集める仕組み
  2. 集計の自動化決まった集計を、自動で回す
  3. 数字を見る画面経営や現場で数字を見るためのダッシュボード
  4. 予測のモデルAI が入る層機械学習のモデルを学習させ、動かし、精度を見張る(MLOps)

段を追って、一緒に進めます。

どの段も、終わったところで結果を確かめてから、次の段へ進みます。

データ分析基盤の進め方の動画
映像の中の言葉
  1. 何の数字を見ればいいのか、はっきりしない。
  2. 進め方
  3. 進行中
  4. 見たい数字を決める
  5. 集めて整える
  6. 見える形にする
  1. STEP 01

    見たい数字を決める

    何を判断するためにどの数字が要るかを伺い、必要なデータとその置き場所を洗い出します。

    二人がホワイトボード上の指標カードを見ながら選定している。
  2. STEP 02

    集めて整える

    データを Google Cloud に集め、集計しやすい形に整えます。

    データベース、ファイル、アプリ画面から白い配管が倉庫ブロックへ集まり、途中に青い品質確認モジュールが置かれている。
  3. STEP 03

    見える形にする

    数字を画面で確かめられるようにし、使う人の声を聞いて直します。

    一人が大きなダッシュボードを指し、もう一人が内容を書き留めている。
  4. STEP 04

    予測に広げる

    予測や分類が役に立つ場面では機械学習のモデルを作り、精度を見張りながら動かし続ける仕組みを整えます。

    人物が折れ線グラフを見守り、白い監視ゲージのそばに青い予測モデルのブロックが置かれている。

入口から、3 段で頼めます。

どの段も、何のために、何をして、何が手元に残り、何をお願いするかを、同じ順に並べました。

  1. 入口

    見たい数字の整理

    範囲を決めてからお伝えします

    何のために
    何のための基盤かを、作る前に決めるため。
    何をするか
    判断に要る数字を伺い、必要なデータとその置き場所を洗い出します。
    手元に残るもの
    見たい数字とデータの置き場所の一覧と、費用の見込み。
    お願いすること
    判断に使っている資料と、元のデータのファイルを見せてください。
  2. 本体

    中心のプラン

    基盤づくり

    100万円から(税別)

    何のために
    見たい数字を、画面で確かめられるようにするため。
    何をするか
    データを Google Cloud に集めて整え、集計を自動にし、数字を見る画面を作ります。
    手元に残るもの
    取り込みと集計の仕組みと、数字を見る画面。
    お願いすること
    画面を使う方から、使ってみた声を伺います。
  3. 続けて任せる

    運用と予測

    範囲を決めてからお伝えします

    何のために
    基盤を動かし続け、役に立つ場面では予測に広げるため。
    何をするか
    費用の点検と取り込みの失敗への対応をし、必要に応じて機械学習を整えます。
    手元に残るもの
    点検の記録と、必要に応じて作った予測のモデル。
    お願いすること
    新しく見たい数字や、予測したいことが出たら教えてください。

今の仕事が、こう変わります。

頼む前と頼んだ後の仕事の様子を、3 つの対で並べました。

  1. 今
    毎月、いくつものファイルから手で集計している
    これから
    決まった集計が、自動で回っている
  2. 今
    数字を見るには、担当者に頼んで待つしかない
    これから
    見たい数字を、画面で自分で確かめられる
  3. 今
    クラウドの費用を、誰も見ていない
    これから
    費用を点検し、使い過ぎに気づける

関連する記事

  1. データ分析基盤の構築で失敗しないためのポイント

    データ分析基盤の構築でよくある失敗を、目的があいまいなまま始める、技術に投資しすぎる、データの品質を軽く見る、の三つに分けて解説し、小さく試してから広げる進め方を紹介する記事です。

記事の一覧を見る

契約の前に、確かめたいこと。

契約の形、情報の扱い、地域、小さく始めることについて、先にお答えします。

データが表計算のファイルに散らばっていても始められますか?

はい。今あるファイルを集めるところから始められます。入力の仕方をそろえる提案もします。

Google Cloud の利用料はどのくらいかかりますか?

データの量と使い方によって変わります。設計の段階で費用の見込みを出し、作ったあとも使い過ぎていないかを点検します。

最初から機械学習まで必要ですか?

最初から必要とは限りません。まず集計と見える化で判断に使えるようにし、予測が役に立つ場面が見えてから機械学習に進む順番をお勧めします。

データの扱いは安全ですか?

秘密保持契約を結んでから作業を始められます。誰がどのデータを見られるかを権限で分け、個人の情報は必要なものだけを扱う設計にします。

小さく始められますか?

はい。小さな案件もお受けします。一つの判断に要る数字から集めて画面で確かめ、役に立つと分かってから広げる進め方もできます。

契約の形と期間はどうなりますか?

準委任契約と請負契約のどちらにも対応しています。契約の期間は、最初の打ち合わせで範囲を決めてから一緒に決めます。

福岡の外の会社でも相談できますか?

はい。相談の窓口はどこからでも使えます。打ち合わせから作業の確認まではオンラインで進められ、訪問が要るかどうかは内容を伺ってから一緒に決めます。

CONTACT

ご相談

このサービスを選んだ状態で、AI がご相談の内容を伺います。要約を確かめて送ると、打ち合わせの日程を担当からご連絡します。

Google Cloud、BigQuery は Google LLC の商標です。本サービスは合同会社コマスキが独自に提供するもので、製品元が提供・保証するものではありません。