Teradata｜Teradata EDW Case Study：株式会社ニチレイフーズ第2回

関連リンク
Teradata Warehouse: ・ハードウェア
・ソフトウェア
・ソリューション

ホーム > 導入事例 > Teradata EDW Case Study > 株式会社ニチレイフーズ第2回

株式会社ニチレイフーズ

全社規模の意思決定およびデータ活用基盤に向けた「段階的拡張」を包括的に支援
～データベースエンジン、データモデル、コンサルティングの総合力が「Teradata」の優位性～

経営層から現場の社員に至る、企業のあらゆる意思決定およびデータ分析ニーズに応える、全社レベルで統合化されたデータ活用基盤「エンタープライズ・データウェアハウス（EDW）」。日本テラデータが提供する「Teradata」は、まさにその実現に最適なデータベースです。ニチレイフーズでは、Teradata による EDW構築によって、多様な角度からの販売実績管理や業績管理が可能となり、営業活動の効率性や精度が劇的に向上し、収益構造の改善がもたらされました。
今回は、そこで証明された「EDW の実現における Teradata の優位性」を、テクノロジーと構築手法の観点から掘り下げるとともに、今後目指すべき EDW の進化像にも言及します。

比類なき「段階的拡張性」こそ Teradata が提供する真の強み
 データソース追加に際してのデータモデル修正を最小限に
 豊富な実績から導き出された各業界向け論理データモデル
 コンサルティングサービスにより EDW構想の策定を強力に支援
 EDW の進化像－データの動的活用

比類なき「段階的拡張性」こそTeradataが提供する真の強み

ニチレイフーズでは現在、会計、売上、販売のデータをデータウェアハウスに蓄積しており、今後も生産や購買、物流といった広範なデータの統合を計画しています。このようなケースでポイントとなるのが、データベースエンジンおよびデータモデルが｢段階的拡張｣を充分にサポートできるかという問題です。

もともと Teradata は、大規模なデータの蓄積、およびその活用を目的に設計されたデータベースエンジンです。20年以上前に製品として産声をあげたときから並列処理のアーキテクチャーを採用し、その名の通り「テラバイトレベルのデータ」を難なくハンドリングできることを設計理念としてきました。その後も継続的な改良が重ねられ、コンピュータ技術の進化もあいまって、今ではペタバイト（約1,024テラバイト）以上のデータを蓄積、活用できるようになっています。既にいくつかの企業では、Teradata で数百テラバイトにもおよぶシステムを実稼働させています。

EDW を実現するとき、企業はその企業活動から得られた膨大なデータを蓄積することになります。このとき、すべてのデータを一度に EDW に取り込む場合もあれば、ニチレイフーズのように分析ニーズの高いデータから順次取り込んでいくという場合も考えられます。

前者において Teradata が最適なのは、既に述べたような大規模システムにおける実績からも明らかですが、Teradata の真の強みは、後者のプロセスを顧客企業が選択するときに発揮されます。それが「段階的拡張性」と呼ばれるものです。Teradata はデータベースエンジンおよびデータモデルの双方において、段階的な拡張を強力にサポートしています。

データソース追加に際してのデータモデル修正を最小限に

データウェアハウス内のデータは本来、一元的なデータモデルとして設計し、物理データベースに実装すべきです。そうすれば、新たなデータソースを追加する場合でも、そのまま追加して必要なリレーションを設定することにより対応できます。

しかし、一般的なデータベースでは多くの場合、パフォーマンス上の制約からデータを集約し、分散データマートを展開するといった作業を経ることになります。こうした工夫によって、負荷の高い結合（Join）処理の回避は可能となりますが、データ追加時におけるデータパスや ETL（Extract Transform Load）ルートの管理は複雑なものとならざるを得ず、パフォーマンスのために管理上の手間を犠牲にすることになります。

これに対し、並列処理アーキテクチャーを採用している Teradata は、本来の一元的なデータモデルを維持しながらも、それらを自由に結合して、ユーザーが見たい形で取り出すための高いパフォーマンスを提供することができます。また、新たにデータを追加する際も、データモデルの修正を最小限に抑えつつ、データウェアハウスを拡張することが可能となっています。

さらに Teradata なら、ハードウェア構成も 2CPU構成からスタートし、最大 2,048CPU で構成されるシステムにまで拡張することが可能です。この場合でも基本的なデータモデルはそのまま維持でき、ETLルートのシンプルさを保つことも可能です。こうした優れた拡張性により、企業は必要性に応じてデータウェアハウスを拡張し、全社規模のデータウェアハウスへと進化させることが可能となります。

このような Teradata の優位性は、並列処理のアーキテクチャーに加え、そのデータ管理メカニズムにも由来するものです。通常のデータベースが、特定のデータを特定のディスク（記憶領域）に蓄積するようなメカニズムであるのに対し、Teradata は独自のアルゴリズムに基づいて、データを複数のディスクへ均等に「ばらまく」ことになります。従ってデータベース管理者は、どのディスクにどれだけのデータを割り当てるかではなく、データとディスクの総容量のみを管理するだけで済みます。これは、データベース管理者本来の業務である「データベースの管理」に集中できることを意味します。Teradata は、データベース管理者が「データベース管理システム」管理者になってしまい、データやシステムを追加するたびにデータモデルを再設計しなければならない一般的なデータウェアハウスとは、根本的に異なる特長を備えているのです。

豊富な実績から導き出された各業界向け論理データモデル

一方、データモデルにおける段階的拡張性も重要なポイントです。例えば、データウェアハウスに会計データを取り込むことの狙いは、ERP や会計システムのレポーティングでは実現できない、多角的かつ詳細な分析を行なうことにあります。ニチレイフーズで採用されている単品利益管理では、会計データに商品や売上、販売チャネルのデータを掛け合わせることによってそれを実現しています。そのためには、販売チャネルや営業、地域、商品といったデータ間で適切なリレーションが設定され、それぞれのデータが有機的につながっていることが必要不可欠です。

これを容易に実現しているのが、Teradata が提供する各業界向けの論理データモデル「Teradata Industry Logical Data Model (LDM)」です。LDM は、その業界が共通して保持しているデータ項目とそのリレーションを記述した、いわばデータウェアハウスの “設計図” といえるもので、Teradata の豊富なデータウェアハウス構築実績から導き出されました。

例えば製造業向け LDM には、製造業一般に必要とされる調達から生産、物流、販売、保守に至るすべてのサプライチェーンプロセス、およびそれらを支援する企業活動や、在庫、生産設備といった企業資産に関するデータを一元的に格納できるようになっています。また LDM を雛形として用い、各企業の個別要件に応じてデータ項目の追加や修正、拡張を行なうことも可能です。

コンサルティングサービスによりEDW構想の策定を強力に支援

Teradata ではこの LDM をベースに、一元的なデータモデルの構築を行い、EDW構想の策定を支援するコンサルティングサービスを提供しています。図は、製造業を想定した EDW構想の策定イメージです。

まず縦軸は業務と分析の適用分野を意味し、その企業のビジネスプロセス、部門とそのユーザー、分析のテーマ、分析に伴って改善される業務内容が定義されます。一方、横軸には特定の主題にまつわるデータが定義されます。例えば「商品」のサブジェクトエリアには、その企業の商品の属性情報から、原材料や成分構成、価格などのあらゆるデータが格納されることになります。

つまり、こうした形で適用分野とデータの関係を検証しながらデータモデルを設計することで、データの重複や不整合の排除が可能となり、一元的に管理されたデータを様々な意思決定や分析テーマに利用することが可能になります。

このようなコンセプトを Teradata では「Load once, Use many times」（一度蓄積すれば、何度でも使える）コンセプトと呼んでいます。こうした設計によるメリットは、新たに適用分野を追加するときに既存データがそのまま活用可能である点、そしてデータ単位あたりの所有コストが活用の進化に伴って低減していくという点です。

このように、データベースエンジン、データモデル、そしてコンサルティングサービスを含む包括的な側面から、ニチレイフーズでも実践されているような段階的拡張をサポートできる点は、まさに Teradata ならではの優位性といえます。

EDWの進化像－データの動的活用

今後、EDW はより能動的に活用されることが想定されます。例えば、消費財製造業が今後直面していく課題、テーマには以下のようなものが考えられます。

例1：トレーサビリティへの適用
今日、食品の安全性に対する要求がさらに高まっている状況にあって、食品メーカーは有事の際に、原材料や生産／物流プロセスに立ち返り、顧客も含めたサプライチェーン全体に対して迅速な情報開示を行なう必要があります。また、ロットや個別商品レベルで、どの販売チャネルに対して商品が供給されているのかを把握することも求められることでしょう。そのためには、調達、生産、物流、販売のデータが透過的に保持されていなければなりません。RFID やそれを利用した個別商品管理により、今後そうしたデータの取得がますますリアルタイムに近くなり、その詳細さも増大していくことが想定されます。

例2：需要や調達市場の変化への即応
ある特定地域の販売動向に急激な変化が見られた場合、それに対応した生産や調達物品の調整、各物流拠点への配分量変更を迅速に行なわなければなりません。このためには、急激な需要変化を捉え、それをトリガーにしたアラート情報が関連部門へと通知される必要があります。この情報を販売部門だけでなく、生産、調達部門などの全社レベルで共有できれば、市場変化に対して全社一丸となって、組織的に対応することが可能となります。また、ある原材料の調達価格が急激に上昇したような場合を考えてみましょう。もし月次処理が終わる月末まで、その結果データを利用できないとしたら、迅速に調達価格に応じた売価調整を行なうことはできません。データがリアルタイムに近い形で更新されれば、売価調整などのアクションが迅速となり、収益性の維持が可能となります。

以上のような要請に応えるために、EDW はきわめて多彩なデータ種別を保持し、社内の組織階層（経営層から現場まで）や部門（調達から販売まで）を問わず、あらゆるユーザーに一元的な意思決定・データ分析環境を提供しなければなりません。そして必然的にデータ鮮度も高いものが求められ、データのロードからレポーティング、データマイニング、そして非定型検索による即時的で複雑な分析に至るまで、複数の異なる混合的なワークロードに対応することが不可欠となります。さらに、ユーザーが任意のタイミングで分析するだけでなく、システムの側から能動的にデータの変化を知らせるといった仕組みも必要となることでしょう。

このようなデータウェアハウスの利用形態を、Teradata では「ADW（Active Data Warehouse）」と呼んでいます。ADW では、データのリアルタイム性、処理の多様化に対応するための混合ワークロードサポート、そして緊急かつ重要な意思決定や情報活用の要請に応える可用性、さらには能動的にデータ変化を検知するためのイベントトリガー機能などがその基本要件に据えられています。

Teradata ではこのような ADW の要件を満たすため、長年にわたり積極的な投資、研究、開発を続けてきました。連続的なデータフィードを実現するローディングユーティリティや SOA への対応、混合ワークロードをサポートする機能である「TASM（Teradata Active Systems Management）」、基幹システム並みの可用性を実現する二重化／レプリケーション機能「Dual Active」、イベントトリガーを実現するためのキューテーブルやストアドプロシージャーなどが、これら研究開発の成果として提供されています。

EDW をベースに ADW を実現していくことによって、データウェアハウスは、単にデータにアクセスし、意思決定や分析に用いるだけのものではなくなっていきます。データの異変を検知して自動的に利用者へ通知したり、ルールに基づいて意思決定を自動化させたり、業務プロセスに対して指示やアドバイスを提供したりすることが可能となります。このような活用形式は、従来の静的なデータ活用としてのデータウェアハウスから、より動的で、利用者を強力に支援するツールとして、データウェアハウスを位置付けることになります。利用者の思考に従順で、業務プロセスにフィットしたデータウェアハウスへの進化－データからより大きな収益を導き出すために求められるのは、このような進化像なのです。

弊社コンサルタントの声

日本テラデータ株式会社
EDW戦略統括部
統括部長・エグゼクティブコンサルタント
金井啓一

EDW とデータウェアハウスの違い

Teradata が推奨する EDW が従来型のデータウェアハウスと異なるところは、エンタープライズという言葉が示す通り、全社規模で使われる共通かつ単一のデータウェアハウスであるということです。つまり、経営層から現場の社員に至る、全社員のデータ分析ニーズに対応できるということです。そしてもう1つ重要なのが、あらゆる部門のニーズに対応できることです。例えば製造業であれば、調達、生産管理、物流、財務、販売、マーケティングといった部門が存在し、各部門が異なる分析ニーズを持っています。しかしながら各部門が一貫性のある同一のデータを共有できれば、共通意識の元で業務を遂行することが可能になります。
製造業にとって EDW が持つメリットは、大きく 3つ挙げられます。1点目は市場変化を迅速に把握できるようになり、販売機会をタイムリーに捉えることができること。2点目はサプライチェーンや生産、投資上の “ムリ・ムラ・ムダ” をなくし、効率的で低コストのオペレーションが実現できること。そして 3点目が、データを統合し、重複なく保持することでデータ管理に関わる総所有コストを最小化できるということです。もちろんこれらのすべてが、企業収益そのものに直結していることはいうまでもありません。