AEBIS

現在、情報活用を実現する製品は多岐にわたり、お客様は様々な情報から自社の環境や目的、課題に合致した製品を選び出さなければなりません。

AEBISは、多機能に統合されたBIスイート・ソフトウェアではありません。

アシストでは、「つなぐ」「ためる」「いかす」「じゅんびする」の観点で、お客様の目的と課題にそった製品をご提案します。それぞれに最適な製品を組み合わせることで、お客様に使いこなしていただく「情報活用」を実現することができるのです。

情報活用に必要なデータ品質を確保するためのデータ抽出・加工処理には様々なデータソースやデータ加工処理への対応が必要です。また、時間あたりのコストを低減する処理性能の高さ、開発生産性・保守性の高さをどのようにマッチさせるかのポイントです。

【イベント指向】
ファイルが更新されたタイミングでのデータ連携など、業務プロセスと密接した細かなデータ連携要件。
　●マスタ連携
　●受注処理の即時引き当て

【バッチ指向】
日次、月次処理など比較的大量のデータを一括処理する必要性があるデータ連携要件。
　●データウェアハウスやデータマートへのデータ統合
　●請求データの締め処理

【少ない】
データ連携頻度が高く、双方向性が強い場合、その連携単位あたりのデータ量は少なくなる傾向。

【多い】
データ連携頻度が低く、単方向性が強い場合、その連携単位あたりのデータ量は多くなる傾向。

●オンプレミスからクラウドまで多彩なデータソースをノンプログラミングでデータ連携
●Excelやメールアダプタを利用した業務の自動化や改善も可能
●スケジュール実行やファイル監視など豊富な運用支援機能を搭載

●大容量データの高速処理を誰でも簡単開発
●ミッションクリティカルなシステムでの採用実績による高い信頼性
●Hadoop上でのETL処理を実現する「DMX-h」もラインナップ

アプリケーションの対応、お客様のスキル、予算、対応範囲（ハードウェア含む、クラウド環境含む提供など）を考慮しながら、製品に求める高速性、メンテンナンス性、拡張性をどのようにマッチさせるかがポイントです。

【非定型】
集計軸や項目が検索の都度、自由に設定されるため、SQLが多様で予測が難しい。

【定型】
検索時に集計軸や項目があらかじめ固定化されているため、SQLが予測できる。

【1TB以下、予測可能】
蓄積されるデータ量が1TB以下で今後の増加量が予測できる。（※従来の行型RDBで対応可能な目安範囲）

【1TB以上、予測不可】
蓄積されるデータ量が1TB以上で今後の増加量の予測が難しい。（※増加するデータ量への拡張性が必要）

●エンタープライズ向けに強化された基本性能とセキュリティ
●OracleDBとの高い互換性によるアプリケーションの移行容易性
●統合運用管理ツール、自動チューニング機能による安定運用

●世界最速のDBアプライアンスExadataによるOLTPとデータウェアハウスの融合
●In-Memoryオプションで実現する超高速リアルタイムBI
●Database Cloud Serviceによるオンプレミスとクラウドの共存

●超高速な検索を実現するカラムストア型データベース
●スマートな自動チューニングで性能とメンテンナンス性を両立
●拡張や可用性を同時に実現する高次元のスケールアウト

誰が、いつ、何のために利用するか、そしてどの機能をどのように届けていくか、情報活用のニーズ・課題とBIツールの特性・強みをどのようにマッチさせるかがポイントです。

【分析】
課題解決／戦略立案のために、データを様々な切り口から検証／探索し、新たな気付きや洞察を得ること。

【可視化】
意思決定／業務遂行のために、データを抽出／図表化し、現状の正確な把握を行うこと。

【アプリ提供型】
管理者がBIアプリを開発し、利用者へ提供すること。
　●管理者：IT部門、ユーザ部門のパワーユーザがBIアプリを開発
　●利用者：提供されたBIアプリを利用

【セルフサービス型】
管理者は利用者がBIアプリを作成、利用する統制の取れた環境を提供すること。
　●管理者：IT部門、ユーザ部門のパワーユーザがBI環境を整備／管理
　●利用者：統制の取れた環境で利用者自らBIアプリを作成／利用

●唯一無二の特許技術「連想技術」
●インメモリによるストレスフリーな高速レスポンス
●データウェアハウスを必要（必須）としないアーキテクチャにより簡単構築

ウォーターフォール型で構築する従来の情報活用基盤に加え、膨大かつ様々な構造のデータを対象に、ユーザ部門がスピーディに試行錯誤を繰り返しながら、分析に必要なデータの準備が行えるプラットフォームの必要性・ニーズが高まっています。

ビッグデータから素早く知見を得て、ビジネスに活かすためには、データ準備のプロセスにユーザ部門が参画できることが重要です。
一方で、IT部門はデータ準備のプロセス全体を俯瞰・統制・監査できることが求められます。

データ準備のセルフサービス化とITガバナンスを両立できるかどうかが、大切なポイントです。

●人工知能 機械学習によりノンコーディングで正確な結果を生成
●データのデータ型を自動判別し、スキーマレスなテーブル作成が可能
●分散コンピューティングにより、加工結果をリアルタイムに確認可能

AEBISについて1枚にまとめた資料です。
本ページご紹介した内容が記載されていますので、社内関係者へのご説明にもご活用いただけます。