Recomendados
Recomendados
Más contenido relacionado
La actualidad más candente
La actualidad más candente (20)
Similar a Qlik TechFest C-7 QlikWorld 2021の顧客事例ハイライト
Similar a Qlik TechFest C-7 QlikWorld 2021の顧客事例ハイライト (20)
Más de QlikPresalesJapan
Más de QlikPresalesJapan (20)
Qlik TechFest C-7 QlikWorld 2021の顧客事例ハイライト
- 3. 3 QlikWorld 2021での事例紹介セッション一覧 Session Company Session Industry Session Title ANZ Bank Financial Services Collaborative Analytics - How to Streamline the Financial Reporting Process in a Data-Driven Organization Bloomberg Financial Services Bridging the Communications Gap with Data Literacy featuring Bloomberg Blue Health Intelligence Healthcare Delivering Analytic Insights for health plans: Embedding Qlik to improve Employer-sponsored healthcare Charles River Development High Tech & Manufacturing Accelerating Business Value Through an Integrated Data Platform Conde Nast Conde Nast's Enterprise Business Intelligence Platform COOK Medical Healthcare How to Manage Qlik in an Enterprise environment with Platform Manager Dorel Industries Retail & Consumer Products Dorel Industries' Journey to Qlik SaaS Evolcon Professional Services Data Literacy: Bring everyone onboard! J.B. Hunt J.B. Hunt: Reinventing Transportation with Databricks and Qlik Data Integration Platform - real time data integration Kendra Scott Retail & Consumer Products Kendra Scott Delivers Omnichannel Insights Across the Organization with SaaS Analytics Lenovo Retail & Consumer Products Lenovo's Digital Transformation of Partner Enablement Session Company Session Industry Session Title Merck Life Sciences Merck Global Clinical Trial's Agile Response to COVID-19 Novartis Life Sciences The End-To-End Architecture to support 45,000 users with the performance they deserve Novartis Life Sciences Unboss. Enable. Accelerate. How to Scale Business Self-Service PayPal Financial Services The Evolution of BI and Automation at PayPal Raymond James Financial Services Beyond Just a BI Tool - Leveraging Qlik to Solve Common Data Problems at Raymond James Schneider Electric Retail & Consumer Products Near Real-Time Data Pipelines Enable Next Generation Analytics in the Cloud at Schneider Electric Skechers Retail & Consumer Products Skechers Modern Cloud Architecture Powered by Qlik Swedbank AB Financial Services The Self-Service Analytics Journey at Swedbank University Hospitals of Morecambe Bay NHS Foundation Trust Public Sector;Healthcare Changing the Future of Healthcare with Qlik Sense and DataRobot USC Healthcare Antibiotics Prescribing Analytics VimpelCom Communications 400 self-service Qlik developers in telecom: how Vimpelcom empowers users with analytics Vodafone Group Communications Vodafone & Vision for Data Driven Process Optimization VodafoneZiggo Communications VodafoneZiggo’s journey to becoming a Data Driven Organization with Qlik's Business Intelligence Solution
- 4. 4 NHS(モアカム ベイ ヘルスケアシステム) • ヘルスケア(緊急外来の需要予測、 高血圧のリスク分析) • Qlik + Snowflake + DataRobot 4
- 5. • 人口 330,000人 • 統合ケアプロバイダー • 責任あるケア組織 • 大規模な農村地理 • 健康格差 • 財務および業績の課題 • COVID-19後の待機バックログ • デジタル技術の活用に積極的 • アナリティクスによるイノベーション • NHS内でのAIの主要な使用 モアカム ベイ ヘルスケアシステム
- 6. 未診断の高血圧を特定 がなぜ必要か？ • 高血圧は英国の成人の4人に1人 に影響を与える • 早期死亡および障害の主要な危 険因子 • すべての脳卒中と心臓発作の >50%に関連する高血圧 • 10人中4人が未診断のまま NHS England 2016
- 7. 緊急外来の需要予測 がなぜ必要か？ • NHS ER(緊急外来)の半数以上が 評価が低い • 緊急入院はERへの圧力を生み出す • 全国の病床稼働率>= 90% • 社会的不平等に関連する需要 King’s Fund 2020
- 8. 組織の健康とケアの提供の戦略的優先事項 • 住民へ健康を提供 • 持続可能な院外医療 • 国内基準に対するパフォーマンス • クリニックおよび財務の持続可能性を向上 • 統合ケアモデルの採用
- 10. AI & MLOps 分析と BI アプリ内 Write-Back クラウドDWH ハイパーオートメーション コンテキスト データ レイヤー ヘルスケア SaaS アナリティクステクノロジーのシステム構成 ETL & ELT プライマリケア コミュニティケア セカンダリケア (急性) メンタルヘルス ソーシャルケア 第三セクター IoT クラウド データセット ライブデータ 共有 ビジネス ユーザー ETL & ELT
- 19. 19 救急科へのフロー分析と予測
- 23. 23 高血圧リスクの高い患者の特定 géneral práctice •音節géneral práctice 1.1 ((特に英))（開業医の）一般診療；一 般診療医 2.2 ((特に米))（弁護士の）一般法律相 談；一般弁護士
- 26. 26 プロセスマイニングの重要性 26 26 プロセス自動化 プロセスの最適化 品質 速度 経費 満足度 オペレーショナル・ エクセレンス デジタル 変換 電子商取引 デジタル注文処理 コストメリット 新規顧客グループ 時間単位の労力 新たな収益源 ビジネスモデルの変革 プロセスガバナンス (自動)プロセスドキュメント プロセス標準化 プロセスの単純化 自動化戦略 ビジネス プロセス管理 職務分掌 不正防止 不正検出 M&A / デューデリジェンス コンプライアンス/ 内部コントロール オペレーション プロセスエキスパートと戦略的ユーザー 監査/プロセスエキスパート データサイエンティスト / データアナリスト
- 27. 27 データ分析の中央プラットフォームとしてのQlik Sense ボーダフォンがMPMとQlikを支持する理由 • ビジネス インテリジェンス、高度な分析、プロセス マイニングを単 一のプラットフォームで実行 • 使い慣れた共通のエンド ユーザー エクスペリエンスを提供 • KPI と PPI、データ モデル、およびデータ接続の再利用 • 開発者と専門家の単一の共通のプール • 柔軟で自己カスタマイズ可能なテンプレート対ブラックボックスマシ ンと高価なコンサルタント • データガバナンス、管理、インフラストラクチャ、セキュリティシナジー、 効率性 データ分析のための真実の単一点
- 28. 28 Qlik Sense + MPM社プロセスマイニング・ソリューション
- 29. 29 ボーダフォン様での活用例
- 30. 30 KPIダッシュボード
- 34. 34 プロセスの比較分析 City = Atlantis City = Sparta
- 38. 38 Raymond James • Qlikによるデータレポジトリ • QlikView + Qlik Sense + Catalog + NPrinting 38
- 40. トップ 5 ビジネス上の苦情 「IT からデータフィードを取得するには時間がかかりすぎる」 「調査を行うために、常にシステム間を移動する必要があります」 「すべてのデータを1か所に配置することができないのはなぜですか? 「トレンドの履歴データを取得するのは難しい」 「データに直接アクセスしたい」
- 41. • IT リソースは、新しいアプリケーションの実装、他のアプリケーションの 拡張、およびシステムの稼働を維持してビジネスを実行できることに重 点を置いています。 • データに対するビジネスニーズは、リソースを考慮していません。 • ビジネス側はビジネス上の意思決定を行うためにデータを必要とし、 一般的にITを待つ事ができません。 • データは異なる種類のデータであり、異なる場所から来ることもあります • オンプレミス • クラウド • サード パーティ – データ フィード • アプリケーションは互いに独立して開発されるため、データは必ずしもビジネ スではなくアプリケーションのコンテキストで定義されています 根本原因 • ビジネスは、彼らが必要なものを理解しています。 • 基になるデータ ベース構造を常に理解できるとは限りません。 • 彼らはニーズを伝える方法を知らないか、そのために道がありません。 ビジネスナレッジ ビジネスおよび技術データに関する知識 • ITはビジネスを理解していない • ビジネス ユーザーはデータに関する技術的な知識を持っていません 多くの独立したビジネスシステム リソースと時間
- 44. QLIKが複数データソースを単一のQLIK リポジトリに取り込み 10以上のOracle データベース 25以上のSQL データベース 100以上のExcelファイル 日次テキスト ファイル 幾つかのクラウド アプリケーション 部門管理のAccessデータベース SharePoint リスト＆ビュー 抽出 ビジネス データを単一の サーバーに統合 QLIK SENSE®
- 45. QLIK SENSEをデータの変換に使用し、キュレーションされたデータリポジトリの作成 抽出 変換 ビジネス データがクレンジング、変換された上で、ステージング層 に格納され、データ モデリングに対応
- 46. • Sales Table • OrdNum • Sales • CustID • Item 共通の変換 この例では、手動で対応が必要な暗黙のデータの関連性が 存在します • Person Details • PersonID • Type • Frist • Last • Product Details • ProductID • Cost • Price • Sales Table • Order Number • Sales Amount • PersonID • ProductID • Person • PersonID • Person Type • First Name • Last Name • Products • ProductID • Cost • Price Qlikユーザーがデータをロードし、Qlik連想エンジンにより、ビジネス ユーザーにとってより親しみ深いフィールド名に変換しました フィールド名の標準化
- 47. • SQL に類似した関数を使用 • 大文字にする値を変更– Upper(field) = FIELD • 値を小文字に変更– Lower(FIELD) = field • 0が数値テキスト フィールドから削除されないようにする • Text(074902) = 074902 • RTrim()、LTrim で最初または最後からスペースをトリム • -Replace (フィールド、'x'、'y') でテキスト値をクリーンアップ 共通の変換 値をグループ化または変換 (「If/Then」を置き換える) StatusMap: Mapping Load * INLINE [ Status, NewStatus Arrived, Open Fullfillment, Open BackOrder, Open Shipped, Complete Canceled, Complete ]; Orders: Load “Order Number”, Status, ApplyMap(‘StatusMap’,Status,) as BusinessStatus From Orders.qvd(qvd); フィールド値の標準化 例: ステータスをグループ化して、ドリルダウン分析ためにロールアップを行う
- 48. 複雑な変換 たとえば、スナップショットは毎日の終わりにすべてのアカウントの詳細で作られています。 350万件のアカウント * 265 営業日 = 年間 9 億 2,750 万件のレコード。 しかし、ビジネスはファイナンシャルアドバイザーによるトレンドのみを気にしています。 これは大きく変わらない次元です。 75% のレコード数の減少 Qlik データ モデルのトランザクションに対して “IntervalMatch" を使用すると、ダッシュボード のパフォーマンスが向上 数百万行の日次スナップショットを、緩やかに変化するディメンション(SCD)のテーブルに変換
- 49. 複雑な変換 ソース システムに現在の値のみが含まれている場合や、サードパーティベンダーのフィードを取得する場合がありますが、経営陣は値を先週/月と迅速に 比較できるようにしたいと考えています。 日次 ファイル から 作成 ワークフローの 作成 履歴の監査証跡を作成する - ソース システムにない場合
- 51. QLIK展開の流れ QlikView® (2013) 115 ダッシュボード / 550 アクティブユーザー QVD Repository (2013) Qlik NPrinting® (2014) 150+ レポート/1,000+ 利用者 Qlik Sense® Enterprise (2020) 5の巨大なダッシュボード/ 50+ユーザー Qlik CatalogTM (2021) 500+ データファイル/ 数TB以上のデータ QlikView® 1オペレーションダッシュボード 40アクティブユーザー 2013 2014 2017 2020 2021
- 52. QLIK®センター・オブ・エクセレンス(QCOE) 中央集権と分散型の組み合わせ キーとなるエンタープライズプロジェクトへの参画 • 共有データの安定した環境の ガバナンスを確保 • アクセス制御の提供 • セルフサービス分析の提供 • エンドユーザーのコンピテンシーを 強化 • コラボレーションとビジネスエン ゲージメントを育成委 • スキルを持つ人的リソースの整 理されたネットワークを形成 SMEとしてプロジェクトについてビジネス 側と協議 強固なデータアナリティクス基盤の構築 トレーニングとベストプラクティスの強化
- 53. QLIK® トレーニング Qlik® Continuous Classroom – (必須) エンドユーザー データアナリスト データ アーキテクト 環境の紹介 開発 スタンダード 個人 月次グループ センター・オブ・エクセレンスによるインハウストレーニング
- 54. 54 J.B. Hunt • リアルタイムデータ統合 • Azure Synapse + Databricks + Qlik Replicate/Compose 54
- 55. 55 Qlikデータ統合によるリアルタイムデータへのアクセス の高速化 J.B.ハント社は、米国、カナダ、メキシコで事業を展開する北米最大級の輸送・物流企業です。同 社は、効率性と顧客対応力を向上させるために、生産システムに影響を与えることなく、オペレーショ ンと資産に関するリアルタイムのインサイトを必要としていました。同社は、Microsoft Azure Databricksのデータレイクを導入しましたが、分析に適したデータの流れを加速させる必要がありま した。 同社はQlik Data Integrationを活用して、レガシーメインフレームシステムやSQLサーバーなどの 様々なソースから、ほぼリアルタイムのデータをDelta Lakeに直接配信し、Azure Synapseデータ ウェアハウスのデータモデリングと変換を自動化しました。これにより、データエンジニアチームを配備す ることなく、分析可能なデータを複数のユーザーグループに迅速に提供することができました。 このソリューションにより、複数のユーザーがリアルタイムにデータにアクセスできるようになり、アプリケー ションエンジニアは待ち時間がわずか数分に短縮されたことを実感しました。また、データサイエンティ ストが機械学習モデルを駆使して、利用可能な貨物に対する競争力のある落札価格を自動生成 したり、キャリアの空き状況や現在の市場状況に基づいてダイナミックな出荷価格を提供したりするこ とが可能になりました。 課題 ソリューション 結果
- 56. 56 Qlik + Databricks リアルタイムパイプラインの必要性 EDI 現在起こっている潜在 的な問題の可視性 データサイエンス トレーニング モデルは、分単位 のデータまで定期的に実行さ れます。 資産テレメトリ 資産がどこにあるかを知り、問 題に対処する能力 アプリケーション 本番データベースに負荷をかけること なく、現在何が起こっているのかを確 認できる必要がある 1 2 3 4 5 6 アナリティクス インフューズド分析にはリアルタイ ムで実行可能なデータが必要で す- 過去を理解する以上のこと をする必要があります さらに多くのメリットを享受! 当社のビジネスのあらゆる面で、 新鮮なデータの恩恵を受けること ができます
- 57. 57 J.B. Hunt クラウド データ レイクを作成した理由 ML コード コンフィグレーション データ収集 データ 検証 特徴量抽出 マシン リソース 管理 分析ツール プロセス 管理ツール インフラ モニタリング 真ん中の小さな緑色のボックスで示すように、現実世界の機械学習(ML)システムのほんの一部だけが ML コード で構成されます。 必要な周辺インフラストラクチャは、広大で複雑です。クラウド データ レイクを使用すると、メリット を実現する時間が大幅に短縮されました。
- 58. 58 J.B. Hunt リアルタイムデータへの効率的な経路… チームが問題を積極的に処理 できるように、集中監視が必 要 モニタリング メインフレーム、SQL、その他 のソースを含むさまざまな データをデータレイクに含める 必要がある データ注入の柔軟性 BLOB データ、イベント ハブ デー タ、およびその他の非構造化デー タ型をサポートする必要がありま す。 レポジトリの柔軟性 データ注入とレプリケーション は、忙しいチームにとって効 率的である必要があります オートメーション
- 59. 59 J.B. Hunt アナリティクスの提供方法の改善 手動で作成 1 日 1 回のリロード オペレーションアプリ ステージング レポートウェア ハウス 手動で作成 1 日 1 回のリロード Power BI データインサイトチーム • 主に手軽なレポートのみをサポート • 時間がかかる • プロセス全体の後の結果のみ • マニュアル作業が多い • 技術上の制限によりアクセスに制約 • ソース・システムの変更には、下流で手 動で変更する必要あり プロセスに要する時間が最も多い 30分の データ更新 メインフレーム
- 60. 60 J.B. Hunt • データサイエンス、アナリティクス、アプリケー ションをサポート • ニアリアルタイム • 結果は常に更新 • 高度な自動化 • 安全性と可用性 • ソースシステムの変更を下流に反映