ビッグデータ運用データ（ビッグデータを背景とした製造企業向け運用データ分析プラットフォームの構築）

ビッグデータを背景とした製造企業運営データ分析プラットフォームの構築

我が国の科学技術レベルの継続的な発展とコンピュータネットワーク技術の広範な応用により、我が国はビッグデータの時代に入りました。ビッグデータの世界では、多種多様な複雑なデータが次から次へと出現し、その基本的な特徴や一般的なルールを一度に把握することが難しく、企業の業務データ分析業務にも大きな困難をもたらしています。ビッグデータの文脈では、最先端のビッグデータ技術に基づいた企業業務データ分析プラットフォームの構築が企業からますます注目を集めており、具体的なデータ分析業務においてますます重要な役割を果たしています。

業務データ分析プラットフォームの構築は、まずERPシステムの導入以来高まるデータ分析の需要に応え、業務状況を迅速に把握し、業務上の問題や逸脱を発見し、経営改善を推進し、正確かつタイムリーな情報を活用して業務上の意思決定を行う必要があります。第二に、ビッグデータ時代の企業が直面する多くの内外の課題に対応するためには、加速度的に生成される大量のデータから価値ある情報を抽出し、新たなビジネスチャンスを発見・創出する必要があります。企業のビジネス プロセスを最適化し、リスクを管理し、効率を向上させます。このプロジェクトは、従来のデータ分析プラットフォーム構築モデルを放棄し、運用データ分析とビッグデータプラットフォーム構築を組み合わせ、さまざまなアプリケーションシステムと情報ソースの境界を打ち破り、大量のデータを効果的に整理して保存し、分析して貴重な情報に変換します。

プラットフォーム構築では、ERPシステムのデータを中核として、システム外部から取得した製品運用・保守データと組み合わせ、全体的な業務状況とサービス意思決定者を表示し、関連業務データの表示とデータの透明性を実現することを目指します。技術面では、先進的なビッグデータ応用技術を企業のデータ管理全般の基本構造として採用し、クラウドコンピューティングのデータ処理および応用モデルの普及を活用して、企業が増大するデータを処理し、効率的でスケーラブルかつ低コストのソリューションを実現できるよう支援します。会社のビジネスインテリジェンスとナレッジサービス機能を深化・拡大し、運用上の意思決定の効率を向上させ、「ビジネス主導」から「データ主導」への変革を実現します。

1. 建設目的：

運用データ分析プラットフォームは、Hadoopを中核とするビッグデータプラットフォームの企画・構築、分散型インフラストラクチャの採用、ビッグデータアプリケーション管理ツールの開発を目指しています。企業のERPシステムデータを分析の基礎とし、ビッグデータ技術を利用してアプリケーションシステム外の製品運用・保守・サービスデータを統合し、企業の戦略目標、運営指標、優位管理指標を組み合わせて分析モデルを確立し、企業財務、販売、生産、調達、在庫などの重要指標を分析し、データの可視化を実現します。データ分析により、販売から生産実行までのプロセスにおける問題点を発見し、その原因を階層ごとに追跡・究明します。ビジネスデータの真の反映を徐々に強化し、詳細な分析を行い、ビジネスインサイトに焦点を合わせることで、情報の透明性を高め、意思決定と管理データの信憑性、有効性、一貫性を向上させ、意思決定者に視覚的な管理と意思決定情報を提供し、意思決定層のビジネスデータへの注目をさらに高め、企業の情報技術の応用（基礎データと業務運営の標準化、ビジネスデータの信憑性、完全性）を促進します。完全な運用データバックエンド管理システムを確立し、ユーザーアクセス、業務運用、分析および表示システムのシステム運用状況監視を効果的に制御します。

2. 主要技術：

1. 全体的なアーキテクチャ

運用データ分析プラットフォームのアーキテクチャ設計は、安定性、セキュリティ、汎用性、柔軟性、スケーラビリティなどの設計原則に従う必要があり、統一された運用管理データアーキテクチャシステムを確立し、将来のマルチシステムデータ統合のための処理プラットフォームを提供することを目指しています。全体的なアーキテクチャ設計を下の図に示します。

全体的なアーキテクチャはデータ処理フローに従って設計されており、下から上に、データ ソース、データ ストレージとガバナンス、データ ウェアハウスとデータ分析、データ分析結果の視覚化、データ処理プロセスにおけるタスク スケジュール管理の 5 つの部分に分かれています。

2. 主要技術

運用データ分析プラットフォームには、データの処理、収集、保存、計算、適用の要件を満たすとともに、PB レベルの構造化データと非構造化データの迅速な処理のニーズを同時に満たすことができることが求められます。主な技術は以下の通りです。

（1）プラットフォームの全体的なアーキテクチャは、仮想化クラウドコンピューティングと分散コンピューティングアーキテクチャ設計を採用しており、主にインフラストラクチャ層、サポートソフトウェア層、セキュリティ保証システム、サービス保証システムで構成されています。

（２）Hadoopをベースとしたビッグデータ開発・運用環境の導入

（３）ビッグデータに基づくHDFS分散ファイルシステムストレージを実装する。小さなファイルに最適化された分散ファイルシステム。

（4）会社の将来のデータの増加を十分に考慮し、大量のデータストレージの需要を満たす。

（５）Hiveベースのデータウェアハウスおよびデータマート構築分析を実装する。

（6）HBaseをベースとした高速応答データストレージサポートを実装する。

（７）Oozieをベースにしたデータ分析ジョブ構成管理を実装する。

（８）非構造化データに対するNoSqlデータベースサービス機能の提供

（９）産業ビジネスデータのためのビッグデータ分析エンジンを提供する。企業のビジネスニーズとデータ特性に基づいた Spark 分析およびコンピューティング フレームワークを提供し、データの並列コンピューティングとリアルタイム分析、およびシステムの応答効率を保証します。

（10）マシンコールドデータ（非業務データ）向けのデータ分析エンジンおよびアルゴリズムツールを提供する。

（11）HTML5などの技術に基づいたシステムページのデザインと表示を提供する。 Echart、D3、Jqueryなどのオープンソースソフトウェアをベースにした豊富なチャート表示を実現します。

（12）ビッグデータクラウドサービスプラットフォーム、カプセル化データインターフェースサービス、ビッグデータ分析クラウドサービス、ビッグデータの読み取り、書き込み、およびストレージクラウドサービスを提供できること。

3. 運用分析:

社内の基幹業務データと社外の製品データを統合し、業務分析プラットフォームに基づいて集計・分析することで、最終的に図3-1に示す分析集計結果が出力されます。

図 2 の左上のパネルには、会社の売掛金と回収金を含む会社の収益と利益のデータが表示されており、会社の意思決定者が会社の財務状況を理解するのに役立ちます。

図 2 の右上のパネルには、企業契約の締結、さまざまな市場セグメントでの売上などを含む会社のマーケティング データが表示されており、会社の意思決定者が会社のマーケティング状況を理解し、各セグメントの異なる売上比率に基づいて対応するマーケティング戦略を策定するのに役立ちます。

図 2 の中央左のパネルには、生産注文の配送、資本利用率などの会社の生産データが表示されており、会社の意思決定者が会社の生産状況を理解し、生産プロセスの改善と生産効率の向上に関する意思決定の基礎を提供するのに役立ちます。たとえば、配達が遅れる注文については、納期厳守率を高める方法について調査を行うことができます。資本利用額が大きく、資本回転日数が多い注文の場合、資本回転効率をいかに高速化するか等。

図 2 の中央右のパネルには、会社の調達および在庫データ (予定通りの調達および在庫資本のバックログを含む) が表示されており、会社の意思決定者が会社の調達および在庫の状況を理解するのに役立ち、調達プロセスを改善して在庫のバックログを削減するための意思決定の根拠を提供します。例えば、購入品の到着が遅れる場合、納期遵守率を向上させる方法を研究する。たとえば、在庫残高が多い生産要素の場合、在庫を削減し、在庫資本回転率を高める方法などです。

図 2 の左下のパネルには、会社の製品故障データが表示されており、会社の意思決定者が会社の製品の故障状況を理解するのに役立ちます。故障の割合が比較的高い故障カテゴリと、故障率の高い製品モデルについては、生産プロセスを改善し、製品の故障率を低減する方法を研究し、開発することができます。

図 2 の右下のパネルには、企業の品質損失データが表示されており、企業の意思決定者が製品品質の問題によって引き起こされた企業の経済的損失の状況を理解するのに役立ちます。品質問題により経済的損失が大きくなる異常月には、特別な注意を払う必要があります。

要約すると、直感的で鮮明なプレゼンテーション方法を通じて、さまざまな色の警告と異常なプロンプトを使用して、会社の運営状況を全体的な観点から提示し、企業の意思決定に直感的でデータに基づいた強力な参考資料を提供します。運用データ分析プラットフォームは、優れた企業経営意思決定支援システムを構築し、データの応用を深め、企業の現在の経営要件と将来の事業発展のニーズを満たし、企業全体の情報レベルを向上させ、将来の企業の急速な発展をさらに促進します。

IV.参考文献:

1. 「製造業における ERP の応用深化のための評価指標システムの構築と総合評価」『企業経済管理戦略』（2013 年 6 号）王庭;チェン・シャオ

2. 「SAP BW システムをベースとしたデータ ウェアハウス モデルの構築 - 電力企業の ERP におけるデータ ウェアハウス テクノロジの応用」遼寧工学技術大学学報 (社会科学版) (2014 年 2 号) 陳斌;劉松賢;

3. エンタープライズERPにおけるビッグデータマイニング技術の応用に関する研究

現代経済（2018年第2号）陳斌劉松賢;

CIOホーム www.ciozj.com WeChatパブリックアカウント: imciow