公開 Invalid Date/更新 Invalid Date/11 分で確認
DWH(データウェアハウス:Data WareHouse)とは、社内の多様なデータを時系列に沿って集約できるデータベースのことです。
DWH(データウェアハウス:Data WareHouse)は直訳すると「データの倉庫」のような意味になります。
顧客、会計、商品在庫、マーケティング関連など、企業が取扱うさまざまなデータをまとめて管理できるのがDWHの特徴です。時系列で情報を管理できる、データの長期保管ができるなどの魅力を備えています。
DWHは、昨今注目されるデータドリブンな経営を実現するために必要です。
データは散乱している状態では意味がなく、ひとまとめにして整え、統計分析を行うことで真価を発揮します。顧客管理やマーケティングツールなど、社内システムのそれぞれに孤立しがちなデータを集め、有効活用を進めるための土台として機能します。
DWHはオンプレミス型とクラウド型の2つに分類されます。
DWHは、データの収集頻度から従来型とリアルタイム型に分類されることもあります。
従来型DWH:1日1回など決められたタイミングでデータを収集する
リアルタイム型:リアルタイムにデータが収集される
DWHは、意味や語感の似た用語が多い言葉です。混同しないよう、関連用語をチェックしていきましょう。
DB(データベース:DataBase)とは、「データの集合体全般」のことです。共同編集や閲覧、分析など、保存データの用途は問いません。一方、DWHはDBの一種であり、データ分析に特化したものを指します。
DWHには、DBと比べて以下の傾向があります。
分析しやすい形でデータが保管されている(例:主題別の保存など)
データの処理速度が早い
データレイク(Data Lake)は直訳すると「データの湖」となり、データの保管庫を意味します。データの倉庫であるDWHと役割が似ており、親戚のような存在にあたります。
DWHとデータレイクの違いは、扱うデータの種類です。DWHは、CSVファイルのような、そのまま分析に利用しやすい構造化データを保管します。一方、データレイクは、動画や画像のような非構造化データも扱います。
データマート(Data Mart)とは、特定の分野や用途のためのデータ保管庫です。直訳すると「データの小売店」となります。
データマートはDWHと近しい用語ですが、取扱うデータ範囲の狭さに特徴があります。DWHが多くの情報を集めて一元管理するのに対し、データマートは、顧客へのメール送信のような、ある目的に必要なデータだけを保管します。小規模な分析を手軽に行うのに適したツールです。
BI(ビジネスインテリジェンス:Business Intelligence)は、企業の意思決定をサポートするためのデータ分析ツールです。
DWHとBIの違いは、主となる用途にあります。DWHは、データ分析を念頭に置きつつ、データ保管庫として存在します。一方、BIは集めたデータを分析に活用する仕組みに主眼を置いています。
実務においては、DWHで保管している情報をBIで分析することも珍しくありません。したがって、両者は共存関係にあるといえます。
では、DWHの機能や特徴をあらためて確認していきましょう。
DWHはサブジェクトごとにデータを分類できます。顧客情報、商品情報など、題目別にデータを保管し、統計分析にあたって必要な情報のみを素早く取り出せます。
DWHでは、過去のデータに関しても時系列で整理した形で保管できるツールが主流です。
例えば、ある会員の現在の特典ポイント数だけでなく、1年前からのポイント数の推移を保管し、「この会員は季節のセールでよくポイントを使う(なので、セール前には商品カタログを送る)」など、現在のデータだけでは難しいインサイトも獲得できます。
DWHは、多様な社内システムから収集した情報を適切な形で統合することに優れています。「取引先」「発注先」のような表記のぶれを解消したり、重複データの削除を行ったりできるツールが一般的です。
DWHは、時系列でのデータ保管が可能なだけでなく、データの長期保管ができる傾向にもあります。サーバー容量などとの兼ね合いはあるものの、膨大なデータを長期的かつ一元的に保管できます。データドリブンな経営の礎として活躍してくれます。
では、DWHを自社に導入すると、具体的にどのようなメリットが得られるのでしょうか。
DWHをデータの保管場所として周知することで、「あのデータはどこに…」と探す無駄をなくせます。もちろん、データの分析から、より大がかりな業務改善策も探っていけます。
前述の通り、DWHでは、時系列やサブジェクト別の保管によりデータを統計分析しやすい形で所有できます。その分析結果を方針決めの根拠とすることで、結論の出ない会議を削減するなど、意思決定の速度を向上させられます。
データを一元的に集約することで部署や部門をまたいだ統計分析が可能となるのもDWHのメリットです。企業活動の一つの理想とされる全社的なアクションも実行しやすくなります。
一方、DWHのデメリットには以下の2点が挙げられます。
変則的なデータ分析は難しい(非構造化データを扱えない)
頻繁なデータ更新が苦手(オンプレミス型DWHの場合)
また、DWHはあくまでデータの保管庫であり、成果を上げるためにはその先の分析も行う必要があります。
続いて、3つの業界におけるDWHの活用事例を見ていきましょう。
小売業では、顧客行動の分析や商品在庫の最適化にDWHが活用されています。
例えば、POSデータや倉庫データを収集し、過去の販売実績から条件別の需要を予測することで、品切れや在庫過多の回避に活用されています。
製造業では、生産の効率化や品質の管理に向けてDWHが利用されます。
代表例となるのが、スマートファクトリーです。スマートファクトリーでは、工場内のセンサーを通じて多様なデータを収集します。ラインの稼働状況や従業員の動きを確認し、無駄の削減や異常の早期発見を行うことで、工場の生産効率を最大限に高めます。
金融業では、各種取引のリスク分析や顧客セグメンテーションにDWHが活用されています。
DWHには、時系列に沿ってデータを保管できる強みがあります。現在の口座残高や登録内容のみならず、過去の数値や取引情報なども分析対象とすることで、顧客に適切な金融商品を提案するなど、利益の最大化が目指せます。
自社に最適なDWHを選定するためのポイントもご紹介します。
DWHは長期的な運用によってはじめて活躍するツールです。無理なく継続的に利用できるよう、コスト面に気を配る必要があります。導入費用のみならず、月額や年額での負担額を算出しておきましょう。
また、前述の通り、DWHにはオンプレミス型とクラウド型の2種類があり、それぞれ特徴が異なります。自社に適切な形態はどちらか検討しておくことも重要です。
膨大なデータを取扱うDWHは、処理速度や容量によって使い勝手が左右されます。少なくとも以下のポイントは検討しておくべきでしょう。
DWHに保管する予定のデータの総容量(目安)
データ容量の追加方法や必要なコスト
(可能であれば同業界の)他社の導入事例
デモ版によるレスポンス・処理速度の確認
見落としがちなポイントとして、DWHはデザインの印象も重要です。扱いにくいUIの場合、社員が前向きに利用できず、社内への導入が進まない可能性があります。可能な限り複数人で意見を出しあい、導入ツールを吟味すべきでしょう。
外部のシステムとスムーズに連携できるかどうかも大切です。連携が難しいツールの場合、多様な社内システムからDWHにデータを集約できなかったり、集めたデータの分析が難しくなったりします。
>>Brazeがデータウェアハウスやサードパーティシステムを横断して、効果的なデータ管理をサポートする方法
DWHを利用してマーケティング活動を磨き上げる際には、Brazeの導入をご検討ください。
Brazeは、Amazon REDSHIFTやGoogle BigQueryをはじめとする100以上のサービスと連携しています。簡単な操作でDWHのデータを取り込み、マーケティングに必要な情報をまとめて管理できます。
集めたデータの分析に加え、施策の実行までツール内で完結できるのもBrazeの特徴です。データで見出したインサイトから顧客の心に響くメッセージを作成し、適切なタイミングやチャネルでアプローチできます。また、このような各種作業をAIの力を借りて半自動化することも可能です。
マーケティングにおけるデータ活用のご相談やデモ版のご請求の際は、以下のリンクよりお気軽にお問合せください。
>>お問い合わせ
DWH(データウェアハウス)は、社内の各所に散らばるデータを収集し、統計分析に適した形で保管できるツールです。
導入では、長期的に運用するためのコスト面の検討や、収集後の分析に利用する外部ツールとの連携のしやすさが重要になります。
Brazeの最新情報を定期的にお届け