BIツール・ダッシュボードソリューションテクニカルブログ | Javaの高機能Web対応レポート（帳票),チャート,ダッシュボード,BIツール

機器監視やアクセス解析、サービスでの使用例をご紹介[ Espress製品：活用例④]

投稿日: 2020年8月31日作成者: climb
BI/Dashboard EspressDashboard EspressReport ES Espressシリーズ共通項目事例紹介

Espress製品の活用例を紹介するシリーズ4回目の今回は、各種機器監視やセキュリティ解析での活用例をご紹介していきます。

負荷状況の監視：サーバやサービスの負荷状況を監視、正常性維持などに活用できます。
[主な利用者] ITインフラ担当、サービス運用担当

続きを読む →

タグ: ダッシュボード, マップ（地図）, 業務効率化

社内情報の可視化、共有、業務効率化での使用例をご紹介[ Espress製品：活用例③]

投稿日: 2020年8月28日作成者: climb
BI/Dashboard Espressシリーズ共通項目事例紹介

Espress製品の活用例を紹介するシリーズ3回目の今回は、社内の情報や資産を可視化することで、情報共有の円滑化や業務効率化につなげていく活用例をご紹介していきます。

経営数値の可視化と共有：半期、四半期など、会社の経営数字を可視化し、全社員との共有に活用できます。
[主な利用者] 全社員

IT資産管理データの可視化と共有：社員に割り当てられているIT資産を可視化し、ITコストの適正配分に活用できます。
[主な利用者] IT・調達/購買・プロジェクトマネージャー
物品管理データの可視化と共有：機材、備品、消耗品の数量・所在を可視化し、紛失防止、適正発注に活用できます。
[主な利用者] 調達/購買・開発/生産

勤怠管理データの可視化と共有：部門や人毎の月次の稼働時間や残業時間を可視化し、作業時間の適正化に活用できます。
[主な利用者] 人事・マネジメント層
社員アンケートの可視化と共有：社員の満足度調査など、社内アンケートの結果を可視化し、全社員との共有に活用できます。
[主な利用者] 人事・全社員
システム利用状況の可視化と共有：社内システムやポータルサイトの利用状況を可視化し、最適なリソース配分に活用できます。
[主な利用者] IT管理者
コールセンター応答率の可視化と共有：コールセンターやヘルプセンターの入電数・応答数を可視化し、人員配分の検討、カスタマーサービスの向上に活用できます。
[主な利用者] CS・マネジメント層

クラウドサービス利用状況の可視化と共有：AWSやAzureなどのわかりづらい請求情報を可視化し全社でのコスト最適化に活用できます。
[主な利用者] IT・プロジェクトマネージャー・経理
品質分析：製品の品質管理の指標を可視化し、歩留まりの改善やコスト削減の意思決定に活用できます。
[主な利用者] 開発/生産

Espress製品（EspressChart、EspressReport、EspressDashboard、EspressReport ES）はPure Java製品であり、製品によって機能差異はありますが、共通してJDBCドライバでテキストデータやデータベースなど様々なデータソースからデータを取得し、各種グラフやレポートの作成、GoogleマップやSVG画像との対応付け、それらを組み合わせたダッシュボードの作成が可能です。

シリーズ1回目はこちらでマーケティングや営業分析での活用例を紹介しています。
シリーズ2回目はこちらで経営や会計、マネジメントでの活用例を紹介しています。

タグ: ダッシュボード, マネジメント, マーケティング, 会計, 業務効率化

経営や会計、マネジメントでの使用例をご紹介[ Espress製品：活用例②]

投稿日: 2020年8月27日作成者: climb
BI/Dashboard Espressシリーズ共通項目事例紹介

Espress製品の活用例を紹介するシリーズ2回目の今回は経営やマネジメント、会計のどのような分析シーンで、活用可能かご紹介していきます。

経営分析：売上高・営業利益など計画、予測とのズレを発見し、戦略的な意思決定に活用できます。
[主な利用者] 経営層・マネジメント層
売上／粗利分析：社内の情報を参照し、全社的な売上・粗利のみでなく、部門別、個人別、製品別、取引先別、地域別など、様々な角度から、売上・粗利の状況、推移を分析できます。
[主な利用者]経営層・マネジメント層・マーケティング・営業

管理会計分析：全社、事業、部門の売上高構成、営業利益、限界利益、損益分岐点、変動費などの状況、推移をダッシュボードや詳細なレポート分析できます。
[主な利用者]経営層・マネジメント層

在庫分析：在庫回転率、粗利率から注力商品を分析、長期滞留在庫の分析などを行えます。
[主な利用者]経営層・マネジメント層・マーケティング・営業
製造原価分析：製品別の売上高構成、営業利益、限界利益、損益分岐点、変動費などの状況、推移を分析できます。
[主な利用者]経営層・マネジメント層・開発/生産
仕入分析：製品別、取引先別の仕入価格差の状況、推移を分析できます。
[主な利用者]経営層・マネジメント層・開発/生産・調達/購買

生産分析：ライン、シフト、品番毎の設備稼働、生産実績、不良率などの状況、推移を分析できます。
[主な利用者] 経営層・マネジメント層・開発/生産
稼働分析：人やモノの稼働状況を把握し、最適な稼働時間や人員配置の意思決定に活用できます。
[主な利用者] 経営層・マネジメント層・開発/生産・人事
経費データの検索：過去の経費データを検索し、予算の消化状況や経費実績の着地見込算出に活用できます。
[主な利用者] 全社・経理

シリーズ1回目はこちらでマーケティングや営業分析での活用例を紹介しています。

タグ: マネジメント, 会計, 経営

マーケティングや営業での使用例をご紹介[ Espress製品：活用例①]

投稿日: 2020年8月26日作成者: climb
BI/Dashboard EspressDashboard EspressReport ES Espressシリーズ共通項目事例紹介

今回は特にマーケティング、営業判断のどのような分析シーンで、このEspress製品を活用可能かご紹介していきます。

続きを読む →

タグ: ダッシュボード, マーケティング, 営業

良いダッシュボードとは？

投稿日: 2020年7月7日作成者: climb
BI/Dashboard EspressDashboard

良いダッシュボードとは、とにかく速度計がいちばん見やすくて、その次にガソリンの残量とエンジン温度、何か問題が生じた場合にインジケーターが点灯するのがベストです。

なんだ、クルマの話か・・・・

と思われたでしょうか。いや、ビジネス用ITツールのダッシュボードも同じです。そもそもダッシュボードとは、自動車などの計器盤のことなので、ビジネス用のダッシュボードでも基本は計器盤です。良いダッシュボードは、基本に忠実な、ドライバーのことを第一に考えるダッシュボードです。

ドライバーとは、それを運用する人のことです（余談ですが、英語のドライバーは便利な言葉で、何かを動かす人や物は皆 driver です）。

まず、ドライバー（ユーザー）がもっとも必要としている情報は何か？

その情報をいちばん目立つところに極力見やすいように表示します。情報の必要度に優先順位を付け、必要な度合いに応じた表示を工夫しなければなりません。クルマも運転中に燃料計を気にする必要はあるけれど、速度ほどに気にする必要はありません。気にする度合いは速度よりずっと低いので、燃料計が速度計と同等レベルに目立つダッシュボードは決して良いダッシュボードとは言えません。

ここで言う、見やすさとは、大きさだけではなく、配置や色合いなどのデザイン全般です。色鮮やかだったりお洒落だったりする必要はなく、とにかく見やすさ第一です。事故ったら、お洒落もくそもないですから・・・

次に、必要な情報を必要なときだけ伝えるインジケーターが重要です。当たり前ですが、エンジンチェックライトが年がら年中灯っていたら、誰もチェックしなくなります。ダッシュボードの情報がオオカミ少年扱いになるのは避けなければなりません。

かと言って、会社の業績レポートのダッシュボードで、ある日突然、倒産インジケーターが表示されるのも考えものです。重要なのは、ドライバーが情報に対応できること。対応できない情報は意味がないし、対応が必要なときにタイムリーに情報を与えるのが、ダッシュボードの役目です。

対応できる、できない、で言ったら、ダッシュボードの対象者を絞るのも重要です。部署や担当によっては、それを見せられてもどうしようもないけど・・・という情報も多々あります。対応できる人が対応しやすいように情報を与えるのもダッシュボードの役目です。データは、それを受けてアクションが取られなければ、そのデータに価値はありません。

エンジンチェックライトに話を戻すと、常にOKランプが灯っているのも考えものです。OKが前提の状況で、OKという情報を常に与えられたら、その情報は「静的」です。どうせ今日もOKに決まっているからと、ドライバーはその情報を見るのをやめてしまいます。ある日突然OKランプが消えていても誰も気づかないでしょう。

情報はなるべく「動的」でなければなりません。刻一刻と変わる情報なら常に提示すべきですが、ひと月ごとぐらいにしか変わらない情報を毎日提示するのは意味がありません。

最後に、ダッシュボードのデザインも静的になってはいけません。これは、クルマのダッシュボードが唯一手本とならない点かもしれません。ビジネスにおけるダッシュボードのニーズは移り変わるので、表示する情報の優先順位や見せ方も随時見直す必要があります。クルマのダッシュボードだって、自動運転の普及に応じてデザインが変わってくることでしょう。クルマのダッシュボードが見本にならないのではなく、ニーズの移り変わりがこれまで緩やかだっただけに過ぎません。

ダッシュボードとは、本来、命を預かる大事な情報の表示盤なので、ドライバーのニーズを最優先するデザインの本気度が違います。ビジネスのダッシュボードは、本家（クルマ）のダッシュボードのように命にかかわることはないので、その仕様が変わるのは当然なのですが、時には本家のダッシュボードが示してくれる基本に立ち返ってデザインを見直せば、利用価値が格段に上がることは間違いありません。

タグ: BIツール, ダッシュボード, ダッシュボード

Databricks、大躍進のわけ

投稿日: 2020年6月11日作成者: climb
BI/Dashboard EspressReport EspressReport ES Java

Databricksの名前をよく聞くようになりました。たとえば、米調査会社ガートナーが2月に発表したデータサイエンスプラットフォームの企業ランキングでは、DatabricksをLeaders（先頭集団）として位置付けています。ちなみに、MicrosoftやGoogleはLeadersでなく、Visionaries（先見性がある企業）にランクされ、IBMはさらにその下のChallengers（挑戦者）にランクされています。そのことからも、いかにDatabricksの評価が高まっているかがわかります。

Databricksの評価が高まっている理由はいろいろあるようですが、最大の理由は次の2つに絞られると思います。

1つは、Apache Sparkを利用しやすくしたこと。

もともとビッグデータを処理するフレームワークとして、In-Memory（インメモリ）と分散処理による高速化でインタラクティブなデータ分析を可能にしたApache Sparkは、すでに脚光を浴びていました。しかし、その実装が単純ではないという声も強かったのは否めません。そんな中、Databricksを通じて、より簡単にApache Sparkのフレームワークを活用できるようになるという利点が、Databricks躍進の原動力になったのは間違いありません。

2点目は、DatabricksがUnified Analytics Platform（データアナリティクスの統合プラットフォーム）であるということ。

データアナリティクスはデータアナリストの仕事、と思われがちですが（文字通り取れば、そのとおりなのですが）、実際にはさまざまな役割分担が必要です。データエンジニアが、生のデータを処理可能な状態に変換して、それを活用するためのアーキテクチャを設計し、データサイエンティストがそのデータを精製して、そこからビジネスに役立つ分析情報を引き出す方法を考え、機械学習（ML）エンジニアがMLモデルを構築して、データにもとづく予測分析を可能にします。

つまり、ひと口にデータアナリティクスと言っても、多岐にわたる作業がさまざまな専門家によって分担され、それぞれが使用するシステムが異なったりします。システムが異なると、それを橋渡しするための余計な作業とコストが生じます。しかし、Databricksなら、データアナリティクスを分担する全スタッフが同じプラットフォームで作業でき、連携を密にできます。たとえば、データエンジニアはDatabricksでラムダ（Lambda）やデルタ（Delta）アーキテクチャを構築でき、データサイエンティストとMLエンジニアはMLモデルを構築して、MLflowなどでMLライフサイクルを管理できます。

さらに、このようなデータアーキテクチャを基盤として、データアナリストがBIツールで分析情報を可視化する際、Databricks独自の可視化ツールも利用できるし、データアナリストがすでに使い慣れている他のBIツールに接続することもできます。たとえば、JavaベースのBIツール EspressReport ES（ERES）なら、JDBCドライバを通じてDatabricksに簡単に接続することができます（接続方法の詳細はDatabricksとERESの連携確認を参照）。

このように、データアナリティクスチームの誰もが — 特に、BIツールを使用するビジネスサイドのスタッフとデータアーキテクチャを構築するテクニカルサイドのスタッフの双方が — 共通のプラットフォームで連携して作業できることは、Databricksの大きな強みです。データアナリティクスの標準プラットフォームとして、Databricksのさらなる躍進が見込まれる所以です。

タグ: Apache Spark, BI, BIツール, Databricks, EspressReport ES, Spark, データ分析, 予測分析, 可視化

Salesforce(セールスフォース)からデータを取り込み、独自グラフ、レポート、ダッシュボードを作成, Webに展開

投稿日: 2020年5月27日作成者: climb
Espressシリーズ共通項目

EspressシリーズではSalesforce(セールスフォース)をデータソースとして利用できます。これにより、デザインや独自チャートの組み込み、サブレポートやドリルダウンを用いたレポートなどを用いて会社専用に様々なカスタマイズを施したレポートやダッシュボードなどを作成、配信が可能です。

具体的な利用としては、まずデータレジストリにSalseforceのユーザ名とパスワードを登録します。

その後、登録したSalseforceとの接続にデータを読み込むためのSOQL文を登録します。

通常のデータベース等の場合と同様に、SOQL文内にパラメータを設定することも可能です。

このように作成したデータソースを用いて独自のグラフやレポートを簡単に作成できます。

Salesforceサーバーへの接続はSalesforce Partner WSDL (version 13.0)を介して確立されます。ユーザはSOQL (Salesforce Object Query Language)クエリでSalesforce・サーバとのコミュニケーションを行います。ユーザは有効なSalesforceのアカウントを持つユーザ名とパスワードを使用してこのデータソースを利用する必要があります。またSalesforceデータソースを使用するユーザは信頼できるネットワークを使用してSalesforceアカウントをアクセスする必要があります。

SOQLクエリと信頼できるネットワークからSalesforceのユーザーのアカウントをアクティブ化についての詳細は、Salesforceのサイトを参照ください。

Salesforceのデータを他のデータソース同様にユーザのオンプレミスやクラウド上で自社用にグラフ化・レポート化し、ダッシュボードとして展開可能です。

タグ: Salesforce, クエリ, ビックデータ, 活用、ダッシュボード

DatabricksとEspressReport ES (ERES) との連携確認

投稿日: 2020年5月20日作成者: climb
EspressReport ES Espressシリーズ共通項目

Databricksは、データ収集、加工、AI・データ分析、可視化までクラウド上でのデータ利活用に必要な機能を備えた統合環境です。

DatabricksとEspressReport ES (ERES)との連携を確認を行ってみました。今回はMicrosoft Azure上ですでに利用可能なDatabricksクラスタを使用しました。EspressReport ESは、情報共有や業務の効率化、BIツールとしての利用などお客様の目的に合った機能を提供するレポート配信の統合管理ツールです。
DatabricksはAzureとAWSで使用できますが、AWSの場合はゼロからの設定が必要です。

手順としてJDBC経由でDatabricksに接続し、EspressReport ES(ERES)からクエリーを発行し、ERES上でレポートとチャートを作成しました。

(1)JDBCドライバを下記のサイトからダウンロードします。

https://docs.databricks.com/integrations/bi/jdbc-odbc-bi.html

(2)ダウンロードしたドライバをERESの所定のフォルダに配置します。

(3)Java 8が必要です。その指定を行います。

(4)ERESを起動させて、データ・レジストリでデータベース・データソースを追加します。また自身のAzureポータル・アカウント情報も必要になります。

(5)「Test Connection」をクリックし、クエリー、チャート、レポート作成のプロセスに進むことができます。

構成概念図

今回はERESを使用しましたが他のEspressシリーズ製品でも接続方法は同じです。このようにDatabricksとEspressシリーズ製品を連携することで高機能のチャート、レポート作成が容易に可能となります。

Apache Spark とEspressシリーズ製品との連携はこちらのブログを参考にしてください。

タグ: AI, Apache Spark, azure, BI, Databricks, Spark, クエリ, 可視化

Webセミナー録画『豊富なAPIで柔軟なチャート表示を実現！チャート専用デザイナで直感的にグラフを作成！』：2020/04/23 開催

投稿日: 2020年4月24日作成者: climb
EspressChart Espressシリーズ共通項目 Java プログラミング

BI（ビジネスインテリジェンス）や見える化のために、データベースやHadoop、XMLやCSVといったテキストファイルからチャート/グラフを作成したいと思ったことはありませんか？
そんな時に利用できるツールとして、GUIにデータを入力し、グラフを作成するソフトウェアなどは有りますが、毎回GUIから手作業で作成していたのでは時間も手間もかかってしまいます。
またプログラム等でグラフを生成できるソフトの場合、デザイン機能が十分ではなく思った通りのグラフを作成できないことや、デザインできたとしても毎回出力して確認する必要があるなど、柔軟性にかける場合があります。

こんなお悩みを解決するツールとして、本WebセミナーではEspressChart を紹介します。チャート専用デザイナGUIにて各種データソースからのデータ抽出、グラフ生成、デザイン調整を簡単に実施でき、それをテンプレートとして保存、Javaプログラムで読み込み、必要に応じてAPIからデザイン等を動的に調整、JPEGやPNGなどの画像として出力するというように、柔軟なチャート出力を行えます。加えて、姉妹製品であるEspressReportを使用すれば、レポート、帳票の作成、グラフの埋め込みなども同様にデザイナでテンプレートを作成して、Javaプログラムで生成するといったことも可能です。

簡単さだけに特化したGUIツールでは難しい動的な細かい制御、プログラムだけで作成するには手間のかかるデータ抽出やデザイン、このような課題をEspressChart/Reportは解決します。
・グラフ・帳票作成でお悩みの方
・可視化/見える化のためのツールやソリューション開発
・データベースやExcel、テキストファイルから簡単にデータ抽出したい方
・動的なグラフ・帳票や細かいデザインまでカスタマイズを行いたい方

https://www.slideshare.net/climb_soft/api-232546494

タグ: BI, Java, グラフ, チャート, ビジネスインテリジェンス, プログラム, レポート, 可視化, 見える化

AIはBIの敵か味方か？

投稿日: 2020年2月27日作成者: climb
BI/Dashboard

BI（ビジネスインテリジェンス）とは、データアナリティクスのビジネス運用です。なんて、あらためて言う必要もないですが、BIとAI（人工知能）の関係を考えたとき、そもそもBIって何だっけ？と思ってしまいました。データの分析はAIの基本だし、データアナリティクスの観点から言えば、BIはAIの弟分のような存在、あるいは遠い親戚か、せめて遠い親戚が雇っている家庭教師ぐらいの関係性は少なくともあると思っていたのですが、見方によっては、BIとAIは相反するものなのですね。

つまり、こういうことです。BIはデータアナリティクスの結果得られた指標をビジネスの意思決定者にわかりやすく提示し、ビジネス運営上の決断を下すための支援をするもの。要するに、意思決定を行うのは人間です。それに反して、AIはAI自体が人間の代わりによりよい判断を下してくれるのであって、人間が意思決定をする必要を省くものです。

また別の観点から言えば、BIは過去のデータの傾向などを提示し、AIは未来のデータを予測します。そのツールを使用する人間から見れば、時間軸も正反対です。

そうすると、AIは果たしてBIの味方なのか、敵なのか、という疑問に行き着きます。AIは、あるときはBIを助けてくれ、BIのデータ分析力を高めてくれる頼もしい存在となります。「さすがAIにいさん、頼りになる！」とBIがすっかり心を許していたら、AIはやがてビジネスの意思決定も自分で行うようになり、BIは気付いたときにはすっかりお払い箱になっていた、ということもあり得ます。冗談めかして書いていますが、AIがBIをお払い箱にするのは、普通に考えたら、当然の成り行きではないでしょうか。

そもそもAIは多くの人間の仕事を奪うと言われています。ビジネスの意思決定をする人（部長さん？社長さん？）の仕事を奪っても不思議ではありません。つまり、社員はみんなAIによる正確かつ適正な判断のもと、AIに雇われて仕事するのが近未来の会社です。

しかし、ビジネス運営にはAIでは分析しきれない面が多々あることも周知の事実です。たとえば、Amazonが社員の採用判断にAIを取り入れたら、AIの判断基準も完全に公平ではなく、多少の偏見や先入観が混じっていたようで、その使用が中止されたという事例もあります。

つまり、最後は人間が判断しなければならず、ビジネスの意思決定もAIが下した決定に最後は部長さんがハンコを押さなければなりません！

いや、間違いました。ハンコを押すだけなら、AIどころか、腕の上下運動だけを繰り返すロボットでもよくなってしまいます。そうではなくて、BIが判断材料を提示し、人間がそれにもとづいてビジネスの意思決定を下すことがやはり不可欠です。AIはBIをお払い箱にするのではなく、BIが提示する判断材料をより的確にしたり、BIの元となるデータの分析をより深く、鋭くするためのサポートに徹するべきです。よって、AIはBIにとって頼りがいのある「AIにいさん」であり続けなければならず、BIツールやダッシュボードの役割がなくなることはありません。

ちなみに、そのようにビジネスアナリティクスをAIで補強することをAugmented Analytics（拡張分析）と呼び、今後さらに普及して行くと予想されています。さすが、AIにいさん！

タグ: AI, BI