Clouderaが

ユースケース
小売 CPG 分野
インテルが実現するビッグデータ活用例：販売 / マーケティング予測分析
インテルと Cloudera が、
企業の予測分析能力の向上と
売上増加を支援
予測分析の精度が向上すると、企業は各地域の店舗に商品を正確に割り振ることができるため、在庫
を減らすと同時にホリデーシーズンの売上増を実現できます。
ある世界的な大手菓子メーカーでは、消費者
の購買行動を正確に予測したことで、イース
ター・ホリデー・シーズンの店舗売上が前年
比で 15% 増加しました。また、この企業では、
Cloudera* 上にデータストアを構築し、SAP や
Cognilytics などのパートナー提供の予測分
析ツールを使用したことで、同期間中の在庫が
15 ～ 40% 減り、在庫回転率が 3.5 倍向上しま
した。
結果
• 2014 年のイースター期間中の店舗売上が
前年比で 15% 増加しました。
インテルと Cloudera を選ぶ理由
インテルとCloudera は、
Apache* Hadoop*
から推測に基づく作業を排除します。独
自のコラボレーション・アプローチにより、
オープン・スタンダードに基づいて優れた
パフォーマンス、セキュリティー、品質の高
い配信を実現します。エコシステム内のさ
まざまなベンダーと連携したことで、CDH
上に構築されたソリューションさえあれば、
特定のベンダーに縛られることがなくな
り、現在および将来的なビジネスニーズに
応える堅牢なビッグデータ・ソリューション
の構築が可能になります。
• ソフトウェアとハードウェアの製品ロー
ドマップを独自に調整し、イノベーション
を加速することで、Hadoop* を利用した
業界初の機能を多数提供
• データセンターのほぼすべてのプロバイ
ダーと親密なパートナーシップを結ぶこ
とで、ビッグデータ・ソリューション構築
のためのプロセスを合理化
• 業 界 標 準の動きを長 年 にわたり見 定
めてきた実績により、非標準のソリュー
ションを導入してしまうリスクを回避
• 在庫が 15 ～ 40% 減り、在庫回転率が 3.5
倍向上しました。
• 販売チームとマーケティング・チームはセキュ
アな社内履歴データを使用して、費用対効果
の高い地域別の E2E キャンペーンを計画で
きるようになりました。
• 意志決定者とライン・マネージャーはリアル
タイムでインサイトを得て、刻々と変化する消
費トレンドに迅速に対応できるようになりま
した。
• Cloudera* Enterprise 環境と SAP* Business
Warehouse（SAP* BW）環 境の間でワーク
ロードのバランスを取ることで、
ソフトウェア・
ライセンスのコストを 300 万ドル以上節約で
きました。
ビジネスの原動力
世界中の菓子製造業界全体の年間総売上は
約 2,000 億ドル。北米の売上はそのうちの 18%
（約 360 億ドル）を占めています。1 チョコレー
トや菓子類のシーズン売上は米国内の年間総
売上の約 1/4 になるため 2、小売業界ではイー
スター、
ハロウィーン、クリスマス、バレンタイン・
デーなどのホリデーシーズンを 3、売上増加の
重要な機会と捉えています。
ソーシャルメディアやデジタル経済が勢いを増
していることから、同社のビジネスリーダーと
ライン・マネージャーは、変化する消費トレンド
に迅速に対応する必要に迫られました。イース
ターのシーズンが近づくころ、同社は各店舗で
のさまざまな商品について、在庫、売上、マーケ
ティングの目標を立てることにしました。
同社の販売チームとマーケティング・チームは、
次の点について考慮しました。
• 店舗レベルでの商品の適切な在庫レベルを
どのように予測するか
• それぞれの店舗でどのような包装を使用す
るか
• どの市場でアップセルを見込めるか
1. First Research、
「Candy Manufacturing Industry
Profile」
、2015 年 4 月。
http://www.firstresearch.com/IndustryResearch/Candy-Manufacturing.html（英語）
2. Packaged Facts、
「Chocolate in the US」
、
2010 年 9 月。
http://www.candyindustry.com/articles/83201-uschocolate-sales-up-volume-down/（英語）
3. The Gale Group、
「Encyclopedia of American
Industries: Candy, Nut, and Confectionery Stores」
http://business.highbeam.com/industry-reports/
retail/candynut-confectionery-stores/（英語）
インテルと Cloudera が、企業の予測分析能力の向上と売上増加を支援
このような主要なホリデーシーズンの売上を正
確に予測できれば、適切な店舗にさまざまな
商品を適切な数量だけ割り振ることが可能に
なります。これにより、店舗レベルの在庫が最
適化されるだけでなく、収益の増加にもつなが
ります。在庫を適切に管理できれば、値下げや
店舗間での商品移動を減らして全体的なコス
トを削減することもできます。
ソリューションの詳細
この企 業では、Cloudera* Enterprise を導
入し、SAP* Business Warehouse（ SAP*
BW）を含む既存のツールやプラットフォームと
統合しました。俊敏性とコストの点から、同社
はこのソリューションを Virtustream 提供のク
ラウド・インフラストラクチャー上でホスティン
グすることにしました。
異種システム間に点在する従来のデータを抽
出 / ロード / 変換（ETL）する処理には多大な
演算能力を要するため、同社では分析のワー
クロードを ETL 処理から切り離すアーキテク
チャーを求めていました。そこで、必要な並列
処理を最適化できるように、Cloudera* 上で
ETL を実行するシステムを設計して、SAP* BW
は分析ワークロードに使用することにしました。
モデル化と分析を行うため、SAP Lumira* と
Cognilytics の予測分析は引き続き SAP* BW
上で実行することにしました。データの収集
と取り込 みでは、SAP HANA* Smart Data
Access（SDA）機能を使用して、Cloudera* か
らの履歴データが地域ごとの各店舗の週間売
上データにリンクされるようになりました。
これら 2 つの環境の緊密な統合により、ビジネ
スリーダーやライン・マネージャーは SAP と
Cognilytics のビジネス・インテリジェンス・
ツールから最新のレポートや情報を受け取り、
各種の対話型ダッシュボードを通して消費ト
レンドの変化に対応することが可能になりま
した。図 1 は、同社が使用しているダッシュボー
ドの 1 つのサンプル画面を示しています。この
図は、イースター時期にかけての州ごとの売上
を視覚的に表したものです。
州別の過去 3 週を含む平日売上増加額合計（1,000 ドル単位）
4,284.00
1,034.00
4.5
17.00
4
州
3.5
過去 3 週を含む
3
2.5
2
1.5
1
0.5
0
-0.3
-0.2
-0.1
0
0.1
0.2
0.3
平日売上増加額
0.4
0.5
0.6
0.7
0.8
AK
AL
AR
AZ
CA
CO
CT
DC
DE
FL
GA
HI
IA
ID
IL
IN
KS
KY
LA
MA
MD
ME
MI
MN
MO
MS
図 1. イースター時期の売上予測。データ分析ツールにより、イースター時期の菓子類の購買に関する既知 / 未知の消費トレンドが州別に表示されます。
2
MT
NC
ND
NE
NH
NJ
NM
NV
NY
OH
OK
OR
PA
RI
SC
SD
TN
TX
UT
VT
VA
WA
WI
WV
WY
インテルと Cloudera が、企業の予測分析能力の向上と売上増加を支援
Cloudera* Enterprise
この大手菓子メーカーが Cloudera を選択し
た理由は次のとおりです。
• ワークロードの多様性
• ボリューム、拡張性、コスト
• 処理能力
• エンタープライズ規模の機能と管理性
• セキュリティーと保護
同社は、社内で実行する各種アプリケーション
をサポートできる、Hadoop* のような堅牢な
プラットフォームを求めていました。例えば、根
本原因分析と反復型の「早期失敗」プロセスを
サポートする対話型ダッシュボードには、同社
の SAP HANA* 環境内のデータにリンクされ
た履歴データ項目を対象としたクエリーを低
レイテンシーで実行できるプラットフォームが
必要です。さらに、同社のアプリケーションとマ
シン・ラーニング・アルゴリズム（MapReduce
など）の多くは、履歴データに対してバッチモー
ドで実行されますが、Hadoop* は、バッチ処理
や並列処理など、多様なワークロードをサポー
トしています。Hadoop* は、形式を問わずデー
タを取り込むことができ、ダウンストリームの
データをより高度な形式（Parquet やイベント
Hbase* テーブルなど）に変換して最適化を行
うことができます。
この 菓 子メーカー は、各 店 舗 から Point of
Sales（PoS）取引による週間売上情報を収集し
ています。同社のライン・マネージャーは、この
データを変換してから予測分析に使用しなけ
ればなりません。そのため、現在のデータと履
歴データの両方に対して ETL 処理を素早く実
行できる、Hadoop* のようなプラットフォーム
を必要としていました。
る増加に対応できる低コストのソリューション
を必要としていました。従来のデータ・ウェア
ハウス・ソリューションに比べて、Hadoop* で
の履歴データの格納と処理は非常にコスト効
率が高くなっています。
同社が Cloudera の採用を決めたその他の要
因として、セキュリティーとデータ保護も挙げら
れます。Cloudera* に備わっている暗号化、セ
キュアアクセス、スナップショット、バックアップ、
監査、リネージなどの機能により、顧客情報を
保護するためのバックアップ / 災害復旧（BDR）
や規制遵守が実現されます。
Cloudera の包括的なセキュリティー・パッケー
ジには、完全なガバナンス（データ保護、統合
認証、承認、保存時および移動時のデータ保護、
鍵管理、SNMP のサポート、AD/Kerberos の
統合、クオータ管理、自動バックアップ / 災害復
旧（BDR）
、監査、リネージ、ローリング・アップ
デート）が含まれています。IT 部門ではこれら
の機能を利用して、データの追跡やユーザー対
話の管理を行い、確実にデータを保護すること
ができます。
まとめ
店舗レベルの地域売上データ
（商品別、店舗別
の週間売上データにリンクされている）の履歴
分析を行うことで、将来の販売予測の精度は高
まります。第 1 四半期の前にこのビッグデータ・
アーキテクチャーを導入したこの菓子メーカー
は、過去 2 年のイースター時期の売上データを
使用して、2014 年のイースター時期の市場ニー
ズを予測することができました。さらに、PoS 端
末から現在の売上データを履歴分析に追加し
たことよって、消費トレンドの変化を見極めて、
最終的にイースター時期の売上増加につなげ
ることが可能になりました。
Cloudera について
Cloudera は、Apache* Hadoop* 上
のエンタープライズ・データ・ハブで
ある、ビッグデータ向け統合プラット
フォームで、エンタープライズ・データ・
マネジメントの変革を続けています。
Cloudera は、すべてのデータを 1 カ所
に安全に保存、処理、分析することで、
既存の投資に対する価値を高めると
同時に、全く新しい方法でデータから
価値を引き出すための手段を提供し
ます。
Cloudera のオープンソース・ビッグ
データ・プラットフォームは世界で最
も採用されており、オープンソースの
Hadoop* エコシステムの普及に最も
貢献しています。また、Hadoop* プロ
フェッショナルの 有 数 の 育 成 機 関と
して、全世界で 40,000 名以上の人々
を教育してきました。さらに、1,900 社
以上のパートナーと経験豊かなプロ
フェッショナル・サービス・チームが高
い時間価値を提供します。エンタープ
ライズ・データ・ハブを安心して実行で
きる予防的かつ予測的なサポートを提
供できるのは、Cloudera だけです。あ
らゆる業界の先端企業や世界中の公
的機関で、Cloudera はその実務に活
用されています。
詳細については、
http://www.cloudera.co.jp/
を参照してください。
あなたのビジネスも私たちがお手伝いします。
Hadoop* プラットフォームのもう 1 つの魅力
的な特長が、Hadoop* ならではの拡張性です。
例えば、ワークロードや顧客数が増加した場合
でも、簡単かつコスト効率よくHadoop* クラス
ターにノードを追加することができます。同社
の商品ポートフォリオは非常に規模が大きいた
め、各商品の売上を予測するには大量のデー
タが必要となります。地域の追加とともに履歴
データのサイズも増えるため、同社は予想され
3
ニーズに対応
お問い合わせ
お客様に直接お会いし、要件を整理して、目標の達成を支援します。
• 迅速な価値の創出：リアルタイムでのコスト削減、市場トレンドへの対応、イノベーションの推進を
実現します。
営業担当者にお問い合わせいただくか、
[email protected]
までメールでご連絡ください。
• ビッグデータの保護：持続的なビッグデータ・プログラムを導入して組織のリスクを回避します。
• 管理の維持：パートナーと協力し、チームを教育して自立性を高めます。
• ビジネスチャンスの拡大：現在、そして今後の適応を支援する計画を作成、実行します。
Hadoop* サイジングガイド
小型
CPU
ストレージ（TB）
マスター
ノード数
スレーブ
メモリー（GB）
ネットワーク
マスター
スレーブ
クラスターサイズ
中型
大型
72 TB 未満
72 TB ～ 570 TB
570 TB 超
12 未満
12 ～ 95
96 以上
64 GB
128 GB
48 GB
96 GB
128 GB 以上
1 Gbps
10 Gbps
10 Gbps
インテル® Xeon® プロセッサー E5 v3 ファミリー
2～3
4～7
8 以上
256 GB 以上
ハードウェア構成はワークロードによって大きく異なります。高密度ストレージクラスターは、4 TB JBOD ハード
ディスク・ドライブで構成できますが、演算処理が集中するクラスターでは、メモリー容量の多い構成が必要になる
場合があります。
本資料で引用されている結果は、インテルおよびインテルの顧客が行った調査とテストに基づくもので、情報提供のみを目的としています。
インテル ® テクノロジーの機能と利点はシステム構成によって異なり、対応するハードウェアやソフトウェア、またはサービスの有効化が必要となる場合があります。実際の性能はシステム構成によって異
なります。絶対的なセキュリティーを提供できるコンピューター・システムはありません。詳細については、各システムメーカーまたは販売店にお問い合わせいただくか、http://www.intel.co.jp/ を参照し
てください。
本書で紹介されている注文番号付きのドキュメントや、インテルのその他の資料を入手するには、1-800-548-4725（アメリカ合衆国）までご連絡いただくか、http://www.intel.com/design/literature.
htm（英語）を参照してください。
Intel、インテル、Intel ロゴ、Xeon は、アメリカ合衆国および / またはその他の国における Intel Corporation またはその子会社の商標です。
* その他の社名、製品名などは、一般に各社の表示、商標または登録商標です。
インテル株式会社
〒 100-0005 東京都千代田区丸の内 3-1-1
http://www.intel.co.jp/
©2016 Intel Corporation. 無断での引用、転載を禁じます。
2016 年 9 月
332527-003JA
JPN/1609/PDF/SE/MKTG/TT