ウィリアムのいたずらの、まちあるき、たべあるき

ウィリアムのいたずらが、街歩き、食べ物、音楽等の個人的見解を主に書くブログです(たま~にコンピューター関係も)

結局、自分の耳障りのいい顧客の声しか聞かないから、顧客第一主義をとっても、事業は傾く

2013-07-11 18:51:43 | Weblog
この前、AdobeのPDFビジネスのうまさは、「Readerがフリー」の先にある!で書いた「経営戦略論」の授業で、さらに面白い話を聞いてきたのでメモメモ。




■イノベーターのジレンマ

 イノベーションは、価格を下げないで興すのであればうまく行くのだけれど、
 安かろう悪かろうの製品がイノベーションを興されると、困ったことになる。

 以下の図において、


 何もしなければ赤線のコストパフォーマンスを得られるとする。
 出荷量がふえ、時間が経過すれば、改善されて、次第にコストパフォーマンスは上がることを示している。
 ここで、ある時点(青と赤が交わる点)でイノベーションが起こったとする。
 青の線のように、いままでのコストパフォーマンス(赤線)上から、一気に、コストパフォーマンスが改善するのであれば、これは、既存の会社(A社)もやっていける。

 ・・・ところが・・・・

 ここで、B社が、おそろしく低いコストパフォーマンスで商品を出したとする。
 (これが、破壊的イノベーション(ないし分断的イノベーション:Disruptive Innovation))
 もちろん、値段が高くて品質が悪いのなら売れない。
 ここでは、安かろう悪かろうの商品を出したとする。

 A社は、「B社の品質じゃ、話にならない」として、B社を無視する
 A社の顧客も、「B社の品質じゃ、話にならない」として、B社を相手にしない。
 B社は、新規顧客を相手にすることになる。

 しかし、新規顧客を相手にして、どんどん、市場が拡大したとしよう。

 それでも、A社は、自分の耳障りのいい既存のA社の顧客の声しか聞かないから、
 B社とB社の顧客は無視し続ける。

 だが、B社の成長が著しければ、どこかでA社を捕らえ、抜く。
 そうすると、A社は追いつけず、事業撤退へと追いやられる。

結局、A社は自分の耳障りのいい既存顧客の声しか聞かないから、
   A社が顧客第一主義をとっても、新興B社に抜かれ、事業は傾く

これが、クリステンセンの「イノベーターのジレンマ」




■事例

IBMとシーゲイト(Seagate Technology)がそれにあたる

IBMは、汎用機のハードディスクドライブ(HDD)を作っていた。
顧客は汎用機の顧客。

そこにシーゲイトがPC用HDDとして出てきた。
IBMは、汎用機のHDDとPCのHDDは違うとし、またIBMの顧客も、汎用機の顧客なので、
シーゲイトの流れを無視した。

その結果・・・

IBMは2002年、日立にHDD事業を売却、一方シーゲイトはいまだに残っている。


  • X
  • Facebookでシェアする
  • はてなブックマークに追加する
  • LINEでシェアする

「データベース・セキュリティー」を聞いてきた!

2013-07-11 15:28:50 | ネットワーク
おととい、Big Data Technology Forum 2013にいってきた。
で、そこでやっていた、

データベース・セキュリティー
その課題と最新ベストプラクティス
日本IBM 貝嶋氏

を聞いてきたのでメモメモ。




ビッグデータの活用において取り組むべき課題
・増え続けるデータ 88%
・リアルタイム分析 85%
・サイロ化  
・セキュリティー 87%

情報漏えい
 ベライゾンビジネス
  「2012年度版データ漏洩・侵害調査報告書」
 データベースサーバーは、もれたら致命的
 対策は遅れている
    侵害発見方法
        法執行機関、第三者(信販会社など)、顧客、犯人
        →自社で発見できていない

ビッグデータにおけるセキュリティの課題
    すべてのデータに価値がある
        構造化データ
        半構造化データ:XML、センサー
        非構造化データ:動画、テキスト
    非構造化データ:どこに重要データがあるかわからない
    どこもセキュリティ担保
さまざまなデータベースの統合的な管理が必要
    DB2
    PureData For Analytics
    BigInsight(Hadoop)
問題
    監視ログの出力方法は?
    出力されたログをどこに集める?
    レポートフォーマットの統一は?
    パフォーマンスに対する影響は?
→それぞれ個別にセキュリティ対応をするのは難しい
どこで監視するか
    アクセスルート1:Webからのアクセス
    アクセスルート2:受注用アプリからのアクセス
    アクセスルート3:分析アプリからアクセス
    アクセスルート4:ローカルからのアクセス
→DBサーバーで監視が必要
    それぞれのDBで個別に監視する必要がある
ビッグデータによけるデータベースセキュリティ
    IBM Infosphere Guardium
    エージェント
        DBサーバー上のすべてのアクセス経路からの操作
    セキュアで独立した専用サーバー(アプライアンス)
        リアルタイムで解析し、アラート
    マルチプラットフォーム対応
    優れたれポーティング機能
RDBMSにおけるGuardium適用イメージ
    1.DB操作
    StepA:エージェントは、DBアクセス情報をコピー
    STEPB:専用サーバーがチェック・アクション
    2.データの返答
HadoopにおけるGuardium適用イメージ
    エージェント
    専用サーバー
異種データベース環境
    専用サーバー:DBの種類ごと
    統合管理サーバー:1つ
    統合ログシステムなど

  • X
  • Facebookでシェアする
  • はてなブックマークに追加する
  • LINEでシェアする

「データサイエンティスト必見!ここまで来たインデータベース・アナリティクスの衝撃」に行って来た

2013-07-11 10:24:48 | AI・BigData
おととい、Big Data Technology Forum 2013にいってきた。
で、そこでやっていた、

データサイエンティスト必見!
ここまで来たインデータベース・アナリティクスの衝撃
日本IBM小島氏

を聞いてきたのでメモメモ。

Netezzaの話です。





実際に成果を出している使い方

理想のデータ分析環境について
・データはどこにあるのか
  データを生み出すところ
   →基幹システム
      明確な目的、明確な設計
      狂うところはない
        不要な変更しない
分析:データの実験場
    Analytics SandBox
    モデリング
    思考をとめない
        手になじんだツール
    このデータを流したら・・・でなく
        思ったことがやれる

「統合分析環境」としてのPureData For Analytics(Netezza)
・データウェアハウスアプライアンス
        データウェアハウスとしては、当然早い
        Netezzaは、統合プラットフォーム
    ・超並列処理による性能
        SQLでできるのは当たり前
        統計解析をデータベースの中で
    
    ・「真のアプライアンス」
        いちいちIT屋がでてチューニングするのではない

    ・卓越した簡易性
・アーキテクチャ
    非対称型超並列処理(AMPP)
    FPGAが積んである
    スパコンもNetezzaも並列
        スパコンは処理中心
        Netezzaはデータ分析が中心
    FPGAによるストリーミング処理
    製薬会社
        検索1は15000倍以上
        検索2は1900倍以上
    を普通に出す

インデータベース アドバンスド・アナリティクス
    一切の制約がない分析
    それまでの統計処理をNetezzaへ
        欠損値補完
        ロジット
        プロビット
        線形回帰
        時系列
        K-Means
        分割型クラスタリング
        相関
    決定木
        SPSS 16コア 1億5千万件で3時間
        Netezza    20億件で34分

IBM SPSS Modeler
    SPSS:ワークベンチ
【デモ】
    SPSS SQLプッシュバック

モデリングとスコアリング
    モデリング:パターンを見つける
    スコアリング:予測する
データ転送量が違う
    モデリング:
        ランダムサンプリングすることで減らせる
    スコアリング:
        全件行う
全部を1箱でやってしまう

【デモ】
    収入予測-23秒(SPSSだと5時間)
    ちなみに、地球の総人口分やっても50分

位置情報
【デモ】
    動的商圏分析
    Netezzaで分析、GoogleMapに表示
        →BI的におもしろいけど
    インデータアナリティクス
        (ごめん、よくわからなかった・・・)

おわりに
    大量データは当然
    それでもデータの重さを意識しない
    それでも人間の思考をとめない

  • X
  • Facebookでシェアする
  • はてなブックマークに追加する
  • LINEでシェアする