ロジカルデータウェアハウス（LDW）とは、従来のデータウェアハウスのよりも上に（ユーザー側に）配置され、多種多様なデータソースへのアクセスを可能にしながら、ユーザーには1つの「論理的な」データウェアハウスとして見えるようにするアーキテクチャです。本質的には、従来のデータソース（データベース、データウェアハウス、データレイク等）とその他のデータソース（アプリケーション、ビッグデータファイル、ウェブサービス、クラウド）を、あらゆる分析のユースケースに最適に対応させるための分析データアーキテクチャです。この用語は2009年に作られたもので、データの複雑さが多くの企業で問題になっていることから、市場での牽引力を増し続けています。
ロジカルデータウェアハウスは、増大する企業のデータ管理ニーズに対応できる次世代のデータウェアハウスと呼ばれています。企業全体の多種多用な基幹システムやデータソースを組み合わせて、ロジカルデータウェアハウスのコンポーネントを物理的にではなく論理的に一つの場所にまとめることができます。最新のロジカルデータウェアハウスは、今日の様々なデータソース、データプラットフォーム、ビジネスユースケースをサポートするために進化しています。ロジカルデータウェアハウスは、企業のデジタルトランスフォーメーションを推進し、リアルタイムのストリーミング分析を可能にし、よりスマートでデータドリブンな意思決定による業務の最適化を支援します。
ロジカルデータウェアハウスのアプローチにより、企業はデータウェアハウス、データマート、サンドボックス、データレイクなどの物理的なアプローチへの既存投資を活用しながら、進化するデータ要件を満たすことができます。複数のコンポーネントに対応するアプローチであるロジカルデータウェアハウスによって、企業は様々な分析要件すべてを満たすことが可能になります。これらの異なるコンポーネント（データウェアハウス、データレイク、データマートなど）は、相互に排他的なものではなく、実際には戦略的なデータ管理アプローチにおいて互いに補完し合うことができるということに注意することが重要です。例えば、データウェアハウス(DWH)は無くなったわけではありません。DWHの機能は従来からビジネスデータの管理において便利ですが、現在はより包括的なロジカルデータウェアハウスアーキテクチャの一部になっています。
ロジカルデータウェアハウスは、組織のアナリティクス戦略が、新しいデータの需要に対応し、アジャイルで柔軟であることを保証します。これにより、将来市場がどのように変化しても、チームが1つのテクノロジーやアプローチに固定されることはありません。これは、先に述べたさまざまなコンポーネントの相補的な設計に戻ります。企業は要件を満たすために、異なるデータ管理タスクにおいてどのコンポーネントを使用するかを決定することができます。ビジネスが成長し、新しいデータが生成されると、データ仮想化レイヤは既存のプロセスを途絶えさせることなく、これらの新しいデータソースを取り込むことができます。
ロジカルデータウェアハウスは、企業が多様なデータ型、テクノロジー、ユーザー、ユースケースのすべてに対して共通の分析データ管理アーキテクチャを展開することで、データアプローチと分析アーキテクチャをモダナイズします。ロジカルデータウェアハウスは、企業が様々なデータソースにまたがる全てのデータを取り込むことで、ビジネスに関する問いに答え、過去のパフォーマンスを分析し、将来の成果を予測することを可能にします。また、ロジカルデータウェアハウスは、ビジネスの成長に合わせてデータ管理戦略を拡張し、現在のデータから始めて、優先順位の変化に応じて簡単に設計の追加/変更ができます。このようなダイナミックなアプローチが、最新のデータ管理ソリューションの鍵となるのです。
ロジカルデータウェアハウスのアプロ―チはデータを見つけやすく、理解しやすくすることで、さまざまなスキルレベルのユーザーを支援することができます。
ロジカルデータウェアハウスは、ストリーミングデータソースを含むすべてのデータソースを1つの包括的な「論理的な」ソースに統合することで、すべてのユーザーの生産性を向上させることができます。これにより、組織全体でデータへのアクセスを共有することができ、異なるビジネスチームが独自の分析を行うことができます。その結果、企業は、すべての部門やチームのデータを一貫して理解した上で、より良い意思決定を行うことができます。
活用できるデータの種類がますます多様化する中で、ロジカルデータウェアハウスは誕生以来、さらに必要性を増しています。ロジカルデータウェアハウスは、過去データを含む組織のすべてのデータを収集/統合し、単体のシステムだけでは実行できない統合データ分析を実行するためのテクノロジーやツールを提供します。またロジカルデータウェアハウスは、さまざまなデータの利用者に、信頼性のある再利用可能なデータサービスを提供します。このように組織のデータアクセスを民主化することで、ビジネスで利用されるデータの一貫性と正確性を確保しながら、セルフサービスの分析を可能にします。
2009年の誕生以降、ロジカルデータウェアハウスは進化してきました。基本的な利用目的は変わっていませんが、主要な特徴は成長し、企業の要件に適応してきました。最新のロジカルデータウェアハウスは、通常、以下のような特徴を持っています。
ほとんどのビジネスや業界において、すべてのデータを繋げ、より良い分析や意思決定のために組織全体がアクセスできるようにすることによって成果を得られるでしょう。
以下は、ロジカルデータウェハウスが適用されるユースケースのほんの一例です。
今日のデータはますます多種・多量・複雑化しており、またクラウド化によってさまざまな場所に分散しています。
一方、データドリブン経営では必要なデータの要求が絶えず変化します。
このような状況の中でデータアーキテクチャに最も必要とされるのは変化に対応するスピードであり、時にビジネスの成否を左右することもあります。
こうしたデータドリブンな企業のトレンドとして注目されているのがデータファブリックです。
本資料ではTIBCOが定義するデータファブリックについて詳しく解説します。
ビジネス要件は刻々と変化し、データがオンプレミス、クラウド、ビッグデータストア、IoT と広範な環境に分散しています。従来の手法である、データウェアハウスとETL を使った物理的なデータ統合は、時間・コスト・柔軟性の制約が大きく、ダイナミックなビジネスニーズに応えられないためです。
この課題を解決する方法が「データ仮想化」です。
「TIBCO Data Virtualization」は、かつてないスピードとコストでのデータ統合を実現します。本資料ではTIBCO Data Virtualizationのバリューについて解説します。
リサーチ&アドバイザリ企業であるGartner, Inc.とForresterは、データ仮想化の導入および導入範囲の拡大が共に進んでいくことを予測しています。その背景として、企業が複数の情報システムに分散していたデータを利活用していこうとする動きが活発化していることがあげられます。本資料ではデータ仮想化を業務に活用する13のユースケースについて解説します。
世界中のあらゆるメーカーがデータの重要性を理解しています。一方で適切なデータを適切なタイミングで適切なユーザーに届けることは今日のメーカーにとって最も大きな課題の一つとなっています。1980年代にジャストインタイム方式が製造業のオペレーションにイノベーションをもたらしたように、データ仮想化は製造業が抱えるデータに関する課題を克服する方法においてイノベーションをもたらします。
本資料ではデータ仮想化は製造業におけるデータ仮想化の効果と6つの事例について解説します。
データサイエンスとアナリティクスは、取り扱うデータは爆発的に増大／分散／多様化することで、これまで以上にデータを分析・活用することが難しくなっています。本資料ではデータサイエンスと分析データの要件について概説し、データ仮想化がこれらの課題をどのように克服するのか、事例を交えながら解説します。
データ仮想化は、企業の分析データのボトルネックを軽減し、より多くのインサイトとより優れたビジネス成果を獲得するために使用されるミドルウェアです。機能的に説明すると、データ仮想化は仮想データセットとデータサービスの構築／実行／管理を行います。本資料ではデータ仮想化の導入を検討している方やデータ仮想化に関心のある方向けにデータ仮想化を開始する際に知っておくべき10の事項をまとめています。
近年、データ分析のニーズが高まるとともに、必要なデータインフラも高度化してきました。データウェアハウスやデータマート、サンドボックス、データレイクなどの技術が登場し、オンプレミスでもクラウドでも、または両方をまたいで利用されています。現在の問題は、それらの高度化がかえってデータのサイロ化を引き起こし、分析のインサイトを得ることが困難になってしまっていることです。
本資料では、この問題への現実的なアプローチ「論理データウェアハウス」について解説します。
適切なデータガバナンスを実現するためには、データが正確で整合性があり、必要なデータが必要な人に届けられる状態である必要があります。データガバナンスは組織全体に大きなメリットをもたらし、組織にとって必要不可欠な存在です。しかし、一方で従来のデータ連携方法が適切なデータガバナンスの実現をより困難にしています。
この資料では、従来のデータ連携方法が陥るデータガバナンスの問題と、データ仮想化がそれらの問題をどのように解決するかについて解説します。
データは組織において、人に次ぐ2番目に重要な資産です。データから価値を最大限引き出すためには、従来のデータマネジメントを見直し、データガバナンスを強く意識する必要があります。
本資料では、アメリカ合衆国の連邦政府機関およびFDS（Federal Data Strategy：連邦データ戦略）をテーマに、彼らが市民の体験を向上させ運営を最適化するという目標達成にあたり直面している課題と、TIBCOのデータマネジメント製品ポートフォリオ「Unify」がもたらす各種メリットについて解説します。
データ仮想化はあらゆるデータソースを単一のビューとして仮想統合し、データの検索や利用をシンプル化することができます。
そして、データ仮想化のさらなる活用領域として着目されているのが「ストリーミングデータ」です。TIBCOは最新のストリーミング分析基盤とデータ仮想化ソリューションを連携することで静的なデータとリアルタイムデータの両方を仮想統合させることを可能にしました。TIBCOではこの組み合わせを「ストリーミングデータの仮想化」と呼んでいます。本資料ではストリーミングデータの仮想化について詳しく解説します。
アナリティクスは、さまざまな業界の企業に多大なビジネス機会をもたらします。アナリティクスは、より良いビジネス成果をサポートするインサイトを提供します。企業によっては、アナリティクスは最もセンシティブな資産であり、競争上の差別化要因を生み出す情報を意味します。
適切なセキュリティを確保しなければ、こられの情報は簡単に漏洩してしまいます。このホワイトペーパーでは、データ仮想化（Data virtualization）がどのようにしてアナリティクスのセキュリティレイヤーとして機能するかについて解説します。
