About us データのじかんとは?
データベースを活用するには、データベースを効率的に操作するためのソフトウェアである『データベース管理システム(DBMS)』を導入するのが一般的です。よく知られているDBMSとして、MySQL, PostgreSQL, SQLite, Oracle Database, Microsoft SQL Serverなどがあります。
一般的なDBMSは次のような機能を備えており、これらを使用することで、データベースの活用を支援してくれます。
このように、データベースはデータを効率的に管理し、必要な情報を素早く取り出すための重要なツールとして多くの企業、行政などで導入を推進しています。
データベース管理システムの主な役割は「データの蓄積」と「データの活用」です。
またデータベースと連携した分析用ツールを使うと、大量の情報に対して、キーワードやタグを付けるなどして、データの検索・抽出・加工が可能になります。そのため、データを整理して分析が必要な案件であれば、分野を問わず有効な解決策になり得ます。
例えば、大量の顧客データを持つ企業が、マーケティングに利用する場合(データベース・マーケティング)を考えてみましょう。
データベース・マーケティングとは、顧客の年齢や住所、職業、家族構成、年収や性別、学歴や趣味などといった属性情報や購買履歴などをデータベース管理し、特定の属性の人たちが好んで購入する商品やサービスはどのようなものか、という傾向を明らかにし、その傾向に沿った商品やサービスを積極的に提供していくマーケティング手法のことです。また、属性情報によって顧客の切り分けを行うことをターゲットセグメンテーションと言います。そして、言うまでもなく、特定の属性を持つ顧客にダイレクトにアプローチできることは極めて効果的な方法です。
例えば、アマゾンでは購買履歴情報がデータベース化されており、ある商品「A」を購入した人は、別の商品「B」も購入する傾向があることがわかっている場合、積極的に「合わせて買いたい」のセクションに別の商品を露出させたり、「この商品を購入した人はこちらの商品も購入しています」など思わずチェックしたくなるような商品の紹介方法が実装されています。これはまさにデータベース・マーケティングの典型的な例です。アマゾンの成長を支えてきた裏側にはこのような戦略的な提案でありつつ、顧客にとっても有益な情報を提案することで、顧客の気分や印象を悪くしない、というwin-winの構図を実現させる取り組みが数限りなく存在しています。
データベースには用途に応じたさまざまな種類があります。
複数のテーブル間で関連付けを行うデータ管理方式を「リレーショナル・データベース (Relational Database:RDB)」と呼びますが、分析に用いるデータベースはほとんどがこのRDBです。リレーショナル・データベースはイギリスの計算機科学者エドガー・F・コッド氏によって提案されたモデルで、データの関係性によって構造を定義し、関係性を持つ組を「グループ」として扱うことでデータを整理する、という特徴を持ちます。
リレーショナル・データベースの代表的なものにはRDBMSの「MySQL」などがあります。MySQLは個人であれば無償、商用では有償で利用でき、ウェブサーバ用のデータベース管理システムとしてもよく知られています。
大規模なシステムにも対応したマルチユーザー仕様なので、複数のユーザーが同時にアクセスするウェブアプリケーションには最適です。また、JavaScriptやPHPなどのプログラミング言語との親和性が高いため、高度なシステムの構築も比較的容易に実現できます。
情報活用ダッシュボード(BIツール)やデータ分析基盤を導入したデータベースの活用事例を以下に紹介します。
新潟県柏崎市は、行政情報の可視化・オープン化や高度な行政経営の実現を目的に、情報活用ダッシュボード「MotionBoard」を活用し、市の予算・決算、事業の進行・評価・報告までの情報を体系的に結び付けた仕組みを構築しました。このデータを基にした「デジタル予算書」はインターネットでも公開しています。自治体予算書のデジタル化に加えて予算関連データを統合的に紐づけ、かつデータベースとして蓄積するこの仕組みは、自治体における情報活用・公開の先進的な取り組みとして広く注目されています。
全国に約50店舗(内POSレジを導入店舗は約30店舗)を有する店舗事業において売上や在庫などのデータを商品管理に活かすため、1997年、店舗向けにPOSレジを導入。さらに、POSで収集したデータを経営戦略に活用するべくデータウェアハウスを構築し、OLAPツールを導入、運用を開始して一定の効果を上げていました。
しかし、導入後5年余りが経過した頃、次第に社員から「データが表示されない」という不満の声が上がり始めました。その原因は、日々増え続ける膨大な量のデータにありました。書籍や文房具など点数の多い商品を扱う性質上、年間1億件ものデータが蓄積され続けることとなり、その結果、ツールの処理能力が追いつかなくなっていたのです。
そこで、店舗展開のさらなる拡大を想定して、Dr.Sum EA Enterpriseを中心にDr.Sum EAシリーズを本格的に導入。前日売上などの短期的な帳票だけでなく、在庫管理や予算管理などの中期的な帳票も作成・運用することで分析のバリエーションが増え、より多彩なデータ活用が可能になりました。
(データのじかん編集部)
1 2
30秒で理解!インフォグラフィックや動画で解説!フォローして『1日1記事』インプットしよう!