Oracle Advanced Analytics 概要

Copyright © 2017 Oracle and/or its affiliates. All rights reserved.
Oracle Advanced Analytics
データベースを用いた高速な機械学習
2017年3月30日更新
日本オラクル株式会社
クラウド・テクノロジー事業統括

以下の事項は、弊社の一般的な製品の方向性に関する概要を説明する
ものです。また、情報提供を唯一の目的とするものであり、いかなる
契約にも組み込むことはできません。以下の事項は、マテリアルや
コード、機能を提供することをコミットメント（確約）するものでは
ないため、購買決定を行う際の判断材料になさらないで下さい。オラ
クル製品に関して記載されている機能の開発、リリースおよび時期に
ついては、弊社の裁量により決定されます。
OracleとJavaは、Oracle Corporation 及びその子会社、関連会社の米国及びその他の国における
登録商標です。文中の社名、商品名等は各社の商標または登録商標である場合があります。
2

Copyright © 2017 Oracle and/or its affiliates. All rights reserved. 3
機械学習と予測分析

従来型 BI から Business Analytics へのシフト
4
V
A
L
U
E
D I F F I C U L T
何が起きたのか？
Descriptive Analytics
どうして起きたのか？
Diagnostic Analytics
何が起きるのか？
Predictive Analytics
どうやって起こせるのか？
Prescriptive Analytics
従来型 BI Business Analytics

分析ツールの種類・技術の例
用途構造化
データ
非構造化データ
テキストなど
帳票 •帳簿や伝票などの定型的な書類の作成、印刷 ○ - - -
レポーティング
•定型レポートの作成、公開(Web等)、配信
•ダッシュボード ○ - - -
分析
•定型分析、非定型分析、アドホック・クエリ
•実績・推移に基づくシミュレーション
（What-If分析）
•事前定義された分析切り口
•人手による分析
○ - - -
探索
•反復的なデータ検索・絞込みによる分析
•新たな分析切り口の発見
•人手による分析
○ ○
統計解析
機械学習
•データから意味のあるパターンやルール、
相関関係を抽出する
•大容量のデータを自動的／半自動的に解析
○ ○
5
帳票ツール
Discovery
ツール
BIツール
(OLAP分析
ツール)
マイニング
ツール
Oracle BI
Enterprise
Edition (BIEE)
Oracle Endeca
Oracle Advanced
Analytics

人工知能における機械学習の役割
6
センサやデータベースなどから、ある程度の数の
サンプルデータ集合を入力して解析を行い、その
データから有用な規則、ルール、知識表現、判断
基準などを抽出し、アルゴリズムを発展させる
特化型 AI 各々のデータ
最近暖かくなりましたね
今年は桜の開花が早いそ
うです。楽しみですね
（人間なのかな…）
会話天気
運転地図
クイズ辞書
https://ja.wikipedia.org/wiki/機械学習

顧客情報から、新規顧客が優良顧客か予測したい！
問題「顧客情報（属性値や、過去の購買履歴など）から、
その新規顧客が今後ある商品Ｘを買う可能性を求めたい」
7
分類モデル
顧客データ
このモデルをどのように
作成するのか？
この顧客は商品Ｘを買う？
（その確率は？）
性別、所在地、他サービス使用状況、
継続期間、前月請求額、前々月支給額、・・・

機械学習によるモデル作成の自動化
8
分類モデル
顧客データ＝学習データ
予測された
優良顧客リスト
性別、所在地、他サービス使用状況、
継続期間、前月請求額、前々月支給額、
…、商品Ｘを買ったかどうか
アルゴリズムを選択
予測モデルを適用
顧客データとアルゴリズム
によって自動生成
アルゴリズム
• 重回帰
• SVM
• 決定木など

自動生成されるモデルのイメージ
9
前月請求額
<5,000円 >=5,000円
女性男性
性別
商品X=No
商品X=No
IF ( 前月請求額 >= 5000
AND 性別 = “女性” )
THEN
商品X = Yes
Prob = 0.77（信頼度）
Support = 0.250（組み合わせの出現率）
ID 性別年齢職業前月請求額商品Ｘ
101 男性 31 会社員 10,000円 No
102 女性 42 主婦 5,000円 Yes
103 女性 36 主婦 200円 No
104 男性 43 会社員 3,000円 No
105 女性 22 会社員 7,000円 Yes
過去顧客データ
ID 性別年齢職業前月請求額商品Ｘ
314 男性 40 会社員 4,000円 No
315 女性 26 会社員 5,500円 Yes
新規顧客データ
商品X=Yes

予測による個別化とデータベース
10
個人
ターゲット
マス（全ての人口）
データの
活用価値
• One-to-one マーケティング
• 個々人やモノに対する適切な犯罪抑止施策
• 過去の病歴や生活習慣に応じた予防医療
• ターゲット・マーケティング
• 対象や地域を選定し、集中した犯罪抑止施策
• 遺伝子情報に応じた薬剤の使い分け
• 電車広告などマス・マーケティング
• 全市民を対象とした防犯への啓蒙活動
• 画一的な医療
• 市場競争優位
• 安全な社会
• 医療費の削減

機械学習の有効性の評価
11
全体の何割にアプローチするか
100%0%
ターゲットへヒットする割合
20%
50%20%
70%
50%
有効性
顧客をランダムで
選択した場合
機械学習を使用して
選択した場合
ROI（投資対効果）
が向上している
100%

ビッグデータ：データを増やして予測精度を上げる
ランダム
100%0%
20の属性からなるモデル
ビッグデータ（例えば数百の属性
からなる入力）で生成されたモデル
• 統計データ
• POSトランザクションデータ
• テキストやコメント
• 位置情報
• 過去データと直近の行動データ
• ウェブログデータ
• センサーデータ etc.
100%
全体の何割にアプローチするか
ターゲット層へヒットする割合
8

データ活用におけるPDCAサイクル（CRISP-DM）
13
ビジネスの
理解
データの
理解
データの
準備
データの
モデリング
評価展開
ビジネス
目的の
決定する
状況を
評価する
分析の
ゴールを
決定する
プロジェクト
計画を
建てる
初期
データを
収集する
データを
記述する
データを
調べる
データの
品質を
検証する
データを
選択する
データを
整理する
データを
構築する
データを
統合する
データを
設定する
モデリング
手法を
選択する
テスト
結果を
生成する
モデルを
構築する
モデルを
評価する
結果を
評価する
プロセスを
審査する
次の
ステップを
決定する
展開を
計画する
運用を
計画する
最終
レポートを
作成する
プロジェクト
を審査する
ビジネスの
理解
データの
理解
データの
準備
評価
展開
データの
モデリング
CRISP-DM (Cross-Industry Standard Process for Data Mining)

ビジネスの
理解
データの
理解
データの
準備
評価
展開
データの
モデリング
データ分析サイクル
の導入と継続運用を
自動化・サポート
データ活用におけるPDCAサイクル（CRISP-DM）
14
CRISP-DM (Cross-Industry Standard Process for Data Mining)

オラクルのデータ分析製品

Oracle Database Enterprise Edition
Advanced Analytics
Oracle Data Mining
• データベース内部でマイニング処理
• 12個のマイニング・アルゴリズム
• 予測分析のためのアプリケーションの開発
• Oracle Data Miner (SQL Developer) を
用いたGUIによる解析ワークフローの構築
• PL/SQL API と Java API の提供
• Exadataのパワーを利用したモデルの生成
Oracle Advanced Analytics オプション
高度な分析プラットフォームをデータベースに内包
Oracle R Enterprise
• オープンソースの統計言語
• 一部の処理をデータベースにオフロード
することで大規模なデータを分析可能
• 広範で高度な統計解析のための関数を提供
• Rの機能をアプリケーションやOBIEEに統合
• 対話的なデータ分析と優れたグラフ描画機能
• オープンソースRパッケージ (CRAN) の利用
16

Oracle のデータ分析機能の歴史
データ分析SQLをデータベースに
17
1998 1999 2002 2005 20082004 2011 2015
• シンキングマシンズ社よ
り“Darwin”データ・マ
イニングソフトウェア
+開発チームを獲得
• データ・マイニングSQL
関数, 7つの新しいアル
ゴリズム, GUIウィザー
ド型GUI Oracle Data
Miner “Classic”を提供
• 3つの新しいアルゴリズム
(EM, PCA, SVD)を追加
• SQLDEV/Oracle Data
Miner 4.0 においてSQLス
クリプト作成機能+SQLク
エリーノード機能、R連係
機能が提供
• OAA/ORE 1.3 + 1.4 ス
ケールする新しいRアルゴ
リズムを提供
• Hadoopと連携するOracle
R Advanced Analytics for
Hadoopを提供
• 二つのアルゴリズム
(NB, AR) をJava
APIとして提供
• 自動データ準備 (ADP),
テキストマイニング機能追加
• SQL Developerプラグイン
Oracle Data Miner 3.2 を提供
• Oracle R Enterpriseによる
Oracle DatabaseとRとの連係
• Oracle Advanced Analytics
(ODM + ORE)に名称変更

BIEE、BICS
Oracle Database Enterprise Edition
Oracle Advanced Analytics の位置づけ
18
Advanced Analytics オプション
SQLによるデータ分析機能と高性能なRの統合
データベース内で拡張可能で分散されたパラレル処理を実行可能
SQL Developer HCM、CRMなどR Client
データ分析担当者 R プログラマーマネージメントエンドユーザー

Advanced Analytics 製品概要
「Data Mining」

Oracle Data Mining
20
• DB内でデータマイニングを実行
– PL/SQL APIとJava API
– 予測分析アプリケーションの開発と運用
• Oracle Data Miner (GUI)
– ウィザードを利用した、ガイド付きの
マイニングツール

Oracle Data Mining アーキテクチャ
21
ODMRSYS
Data Miner
リポジトリ
USERS
機械学習用
テーブル/ビュー
サービス
Data Mining
XML DB
Scheduler
Text
SQL Developer
（Data Miner プラグイン）
SQL, PL/SQL

Oracle Data Miner GUI
• クライアントツールで操作、
処理はデータベースで実行
• GUI でワークフローを設計、
複数のユーザーで共有可能
• SQL による ETL 処理を
ワークフローとして記述可能
• 自動的に入力データを加工
（欠損値補完など）
• 複雑な機械学習のパラメータ
を自動的に調整して実行
分析対象データ
モデル構築
新規データの分析
（モデルの適用）
結果出力

In-Database Data Mining アルゴリズム
23
アルゴリズム応用範囲の例
分類
Logistic Regression (GLM)
Decision Trees
Naïve Bayes
Support Vector Machines (SVM)
ロイヤルカスタマーの予測
稼働会員から外れる会員の予測
優良商品へ成長する製品の予測
インバウンドニーズのある店舗の予測
回帰
Linear Regression (GLM)
Support Vector Machine (SVM)
特定商品の売り上げを予測
特定顧客の消費金額を予測
異常検出 One Class SVM 不正検知や異常値の検出
属性重要度
Minimum Description Length (MDL)
Principal Components Analysis (PCA)
属性の絞り込み、ノイズの低減
相関ルール Apriori バスケット分析 / NBO(Next Best Offer)分析
クラスタリング
Hierarchical k-Means
Hierarchical O-Cluster
Expectation-Maximization Clustering
(EM)
製品のグルーピング/ テキストマイニング
遺伝子-タンパク質分析
特徴抽出
Nonnegative Matrix Factorization (NMF)
Singular Value Decomposition (SVD)
テキスト分析 / 因子分析
A1 A2 A3 A4 A5 A6 A7
F1 F2 F3 F4

Advanced Analytics 製品概要
「R Enterprise」

従来のRの制限
• メモリの制約
• データをメモリ上に展開しての演算処理
• 処理データ量に制限
• 大規模データの扱いには向いていない
• 処理に応じて繰り返されるメモリへのデータロード
• メモリ・リソースが枯渇しやすい
• シングル・スレッド処理
• マルチコア環境で性能のスケーラビリティが低い
25

Oracle R Enterprise
26
• データベースの機能としてRの実行環境を提供
– データフレーム上またはOracle表/View上でRを実行可能
– コマンド、コンソール、ワークスペースはRと同じものを提供
• 企業のデータベースをRで利用
– データベース内のデータに対してダイレクトかつ透過的に処理
– 大規模データセットをRで扱うことが可能
• 高いパフォーマンス
– プログラミングレスで
並列処理をDB内にて実行
R

R の処理を透過的に Oracle Database 内で実行します。
Oracle R Enterprise アーキテクチャ
R言語の処理を透過的にOracle Database内の処理に変換することで、大規模な分析を実現します。
またDB内処理に変換できない部分もDBサーバ上でRプロセスを実行します。
R EngineR Engine
R Engine
Other R packages
Rの処理をDB内の処理に変換・オフロードします。
Oracle R Enterprise packages
接続
結果
DBサーバー内で外部プロセスとしてRを実行することが可能です
Rクライアント
• RスクリプトをOracle Databaseで実行
するようにスクリプトを発行します。
• グラフの描画や処理フローの制御は、
通常のRの機能を利用し、クライアント
側で実行します。
データベース・サーバー上のR実行
• データベースが複数のRのプロセスをデー
タベースサーバー上に外部プロセスとし
て起動しますので、追加機器が不要です。
• SQLやPL/SQLからRのスクリプトを呼び
出し可能です。
分析者
データベース・サーバー
外部
プロセス
Oracle Database内部での実行
• Rの関数をSQLに変換して実行します。
• Oracle Databaseの並列実行の仕組みを
活用し、大量のデータに対応します。
• Oracle Databaseの持つ統計関数、データ
マイニング機能を内部的に活用します。
DB
起動
結果
R Engine
Other R packages

高速化のためにORE透過層を利用した検証事例
• データの加工、モデルの作成、スコアリ
ングなどの処理を透過層にて処理できる
場合は、さらなる高速化が期待できます
• 一例として、新日鉄住金ソリューション
ズ様による検証では、透過層の利用によ
り、OSS Rと比べ処理時間を約40分の1
に短縮可能なことを確認できました
• 参考記事
• 検証結果の特集記事（左の画像）
• 新日鉄住金ソリューションズ様の
プレスリリース
28

ORE を使用する
29
library(ORE)
ORE のライブラリを読み込みます
ore.connect(
user="ore_user", sid="orcl", host="192.168.56.101",
password="oracle", port=1521, all=TRUE)
データベースのユーザーで接続します
ore.ls()
データベース上の表に R プロセスからアクセスできます

どこにあるデータでモデルを生成するか
30
model <- lm(Sepal.Length ~ ., data = iris)
pred <- predict(model, iris, se.fit = TRUE, interval = "prediction")
result <- cbind(iris, pred)
head(result[c(1,6)])
クライアントの R でモデルを生成・適用します
R EngineR Engine
R Engine
Other R packages
接続
結果
分析者
外部
プロセス
DB
起動
結果
R Engine
Other R packages

31
iris_db <- ore.push(iris)
データベースの一時的な表にデータを複製します
model2 <- ore.lm(Sepal.Length ~ ., data = iris_db)
pred <- ore.predict(model2, iris_db, se.fit = TRUE, interval = "prediction")
result <- cbind(iris_db, pred)
データベース上でモデルを生成・適用します
R EngineR Engine
R Engine
Other R packages
接続
結果
分析者
外部
プロセス
DB
起動
結果
R Engine
Other R packages

32
ore.create(iris, table="iris_tab")
データベースに表を作成してデータを複製します
model3 <- ore.lm(Sepal.Length ~ ., data = iris_tab)
pred <- ore.predict(model3, iris_tab, se.fit = TRUE, interval = "prediction")
result <- cbind(iris_tab, pred)
データベース上でモデルを生成・適用します
R EngineR Engine
R Engine
Other R packages
接続
結果
分析者
外部
プロセス
DB
起動
結果
R Engine
Other R packages

In-Database Analytics

データ分析の際のデータの「在り処」
34
データベースなど
データがある場所から、
データをツールのある
場所に移動または複製
して分析を実行
典型的な統計解析ツール in-Database データ分析
データベースや
Hadoopなど
データが存在する場所で
分析を実行

データ分析の導入における課題
35
 データ分析用のハードウェアの導
入やソフトウェアのインストール
の作業
 データベースからデータを出力し、
必要に応じて変換し、データ分析
用ソフトウェアにロードする作業
作業工数
 データ分析用ソフトウェアの選定
と導入
 データ分析用ハードウェアの導入
と、データ量の変化と分析の要件
に応じた拡張
S/WとH/Wのコスト
 データがデータベース外に複製さ
れることによるデータの拡散リス
クの増加
 データを分析するユーザーに対す
るアクセス制御の低下
セキュリティ
インフラ担当者データベース・サーバー分析用サーバー分析担当者
データの拡散リスク
H/WやS/Wの導入
データ加工の手間

in-Database で迅速なデータ分析
36
 データベースにデータが格納され
ている場合、新たなソフトウェア
やハードウェアは不必要
 この場合、データ分析がデータ
ベース・サーバーないで完結する
ためデータの変換や移動も不必要
作業工数
 データベースの Advanced
Analytics オプションが必要
 新たなデータ分析用ハードウェア
の導入は不必要
 データがデータベース外に複製さ
れないため、データの拡散を防止
可能
 データを分析するユーザーに対す
るアクセス制御が可能
セキュリティ
インフラ担当者データベース・サーバー分析担当者
計算リソースの活用
アクセス制御

Cloud でクイック・スタート
37
 OS やデータベースのセットアッ
プなしに環境構築が可能
作業工数
 データベースの Advanced
Analytics オプションは High
Performance インスタンスに
含まれている
 オンプレミスに移行できるハイブ
リッド・クラウド
 データの暗号化も可能
 オンプレミス同様、データを分析
するユーザーに対するアクセス制
御が可能
セキュリティ
インフラ担当者クラウド分析担当者
構築作業削減暗号化

機械学習はシステムに組み込める時代に
従来の分析ソフトウェアでは
• 既存のデータベース・サーバーと別に
分析用サーバーやソフトウェアが必要
• 予測分析の結果が得られても、すぐに
システムに組み込むことができない
データベースの分析機能を使えば
• 既存のデータベース・サーバーを
用いてデータの前処理からモデル生成、
モデルを活用したアプリ開発ができる
• 予測分析の結果をシステムに組み込み
ユーザーのフィードバックを得ることで、
予測精度を向上させるサイクルができる
Yes
68％
アプリケーション
データベース・クラウド
システム担当者
分析担当者
予測モデルの
生成とデプロイ
フィードバック
速いPDCA
サイクル
In-Database

オラクル DB で機械学習を使う３つの理由
1. データの前処理が効率的
• データのエクスポート／インポートが不要
• SQLを使って集計やフィルタリング
2. 非常に高速、高い拡張性
• データベース内で高速にモデル生成
• クラウド環境であれば簡単に拡張できる
3. アプリケーションへの導入が容易
• SQLでモデルによる予測を取得できる
• 予測の正否をフィードバックできる
データの前処理が分析全体
の工数の80%を占めること
もしばしばと言われます
モデル生成に必要なスペッ
クを見積もるのは難しいの
でクラウドが便利です
モデル適用後の予測を表示
したりユーザーの評価を
収集するアプリを作れます

Advanced Analytics 顧客事例
Manufacturing
FinanceProfessional Services
Media, Communication
CPGScience
Health, Public Sector
http://www.oracle.com/technetwork/database/options/advanced-analytics/odm/odm-customers-086483.html
http://www.oracle.com/technetwork/database/database-technologies/r/r-enterprise/overview/index.html
https://www.oracle.com/search/customers?Dy=1&Nty=1&Ntk=S3&Ntt=Advanced+Analytics
公開されている事例でも20社以上、その他多くの企業でデータ分析基盤
として、また、OracleのSaaSアプリケーションでも使用されています。

参考資料
• Oracle Advanced Analytics：まとめページ
• Data Miner チュートリアル
01. Data Miner のセットアップ
02. 分類モデルによる予測
03. 表データの加工とモデル構築
• R Enterprise 使い方ガイド
Oracle R Enterprise のセットアップ
Oracle R Enterprise の使い方
41

Oracle Advanced Analytics 概要

Recommended

More Related Content

What's hot (20)

Similar to Oracle Advanced Analytics 概要 (20)

More from オラクルエンジニア通信 (20)

Oracle Advanced Analytics 概要

Editor's Notes