データウェアハウス・ソリューション

今日の複雑な分析ワークロードには、多様なデータ・ソースとデータ・タイプが含まれます。 その範囲は、オンプレミス環境にある構造化トランザクション・データから、モノのインターネット（IoT）センサーやモバイル・デバイスから流入するクラウド内で生成される非構造化データにまで及びます。 最も影響力のある洞察を得るためには、ビジネス・アナリティクス・チームは、このデータをすべて統合する必要があります。 適切なデータウェアハウス・プラットフォームを選択するか、適切なソリューションの組み合わせを選択すると、結果を最適化できます。

クラウド・データウェアハウス
クラウド内で作成されたデータを分析するためには、クラウド・ベースのデータウェアハウスが最適である可能性があります。 データが保管されている場所で分析できるため、結果を迅速に得ることができ、複雑さを軽減できます。 また、クラウド・ソリューションの導入スピード、迅速な拡張、予算編成の柔軟性を利用できるようになります。

オンプレミスのデータウェアハウス

データが既にオンプレミスに存在する場合、または政府の規制によって州や国をまたぐデータの移動が制限される場合は、オンプレミスのデータウェアハウスが最適な選択となり得ます。 ここでも、データの保管場所でデータの分析効率を向上させ、大量のデータを別の環境に移動するコストを回避することができます。 また、分析の待ち時間を最小限に抑えながら、データをしっかりと制御することができます。

統合データウェアハウス・アプライアンス

ハードウェアとソフトウェアを組み合わせた統合アナリティクス・ソリューションは、従来の「ソフトウェア定義」データウェアハウスの運用管理の負担を最小限に抑えながら、高いパフォーマンスを実現できます。 これらのソリューションは、急速に増大するデータ・ボリュームと同様に、さまざまなデータ・ソースとデータ・タイプをサポートします。 最新のデータサイエンス・テクノロジー（機械学習やAIなど）を組み込んで、拡張分析イニシアチブをサポートすることもできます。

ハイブリッド環境

プラットフォームを組み合わせることでメリットを得る企業は少なくありません。 このアプローチを活用するための鍵は、ソリューションに共通基盤となるプラットフォームがあるようにすることです。 それがあれば、共通のSQLエンジン、組み込み分析機能、共通ツール、基礎となるデータ・ソフトウェアを共有することができます。

また、データの収集、編成、分析方法をモダナイズする、IBM Cloud Pak for DataのようなデータとAIの統合プラットフォームも検討の余地があります。 ハイブリッド・マルチクラウド導入環境をサポートするためにRed Hat® OpenShift® のオープンソース・プラットフォームを土台に構築されており、AIを使用してイノベーションを促進する目的で設計されたデータの管理、統合、分析の多数の機能の中にIBM Db2 Warehouseが含まれます。

さまざまなデータ・ストレージ・システムが、保管する必要のあるデータのタイプと量、また、データの使用方法に合わせて調整されます。

データベースは構造化データを格納しますが、格納可能なデータ量には制限があります。 これは主に高速照会やトランザクション処理に使用されます。

また、データウェアハウスにも構造化データが格納されますが、データウェアハウスは、複数のソースから取得した現行データと履歴データの両方をより多く格納することができます。 データは、運用データ分析に使用するために、スキーマに編成されます。

最後に、データレイクは大量の未加工データ（構造化データ、半構造化データ、非構造化データ）格納し、以前はアクセスできなかったデータをより詳細に分析できる可能性を提供しています。 データは、保管されるだけでスキーマに編成されません。 必要になるまで変換は行われません。 データレイクは通常、Apache Hadoopのようなビッグデータ分析プラットフォーム上で構築されます。