クラウド / Watson / Big data その先にあるものは？ ⽇本アイ・ビー・エム株式会社 ソフトウェア事業 エバンジェリスト

渋⾕テクニカルナイト 2011
【ザ・クラウド編】 総括！
クラウド / Watson / Big data
その先にあるものは？
⽇本アイ・ビー・エム株式会社
ソフトウェア事業 エバンジェリスト
⽶持 幸寿
1
今⽇のお題
• クラウド・コンピューティング
• Watson = NLP + Big data
• これ以降の聴き所
2
よりスマートなコンピューティング
「Big data」を分析する「オプティマイズド・システ
ム」が、「クラウドで運⽤」される
Big Data: Designed for data
利用可能なすべてのデータ活用し、
的確な判断に結びつける洞察を導き出す
ことにおける障壁を取り除く
Optimized Systems: Tuned to the task
すべてのワークロードにおけるより良い
パフォーマンスと効率化を進めることにより、
金銭的な障壁を取り除く
Cloud: Managed through the cloud
迅速な新サービスを導入し、変革をもたらす
ビジネス・プロセスの考案における障壁を取り除く
フラットな予算で、より多くのことをしなければならない！
3
4
Pressures like workforce mobility and
ワークロードを流動的にし⽣産性を向上しよう
という、危機感から⽣まれる
increasing productivity are placing greater
ITシステムに対する⼤きな要求
demands on IT systems.
Increased expectations
of customers demand
increased self-service
capabilities.
Increased demands
growth in digital data
from 2007 to 2011.
Increased competition
of the world’s largest
companies in 2000 remain
on that list today.
54%
of surveyed enterprise
IT budgets in 2010
were spent on
ongoing operations
and maintenance
costs.*
*Source: Forrester Research, Inc. "2011 IT
Budget Planning Guide," October 7, 2010
by Craig Symons
5
© 2011 IBM Corporation
As
a result, cloud is an increasingly attractive means
結局、ITサービスを作り、提供していく過程において
of
creating and delivering IT services.
どんどん魅力的になっている。
Value delivered
From traditional
To cloud
Change management
Months
Days or hours
Test provisioning
Weeks
20 minutes
Install database
1 day
12 minutes
Install of operating system
1 day
30–60 minutes
Provisioning environment
▄
51% cost savings
Design and deploy business applications
Months
Days/Weeks
“Our commitment to informed decision making led us to consider private cloud
delivery of Cognos via System z, which is the enabling foundation that makes
possible +$20M savings over 5 years.”
– IBM Office of the CIO
6
Businesses
are choosing a variety of cloud models to meet
企業は個々のニーズや優先度に応じて、異なったクラウドモ
their
unique needs and priorities.
デルを選択している
Public cloud
Private cloud
Available to the general public or a large
industry group and owned by an
organization selling cloud services.
On or off premises cloud infrastructure
operated solely for an organization and
managed by the organization or a third party
Hybrid IT
Traditional IT and clouds (public and/or private) that
remain separate but are bound together by technology
that enables data and application portability
Traditional IT
Appliances, pre-integrated systems and
standard hardware, software and networking.
7
オンプレミスとオフプレミスの（別の）例
マイ・カー
家呑み
家食
持ち家 vs.
所有
vs.
レンタカー
vs.
持ち寄り
vs.
パーティー
賃貸住宅
vs.
レンタル
vs.
シェアードカー
vs.
外呑み
vs.
外食
ホテル
⼀時利⽤
経済性
便利
利便性
短期間
8
IBM CloudBurst
クラウド専⽤のインフラストラクチャー
„クラウドを実現する機能を
Bladeサーバー
ストレージ
ネットワーク
仮想化機能
クラウド管理
ソフトウェア
オールインワンで提供する製品
„社内外における豊富なクラウド構
築・導⼊実績に基づく製品実装
„クイックにクラウドを開始可能
„標準化されたクラウドのサービス
提供のためのカタログ機能
„クラウドを⾃動化するツールの搭載
„クラウドを⾃動化するツールの搭載
クイック・スタート
・サービス
9
IBM Smart Business Cloud - Enterprise
変化の激しいビジネス・ニーズに機敏に対応し、IT資源を迅速かつ柔軟に、
最適なコストで提供することのできる、クラウドサービスです
インターネット
お客様（管理者）
3 ステップで簡単に、
新しい仮想サーバーを立ち上げ。
サーバー
の選択
スペック
決定
起動完了！
お客様専用の
仮想システム環境
お客様専用の
仮想環境を割り当て
ＩＢＭクラウド・データセンター（日本を含む世界５か所*1）
*1 2011年4月8日現在
10
東京工科大学様 H-Lcloud
インターネット
学生
通常時（固定費が安い）
授業日（一時利用が安い）
自動スケール
11
IBM Image Construction and Composition Tool
VMイメージの構築と組み⽴てツール
お客様（管理者）
インターネット
お客様専用の
仮想システム環境
VMImage
お客様専用の
仮想環境を割り当て
http://alphaworks.ibm.com/tech/iicct
*1 2011年4月8日現在
12
IBM Workload Deployer（IWD）
• IaaSレベルのプライベート・クラウドに、”Workload”をデプロイ
/運用管理することでPaaSを実現するアプライアンス製品
–必要なコンポーネント（MWではない）と要件（Policy）を定義すると、そ
れに対応する”Workload”をパターンとして生成し（PaaSにおけるアプリ
ケーション・プラットフォームに対応）、VMware ESX環境にデプロイす
る
デプロイ+運用管理
アプリケーション
プラットフォーム
IBM Workload Deployer
VMware ESX環境
13
Watson = NLP + Big data
14
米国人気クイズ番組 『 Jeopardy! 』 への挑戦には
自然言語の複雑かつ高度な分析を必要とする
歴代出場者で
最も好成績をおさめた
チャンピオン、
ジェニングス氏(左）と
ラター氏(右)、中央は
Ｗａｔｓｏｎのアバター
幅広いカテゴリーより自然言語で出題される質問
質問を瞬時に理解し解答するスピード
POWER750×90台（2880コア＋ 15テラバイトメモリー）
11520スレッドが実行 （80兆命令／秒）
15
自然言語処理
NLP（Natural Language Processing）
•
私は京都から東京都内のマンションに引っ越します。
•
私/は/京都/から/東京都/内/の/マンション/に/引っ越す/ます。
名詞
接続詞
動詞
言語同定 → 形態素解析 → 品詞同定 → 係り受け解析 → 正規化
16
UIMA
（Unstructured Information Management Architecture）
•
非構造化データを処理するための実行フレームワーク
– CAS
– アノテーター
http://uima.apache.org/
17
IBM Content Analytics 概観
検索フィールド
操作ボタン
ファセットツリー
分析ビュー
18
IBM Content Analytics の５つの分析機能
Content Analytics は、以下の５つの分析機能を提供します。
１．ファセット分析
特
４．トレンド分析
許
３．偏差分析
２．時系列分析
５．ファセット･ペア分析
頻度
特許
時間
19
LanguageWare
• 80% of the digital data growth is
expected to be in unstructured data
• ⾃然⾔語テキストを処理するための
ソフトウェア
• ノンプログラミングで索引付けを調整
–
–
–
–
⼈の名前
住所
製品名
電⼦メールアドレス
• ICA を購⼊すると、インターネットか
らダウンロードして利⽤可能
20
ウソ、デタラメ、デマ、噂、風評
• 地震発生直後
– 「サーバー倒れて動けない、助けて！」
• 原発関連・・・
–
–
–
–
–
–
–
–
うがい薬を飲むとよいらしい（安定ヨウ素）
塩があぶない（中国）→砂糖まで買い占め
「ミネラルウォーターでミルク」はダメ
水道水は沸騰させれば・・・
放射性物質を排出できるアロマ
核爆発のシナリオ
漁には出たが水揚げできず
「20年は住めない」と菅さんが言った？
• 急に大量に必要になることも
–
–
–
–
ペットボトル水
水道フィルター
懐中電灯
太陽電池パネル
思い込みによる買い占め
⽶、パン、⼩⻨粉、
卵、⽜乳、ティッシュ、
トイレット・ペーパー、
ガソリン
ヨーグルト、納⾖、ベニヤ などは
本当に⼊⼿困難に
21
ソーシャル・メディア分析
マーケットの声
ム
ー
レ
ク
IBM Content Analytics
分析
収集
ソーシャル
メディア
⼝コミ
⾵評
⾃然⾔語解析
整理
InfoSphere BigInsights
＝
＋
統計分析
テキスト・マイニング
解析
22
ソーシャル分析における辞書作成の難しさ
• キターッ アゲ サゲ ↑ ↓ ヤバイ やばい まじすか これほ
しい カワユス トゥギャりました ハマる なう ちう だん コワ
ワロタ w ヲワタ メモメモ めっさ あざす おはあり おつあり
ほかってくる ワクワクテカテカ ワクテカ ｗｋｔｋ Ur thx TL
LT ♪ ω orz ～したお うぷ
• っ抜き
• たのしかた おいしかた 待てるね 寒かた
• ゛抜き
• けたいのはてりかなくなてきた→携帯のバッテリーがなくなってき
た
23
24
Big data
それにしてもデータが多い！
ヨタ ゼタ エクサペタ テラ ギガ メガ キロ
↓
↓
↓
↓
↓
↓
↓
↓
１００００００００００００００００００００００００
,
,
,
,
,
,
,
,
↑
↑
↑
↑
↑
↑
禾｜弟 垓
京
兆
億
万
｜・・・・２・・・・｜・・・・１・・・・｜・・・・
25
Big data
スマーター・プラネット
迅速な判断
リアルタイム性
リアクティブ・アナリティクス
流動するデータ
深い洞察
将来の予測
ディープ・アナリティクス
蓄積しているデータ
Big data
26
新たな分析/計算基盤が必要になってきています。
Stream Computing
In memory Technology
低
大量データを
ディスク着地前に
処理
リアルタイム
分析・計算
・インメモリー技術
・CPU コスト低下
DWH Appliance
IBM Smart Analytics
System
予測分析
SPSS
DWH
小
BA
Cognos
InfoSphere
Warehouse
高
遅延時間 / レイテンシー
InfoSphere
Streams
ディスク着地後の
大量データを
処理
Distributed Data Processing
MapReduce
InfoSphere
BigInsights
hadoop
大量分析・
計算
・マシンのコモディティ化
・オープンソース技術
スループット
大
27
IBM InfoSphere Streams v2.0
開発環境&
管理コンソール
ランタイム
環境
ツールキット&
連携アダプター
Front
Front Office
Office
SQL Server
• StreamsStudio
(Eclipse統合開発環境)
• StreamsLiveGraph
(JOBフロー可視化)
• StreamsDebugger
• OS: Linux (RHEL v5.3 -)
• Intel x86マルチコア
• TCP /UDP /LLM 通信
プロトコールのサポート
• InfiniBandのサポート
• 最大125サーバの
クラスタ環境
ORACLE
My SQL
• 標準ツール・キット
• 拡張ツールキット
•インターネット
•データベース
•フィナンシャル
•データ・マイニング
•解析ツール・キット (PMML対応）
• ユーザ定義ツールキット
28
Streams開発(Eclipse)画面/WEB管理コンソール
29
What are key differentiating technical capabilities of Streams?
Volume, Variety, Velocity, Analytics, and Agility
ストリーミング・アプリケーションに
開発された言語: SPL
一連のオペレーター・グループを1
つのプロセスにコンパイル可能:
再利用可能な事前定義のオペレータ群
ラピッド・アプリケーション開発（作って試す）
継続的な「パイプライン」処理
CPUコアの最適使用
分散実行
高速データ通信
自動最適化（統計に基ずく）
様々なデータを処理。
より速く、他社より速く:
様々なデータ型の処理が可能
既存の手法では、処理コストが
大きすぎるデータの処理。
容易な拡張性:
ビルドイン・アダプター群
C++やJavaで実装することが
できるユーザ定義関数
容易な管理:
自動的なジョブ配置
アプリケーションの拡張
マルチ・ユーザー / マルチ・アプリケーション
ダイナミックな解析:
柔軟かつ非常に
高いトランスポート性能
(TCP/LLM):
ランタイム中でのトポロジー変更
新しいサブスクリプションの作成
新しいポートの作成
とても低い遅延時間
高いデータレート
30
30
Hadoop
• 大量データを扱う、分散処理システム（Apacheオープンソース）
– コモディティーマシンを並べれば使える
– クラスターをストレージ化
– MapReduceで、分散、集計処理
– Java実装
Googleの論文
Yahooが中心と
なって開発
クラスター
JobTracker
HDFS master
TaskTracker
MapReduce
TaskTracker
MapReduce
TaskTracker
MapReduce
HDFS slave
HDFS slave
HDFS slave
データ
データ
データ
TaskTracker
TaskTracker
TaskTracker
TaskTracker
TaskTracker
HDFS slave
HDFS
slave
MapReduce
HDFS slave
HDFS slave
HDFS slave
データ
31
HDFSと自動レプリカ
ネームノード
ファイルA A1
A2
A3
三つのレプリカ
ファイルB
B3
二つのレプリカ
B1
B2
A1
A3
A1
B1
A3
A1
B1
A2
B2
A2
A2
A3
B3
B3
B1
データノード群
もし、このマシンが
ダウンしたら・・・
A1
B2
A3
別の正常なマシンから
レプリカが再実行される
32
MapReduce
input
input
input
InputFormat
ジョブ投入
Driver
<Key, Value>
<Key, Value>
<Key, Value>
Split
Split
Split
<Key, Value>
<Key, Value>
<Key, Value>
Map
Map
<Key, Value>
<Key, Value>
Map
<Key, Value>
シャッフル（ソート）
<Key, Value>
Reduce
<Key, Value>
出力ファイル（群）
OutpurFormat
33
BigInsights – 製品コンポーネント概要
•
InfoSphere BigInsights Enterprise Edition v1.1 は以下のコンポーネントを含みま
す:
– IBM Distribution of Apache Hadoop (IDAHO)
with IBM Java
- to support massive scale-out data processing and analysis on commonly available hardware, with inherent resiliency and fault tolerance
• Adaptive MapReduce
- Highly parallel flexible data processing framework supports structured, semi-structured, and unstructured for maximum flexibility;
structure can be interpreted on the fly. IBM enhanced version of MapReduce.
• Hadoop Distributed File System (HDFS)
- スケーラブル、可用性を持ったHadoop専用ファイルシステム
– Jaql（ジャックル) JSONデータに対するクエリ言語
a Query Language for JavaScript Object Notation to facilitate analysis of unconventional data, and integration with traditional data stores
–
Hadoopエコシステムのオープンソース・コンポーネント:
•
•
•
•
•
•
•
–
–
–
–
–
–
–
Apache Pig/Pig Latin (プログラミング言語)
Cloudera Flume (データ収集、集約)
Apache Hive/HiveQL (データ要約・クエリ)
Apache Lucene (テキストサーチ)
Zookeeper (プロセス・コーディネーション)
Avro (データ・シリアライズ)
Apache hBase (リアルタイム・キーバリュー・書き込み読み込み)
容易な管理を可能にする「管理コンソール」
IBM InfoSphere Warehouse, DB2 (LUW)との連携機能
テキスト分析エンジン (System T)
WEBベースの管理コンソール, LDAP セキュリティ (WASCE)
ワークフロー・エンジン (Orchestrator)
より柔軟なスケジューラー (FLEX)
開発環境としての、IBM Optim Development Studio 2.2.1
34
BigInsights – 2つのバージョン
•
•
製品リリース
5月27日: 販売開始
6月24日: メディア配布開始
•
InfoSphere BigInsights
– Basic Edition
無償版(1クラスタ10TBまで)
Webコミュニティ・サポートのみ
– Enterprise Edition
RVU(Resurce Value Unit)
データサイズによる課金体
→URL:
独自拡張機能
IBMによるサポート
35
BigSheets
• BigInsightsのGUIのように
使うことができる
分析GUI
http://www.ibm.com/support/docview.wss?uid=swg21504124&aid=1
36
Jaqlクエリはデータフローのパイプライン
A Jaql query is a data flow pipeline
read
transform
filter
Find users in zip 94114
write
Arrays of JSON records flow between operators
Query
Output Data
read(hdfs(“users”))
Æ filter $.zip == 94114
Æ transform { $.id, $.name }
Æ write(hdfs(“inzip”));
[
{ id: 12, name: “Joe Smith” },
{ id: 19, name: “Alicia Fox” }
]
ポイント：JSON型式のオブジェクトを操作していく過程を
記述するクエリ言語で、「パイプライン・プログラミング」と
呼ばれる型式で記述していきます。
37
典型的な、ワードカウントのMapReduceサンプルソース
package com.yone.mapreduce;
import java.io.IOException;
import java.util.StringTokenizer;
import
import
import
import
org.apache.hadoop.io.IntWritable;
org.apache.hadoop.io.LongWritable;
org.apache.hadoop.io.Text;
org.apache.hadoop.mapreduce.Mapper;
public class MyMapper extends Mapper<LongWritable, Text, Text, IntWritable> {
private final static IntWritable one = new IntWritable(1);
private final static Text word = new Text();
public void map(LongWritable key, Text value, Context context)
throws IOException, InterruptedException {
String line = value.toString();
StringTokenizer tokenizer = new StringTokenizer(line);
while (tokenizer.hasMoreTokens()) {
word.set(tokenizer.nextToken());
context.write(word, one);
}
}
}
import
import
import
import
java.io.IOException;
org.apache.hadoop.io.IntWritable;
org.apache.hadoop.io.Text;
org.apache.hadoop.mapreduce.Reducer;
public class MyReducer extends
Reducer<Text, IntWritable, Text, IntWritable> {
private IntWritable result = new IntWritable();
public void reduce(Text key, Iterable<IntWritable> values, Context context)
throws IOException, InterruptedException {
int sum = 0;
for (IntWritable val : values) {
sum += val.get();
}
result.set(sum);
context.write(key, result);
}
}
Jaqlの場合
package com.yone.driver;
import
import
import
import
import
import
import
import
import
import
package com.yone.mapreduce;
org.apache.hadoop.conf.Configuration;
org.apache.hadoop.conf.Configured;
org.apache.hadoop.fs.Path;
org.apache.hadoop.io.IntWritable;
org.apache.hadoop.io.Text;
org.apache.hadoop.mapreduce.Job;
org.apache.hadoop.mapreduce.lib.input.TextInputFormat;
org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
org.apache.hadoop.util.Tool;
org.apache.hadoop.util.ToolRunner;
import com.yone.mapreduce.MyMapper;
import com.yone.mapreduce.MyReducer;
public class MyDriver extends Configured implements Tool {
@Override
public int run(String[] args) throws Exception {
Configuration conf = new Configuration();
conf.set("mapred.job.tracker", "name.yone.com:9001");
conf.set("fs.default.name", "hdfs://name.yone.com:9000/");
Job job = new Job(conf, "WordCount");
job.setJarByClass(MyMapper.class);
job.setMapperClass(MyMapper.class);
job.setCombinerClass(MyReducer.class);
job.setReducerClass(MyReducer.class);
// job.setInputFormatClass(TextInputFormat.class);
// job.setOutputFormatClass(TextOutputFormat.class);
TextInputFormat.setInputPaths(job, new Path(args[0]));
FileOutputFormat.setOutputPath(job, new Path(args[1]));
job.setOutputKeyClass(Text.class);
job.setOutputValueClass(IntWritable.class);
return job.waitForCompletion(true) ? 0 : -1;
hdfsShell("-copyFromLocal <ローカルファイル名> <HDFSファイル名>");
$lineRdr = read({type: "hdfs", location: "<HDFSファイル名>", inoptions:
{format: "org.apache.hadoop.mapred.TextInputFormat", converter:
"com.acme.extensions.data.FromLineConverter"}});
registerFunction("splitArr", "com.acme.extensions.expr.SplitIterExpr");
$lineRdr
-> expand splitArr($, " ")
-> group by $w = ($)
into [$w, count($)]
-> count();
}
public static void main(String[] args) throws Exception {
// FileUtil.deleteDirectory(new File("data/output"));
// args = new String[] { "data/input", "data/output" };
ToolRunner.run(new MyDriver(),
new String[] {
"/user/hdpadmin/input",
"/user/yone/outputA" } // 入力ファイルと出力フォルダー
);
}
}
ポイント：Java言語で記述する場合と、Jaqlクエリ言語で記述する
コード行数の比較。簡単なワードカウントを行うようなMapReduce
処理の記述も、Jaqlクエリ言語を使うとシンプル、かつ、短いコード
量で記述が可能です。
38
Orchestrator (Metatracker)によるフロー制御管理
JI
Flow
Description
JI
JI
Java API
JI
Active
Job
Instances
Scheduler
State Manager
State
Store
Database
Temp
Directories
Permanent
Directories
Distributed Filesystem
ワークフロー・マネージャー
- 時刻・データをトリガーにするジョブのフローを
定義
- 実行中にフロー・パラメーターを変更
Working
- 永続データの管理
Directories
- 障害からの回復
- 大きなエラーのハンドリング（定義した処理
Local Filesystem
フロー）
39
SQLとhttpによるDB2とBigInsightsの連携
Infosphere Warehouse
Cubing services
SQL
DB2
Excel
Jaql client
JaqlSubmit UDF
HDFSRead UDF
Http
Http
Infosphere BigInsights
Jaql server
Web log data on Hadoop HDFS
Persistent data
40
40
41
次回以降の聴き所
42
クラウド時代のサービスマネジメント
• 岩村郁雄
• ITIL® V3では、サービスのライフサイクル管理として戦略、設計、移行、運用、そし
て継続的サービス改善の５つのフェーズが定義され、クラウドのITサービスマネジメ
ント(ITSM)も各フェーズに分けて考えることができます。今回は、運用フェーズを起
点として、クラウドのITSMを始めるにあたり推奨されるアプローチ、すなわち運用受
け入れ基準への影響と準備事項を洗い出す方法をご紹介します。また、このアプ
ローチの結果、運用フェーズからの要件を戦略、設計フェーズへフィードバックする
ことで、クラウド選定のための自社基準が精査される利点について説明します。
クラウドの特性により生じる運用管理の課題
Essential Characteristics (主要特性)
オンデマンド・セルフサービス
迅速な柔軟性
幅広いネットワークアクセス
クラウドのリスク具現化例の傾向分析
運用管理の課題
需要予測とキャパシティー管理
R3,R22
R10
日々変動する構成情報の収集・管理
サービス視点での監視
R2, R14
On Premise
Public
リソース・プール
抽象化された従量サービス
マルチレイヤーの監視・イベント統合
Common Characteristics (共通特性)
変更管理と迅速なプロビジョニング
大規模な拡張性
窓口集約化とセルフサービス機能
均質性
仮想化
顧客ごとのサービスレベル管理
サービスの見える化(カタログ化)
回復力のあるコンピューティング
地理的分布
従量課金・請求
サービス指向
申請・承認ワークフロー
高度なセキュリティー
仮想化環境のセキュリティー
A.運用主体
自社運用
運用委託
（自社標準適用）
運用委託
（委託先標準サービス）
Private
B. 仮想化
共用化
C. NW形態
ユーザー
物理システム
仮想化システム
仮想化システム
（マルチテナント）
Intranet
Internet利用
（特定多数接続）
Internet利用
（不特定多数接続）
R11
R9
43
インテグレーテッド・サービスマネジメント(ISM)概説
• Integrated Service Management(ISM)は、サービスを適切なコストと高い品質で提
供し、業務を支援する資産を価値に転換します。当セミナーでは、ISMの概要をご紹
介し、その広範な管理領域の中で、特にキャパシティ管理と構成管理をITアセット管
理へ発展させるための考え方を解説します。さらに、クラウド、RFIDやスマートデバ
イス、IPv6など、新しい技術に基づくコンポーネントを、構成管理、ITアセット管理の
対象にするためのアプローチについて説明します。
ISMの管理領域
ビジネス・サービス
マネジメント
ストレージ管理
ビジネス
アナリティクス
人材
クラウドと仮想化
環境の管理
アセット管理
システム管理
セキュリティ
Smartデバイス
プロセス
ツール
Level-3: ビジネスインフラ全体のアセット管理
ITサービスアセットD
IPv6対応機器
ネットワークとサービス保証
アセット管理
アセット管理
ビル設備管理
ビル設備管理
ITサービスアセットC
ITアセット管理
ITアセット管理
ITサービスアセットA
クラウド
サービス
ITサービスアセットB
Level-2: ITとビジネスインフラのITアセット管理
キャパシティ管理
キャパシティ管理
仮想化
Level-1: ITインフラのキャパシティ管理
44
クラウド環境におけるセキュリティ
• 大西克美
• 次世代インフラの中核として、また災害対策としての
バックアップとしてクラウド環境を検討する企業も増
えてきています。一方、セキュリテイは長い間、クラ
ウド・コンピューティングの阻害要因だとも言われて
きました。では、クラウド環境で考えるべきリスクとは
何でしょうか？クラウド環境のセキュリティー対策は、
実際どこまで進んでいるのでしょうか？本セッション
では企業が向き合うべきリスクを整理し、IBMが考
える解決策、ソリューションをご紹介いたします。
45
ソーシャルウェアがもたらす
ワークスタイルイノベーション
• 行木 陽子
• 東日本大震災で、TwitterやFacebookといったソー
シャル・メディアが重要な役割を果たしたのは記憶
に新しいのではないでしょうか。こうした「ソーシャ
ル」のテクノロジーや考え方は、企業が抱える情報
共有の問題を解決し、新たなワークスタイルを推進
する起爆剤になると考えられています。IBMが提唱
する「エンタープライズ・ソーシャルウェア」について
事例を交えてご紹介いたします。
46
事業継続と回復を実現するBPM
（グローバルサプライチェーン）
• 吉田洋一
• 急速に進むグローバル化の中で、取引先を含めた
グローバル・サプライチェーン・プロセスにおける
Business Process Management技術を活用した可
視化と管理による、事業継続や回復に対応できる
BPMソリューションと事例をご紹介いたします。
47