##Google Cloud OnBoard For NTTデータ
####イベント開催概要（開催ページ抜粋）
今回の例会は技統本塾との共催となります！
Google Cloud Platform (GCP) 認定トレーナーによるわかり易いプレゼンテーションとデモンストレーションを駆使し GCP の利点、特徴、ユースケースを理解し、 GCP の主要サービス（Compte Engine, Storage, Database, Machine learning) について解説していきます。
また、NTTデータ社員によるセッションでは社内でのGCP利用方法や事例、クラウドSIの取り組みなどをご紹介いたします。
####会場・時間（開催ページ抜粋）
日時：2019年9月26日(木) 10:00 (9:00から入場可) ～18:00
会場：六本木ヒルズ森ビル 27階
####プログラム
| No. | 時間帯 | 発表（開催ページ抜粋）者 | 発表タイトル |
|---|---|---|---|
| [1] | 10:00-10:10(10min) | GCJ：清水岳之 NTTD：加藤大樹 |
ご挨拶・オープニング |
| [2] | 10:10-11:00(50min) | GCJ：清水岳之・西岡典生 | Google Cloud 最新動向 |
| [3] | 11:00-12:30(90min) | GCP認定トレーナー：古賀聖人 | Google Cloud Platform (GCP) 概要とコンピュート |
| [4] | 13:30-14:30(60min) | GCP認定トレーナー：古賀聖人 | ストレージとデータベース |
| [5] | 14:30-15:30(60min) | GCP認定トレーナー：古賀聖人 | 機械学習 |
| [6] | 15:45-16:05(30min) | NTTD：中山貴裕・洲嵜翔 | GCP/G-Suite がもたらしたデータ活用のビジネス変革と気をつけるべきこと |
| [7] | 16:05-16:20(15min) | NTTD：本嶋大嗣 | オンプレ Hadoop To GCP– データ分析基盤の GCP 環境での再構築事例紹介 - |
| [8] | 16:20-16:45(25min) | NTTドコモ：安東文哲 | Firebase を活用したユーザ価値検証の取組み |
| [9] | 16:45-17:10(25min) | 持株：桑山純弥 | FAnthos を中心としたコンテナベースの開発ビジネスについて |
| [10] | 17:15-17:30(15min) | GCJ：北瀬公彦 | 今後の学習の進め方 |
| [11] | 17:30-17:45(15min) | GCJ・NTTD | 終わりのご挨拶 |
| [12] | 18:00 | 懇親会 |
####講演プログラム発表詳細
#####[1]「ご挨拶・オープニング」
登壇者：グーグル・クラウド・ジャパン合同会社 パートナー事業本部 事業部長 清水 岳之
株式会社エヌ・ティ・ティ・データ
#####メモ
・ Google Cloud100 → 基礎
・ DX = 文化・組織の変革 × Technology → CloudNativeで構築するためGCPを使っている。
→世の中に必要とされるために銀行業務をどのように変えていくかが金融業界のDX
・ イノベーションを作る環境を作ることができる。
Googleの5つのカルチャー
１．初めから完璧を求めない
２．不可能と決めつけない
３．ユーザーに焦点を絞る
４．共有はアイデアを生む
５．データを基に、考える
####講演プログラム発表詳細
#####[2]「Google Cloud 最新動向」
登壇者：グーグル・クラウド・ジャパン合同会社 パートナー事業本部 事業部長 清水 岳之
グーグル・クラウド・ジャパン合同会社 パートナー事業本部 パートナーエンジニア 事業部長 西岡 典生
#####メモ
* GCN2019でDeNAは「パブクラを使い倒す」、FFGも「パブクラで業務を改善する」
######■Googleのイノベーションとそれを支えるGCP
・Google DNA から”world's information” → 大量のデータ "access by everyone" → intelligence
・GCPはBtoBのIaaSとしても高い評価を受けている。（SaaS、PaaSは数年前から評価されている。Forrester）
・近年のGCPの動き→エンタープライズ対応能力の強化（ex. 価格体系、お客様サポートなど）
・GCPの５つのソリューションエリア → 主にGsuitとGCP
infrastructure modernization：インフラのモダナイズ
data manegement：データの管理
application development：アプリケーション開発の加速
smart analytics：スマートアナリティクス
productivity and collaboration：生産性とコラボレーション
######■ビジネスを加速するGCP
・Gsuit と GCP
Gsuit → 働き方改革、コミュニケーション
GCP → API、実行環境、データ分析、機械学習、インフラ・ストレージ・Network
・ビジネス速度が上がっていることにより、自社で全てを準備するのでは間に合わない。
→ 任せられるところはgoogleにまかせちゃえ
・”１サイクル”の根本的な違い
→ プライベートクラウド＆オンプレ：1年かけてインフラ〜モビリティを構築
ハイブリッドクラウド：１Ｑかけて
パブリッククラウド：1ヶ月で
・ＧＣＰが加速させるサイクル
現状のシステム
→ SoR（system of record、クラウドへのシフト）
→ SoI（良い分析ができるシステムを作る、データ基盤の整備、ビジネスの価値か）
→ SoE（より付加価値の高いシステムを作る。valueアウト）
→Modernize+multicloud（microservice化、multicloud化、cloudnative化）
【SoR】
内製ばりばり文化により、中間ベンダーのリスク低減＆脆弱性や情報漏洩がなくなる＆他者依存がない。
【SoI】
一般的に分析をしようと思うと、本来したい”分析と洞察”に時間をかけたいが、監視やチューニング、構築などしたいこと以前の稼働がかかる。→ＢｉｇQuery
ノンコードダイレクトインポート
ノンコーディングでクラウドとオンプレミス間のＥＴＬとデータインテグレーションを可能とする。→ＣｌｏｕｄＤａｔａＦｕｓｉｏｎ
【SoE】
ＡＩをEveryone
３つのproductのラインナップ；機械学習API、Cloud Auto ML、AI Platform
・ 機械学習API：視覚認識（画像・動画の分析）、言語（テキスト分析、機械翻訳）、会話（音声認識、音声合成）
→sansanがスキャンのAPIとしてAPIを採用、ANAが専門用語を翻訳するためのシステムにAPIを採用、MSYSのコンタクトセンター業務のシステムにAPIを採用。
・ Cloud AutoML：学習データから自動で学習モデルを作るAPI（じどうすけーる）
・ AI Platform
【Modernize+MultiCloud】
CloudSpannerの良さ
→ 完全マネージドのグローバルスケールでDBサービス、ゾーン間・リージョン間の自動synchronousレプリケーション等
Anthos：アプリケーションをモダナイズするプラットフォーム
ITはトレードオフを余儀なくされている（セキュリティvsアジリティなど）
ITの課題をハイブリッドが正す。
#####[3]「Google Cloud Platform (GCP) 概要とコンピュート」
登壇者：Google Cloud Platform 認定トレーナー 技術教育エンジニア 古賀 聖人様
######資料（テーマ3～5で資料同一）
######学習の目的
・ クラウドコンピューティングの将来
→サーバレス/オペレーション担当者不要の完全自動化
※仮想化でも十分に管理負担が減っているが、性能やセキュリティ、ユーザ管理はどうしても残ってしまう。（OS以上の管理）
・ GoogleCloudとは
→Googleがサービスとして提供しているソリューションを構築するのに使用しているインフラや開発環境を利用でいるのがGCP
・ セキュリティ
→物理セキュリティ、セキュリティ専門エンジニア、コンプライアンス第三者による審査、Live Migrationなど
・ オープンソース
→TensorFlowやandroid,Go,Kubernetesなど
導入事例
・ Abema
選択理由はGCLB（ロードバランサー）とGKE（Managed Kubernetes）
GCLB：グローバルロードバランサー、スケール（秒間百万件のリクエストをLBできる）、CDN機能が統合されている。
GKE：コンテナ環境として最適、管理の手間が不要
・ Spotify（"最も重要なこと"にフォーカスするために自前主義から脱却）
サービスの肝となるのが"データ分析"→実現するサービスが豊富、BigQueryによる分析処理をスピードアップ。
スケーラビリティがシステムに組み込まれている。
######GCPのサービス概要
・ 用語の解説（基本は資料を参照）
・ 仮想マシンを複数のリージョンに分けて構築可能
・ Cloud IAM（Google Cloud Identity and Access Management）
→ 全員が全てにaccessできる必要はない。
「誰が」「どのような権限を」「どのリソースに」持つかを決める。※サービスごとに権限を定義することもできる。
・ サービス一覧
→ 50から100（マネジメント〜機械学習）
・ 操作方法
アクセス方法：Console（Webベース）、SDK、API（REST）
コンピューティング
・ コンピューティングサービスの特徴とユースケース
1.Compute Engine（VMのサービス）：既存システムのクラウドへの移行
CPU/メモリの組み合わせ"タイプ"を選択することで構成可能
※合わせて、、、VPC（リソースの相互接続や分離が可能）
グローバルIPは必要なく、内部IPでリージョン間のNetworkを構築可能。
2.App Engine：素早いアプリケーション開発に使用（インフラエンジニア不要）
infrastructureが完全に抽象化されたフルマネージドプラットフォーム（コンテナ化）
3.Kubernetes Engine：コンテナベースのアプリケーション開発（プラットフォームに縛られない環境での開発）
コンテナオーケストレーションシステム（Kubernetes）ベースにコンテナ化されたアプリをデプロイするためのマネージド環境を提供。
コンテナ化は良い面も多いが、マイクロサービスではコンテナが増えるため管理が難しくなる。
その管理を行うことをオーケストレーションという。
Kubernetesを使おうにもクラスタなど環境の準備がある程度必要。
その環境の提供やKubernetesの管理をしてくれるマネージド環境がKubernetes Engine。
4.Cloud Functions（PaaS）：サーバレスなマイクロサービス構築
サーバレスアプリケーション
#####[4]「ストレージとデータベース」
登壇者：Google Cloud Platform 認定トレーナー 技術教育エンジニア古賀 聖人様
GCPでは"relational","non-relational","object","warehouse"のカテゴリでサービス提供
・ relational：Cloud SQL（MySQL,Postgres、SQLServerに対応）、Cloud Spanner（ゾーン間、リージョン間でリレーションできる）
・ non-relational:Cloud Datastore（ドキュメントDB、拡張性が高い、フルマネージド）,Cloud Bigtable
・ object:Cloud Storage（シンプルな管理、容量管理不要）
ストレージクラスは４つありホットデータは"Multi-Regional","Regional"を使う。
アクセス頻度は低いが長期保存をしておきたいデータは"Nearline","Coldline"
・ warehouse:Big Query（ペタバイト規模を高速処理）
#####[5]「機械学習」
登壇者：Google Cloud Platform 認定トレーナー 技術教育エンジニア古賀 聖人様
主に2つの機械学習のモデルがある。
"TensorFlow""AI Platform"→ある程度機械学習の理解が必要なモデル
"Cloud Vision API","Cloud Speech API"等→APIとして利用できるモデル
※上記2つのモデルの良いところどりが、"Cloud AutoML"→ノーコーディングでカスタマイズ可能
業界の現状では機械学習を利用としたときに、幅広い専門知識・技術、時間が必要となる。
→高い精度で本来の目的のみに絞って取り組むためのサービスとして開発されたのが"Cloud AutoML"
各API単体ではただおもしろいだけであるが、組み合わせることでビジネスに活かすことができる。
#####[7]「NTTデータ セッション① GCP/G-Suite がもたらしたデータ活用のビジネス変革と気をつけるべきこと」
登壇者：NTTデータ ITサービス・ペイメント事業本部 スマートライフシステム事業部
情報ビジネス統括部 情報ビジネス開発担当 課長代理 中山 貴裕
主任 洲嵜 翔
お客様のBigData規模
750人、4000テーブル、650TB → Redshiftが限界を迎えた。Exadataも。
※Redshiｆｔの限界：オンプレミスと変わらない。ロードと集計処理のリソース競合。ノード障害で復旧に1日かかる。週1回再起動が必須。
Exadataの限界：超コストがかかる。
⇒BigQueryにすると
・データロード時間が202時間→10時間に短縮（リソースの分割が可能）
・集計処理時間が60％改善
GSuitによる働き方改革
・ ファイルサーバー管理がなくなる
・ 開発アカウントの多重管理が不要
・ 社員満足度が上がる
データ活用
【現場あるある】
分析基盤を作ったが使われない、使い方がわからない、
#####[7]「NTTデータ セッション② オンプレ Hadoop To GCP– データ分析基盤の GCP 環境での再構築事例紹介 -」
登壇者：NTTデータ ITサービス・ペイメント事業本部 テクノロジーデザイン統括部
デジタルソリューション担当 課長代理 本嶋 大嗣
分析基盤→クラウド移行の事例
要因：コスト増大（オンプレ環境のコスト、Ver.upのメンテナンスコスト）、リソースネック（処理競合によるリソースネック）
→GCP＆BigQueryの活用
※AWSは実行処理のリソース枯渇がある
BigQueryは定額課金も可能（ただし、リソースなどの制限あり）
#####[8]「NTTデータ セッション③ Firebase を活用したユーザ価値検証の取組み」
登壇者：NTTドコモ サービスデザイン部 安東 文哲
#####メモ
*
#####資料
#####[9]「NTTデータ セッション④ FAnthos を中心としたコンテナベースの開発ビジネスについて」（）
登壇者：日本電信電話株式会社（NTT Ltd. Group）桑山 純弥
#####メモ
*
#####資料