Download as PDF, PPTX
Uploaded byGoogle Cloud Platform - Japan
DeNA のデータ活用を支える BigQuery データの民主化とガバナンス強化の軌跡 | Google Cloud INSIDE Games & Apps: Online
第 11 回 Google Cloud INSIDE Games & Apps にご登壇いただいたスライドです。 株式会社ディー・エヌ・エー データエンジニア / グループマネージャー 岩尾 一優様 データエンジニア 城谷 信一郎様
More Related Content
![[Cloud OnAir] BigQuery の仕組みからベストプラクティスまでのご紹介 2018年9月6日 放送](https://cdn.slidesharecdn.com/ss_thumbnails/dddddd-180906091548-thumbnail.jpg?width=640&height=640&fit=bounds)
Similar to DeNA のデータ活用を支える BigQuery データの民主化とガバナンス強化の軌跡 | Google Cloud INSIDE Games & Apps: Online
![[Oracle Innovation Summit Tokyo 2018] 水環境の持続を支えるクラウド型ICTプラットフォーム「Water Busine...](https://cdn.slidesharecdn.com/ss_thumbnails/ist18a-2-180822044642-thumbnail.jpg?width=640&height=640&fit=bounds)
![[External] 2021.12.15 コンテナ移行の前に知っておきたいこと @ gcpug 湘南](https://cdn.slidesharecdn.com/ss_thumbnails/external2021-211216025522-thumbnail.jpg?width=640&height=640&fit=bounds)
![[Cloud OnAir] Google Cloud における RDBMS の運用パターン 2020年11月19日 放送](https://cdn.slidesharecdn.com/ss_thumbnails/yy-201119084816-thumbnail.jpg?width=640&height=640&fit=bounds)
![[Cloud OnAir] 【Google Kubernetes Engine 演習】解説を聞きながら GKE を体験しよう 2020年10月29日 放送](https://cdn.slidesharecdn.com/ss_thumbnails/bb-201029090440-thumbnail.jpg?width=640&height=640&fit=bounds)
![[Cloud OnAir] Google Cloud の AI / IoT 最新事例紹介 2020年10月22日 放送](https://cdn.slidesharecdn.com/ss_thumbnails/aa-201022092013-thumbnail.jpg?width=640&height=640&fit=bounds)
![[Cloud OnAir] 【Anthos 演習】 解説を聞きながら Anthos を体験しよう 2020年11月5日 放送](https://cdn.slidesharecdn.com/ss_thumbnails/ab-201105085037-thumbnail.jpg?width=640&height=640&fit=bounds)
![[Cloud OnAir] 事例紹介: 株式会社オープンハウス 〜Google サービスを活用したオープンハウスの AI の取り組み〜 2020年11月1...](https://cdn.slidesharecdn.com/ss_thumbnails/h-201112061942-thumbnail.jpg?width=640&height=640&fit=bounds)
![[Cloud OnAir] Google Cloud へのマイグレーション ツールの紹介 2020年11月26日 放送](https://cdn.slidesharecdn.com/ss_thumbnails/ii-201126090801-thumbnail.jpg?width=640&height=640&fit=bounds)
![[Cloud OnAir] Google Workspace でできる データ分析と業務自動化のご紹介 2020年12月3日 放送](https://cdn.slidesharecdn.com/ss_thumbnails/ol-201203090835-thumbnail.jpg?width=640&height=640&fit=bounds)
![[Cloud OnAir] Google Cloud Next '20: OnAir 特別編 〜世界で人気のあったセッション特集〜 2020年9月24日 放送](https://cdn.slidesharecdn.com/ss_thumbnails/ooo-200924094839-thumbnail.jpg?width=640&height=640&fit=bounds)
![[Cloud OnAir] 【実演】Google Cloud VMware Engine と VMware ソリューションを組み合わせたハイブリッド環境の...](https://cdn.slidesharecdn.com/ss_thumbnails/pta-201210085248-thumbnail.jpg?width=640&height=640&fit=bounds)
![[Cloud OnAir] 事例紹介 : 株式会社マーケティングアプリケーションズ 〜クラウドへのマイグレーションとその後〜 2020年12月17日 放送](https://cdn.slidesharecdn.com/ss_thumbnails/ppp-201221033858-thumbnail.jpg?width=640&height=640&fit=bounds)
![[Cloud OnAir] Talks by DevRel Vol.5 アプリケーションのモダナイゼーション 2020年9月3日 放送](https://cdn.slidesharecdn.com/ss_thumbnails/ffffffffffffffff-200903090943-thumbnail.jpg?width=640&height=640&fit=bounds)
DeNA のデータ活用を支える BigQuery データの民主化とガバナンス強化の軌跡 | Google Cloud INSIDE Games & Apps: Online
- 1. DeNA のデータ活用を支える BigQuery データの民主化とガバナンス強化の軌跡 株式会社ディー・エヌ・エーデータエンジニア / グループマネージャー 岩尾 一優 株式会社ディー・エヌ・エー データエンジニア 城谷 信一郎
- 2. Speaker 2 株式会社ディー・エヌ・エー （2018 年7 月 〜） • データエンジニア / マネージャー • データエンジニア組織の戦略策定・推進 • BI プラットフォーム Looker の全社導入を推進 （複業）株式会社 Hogetic Lab（2019 年 4 月 〜） • 外部取締役 CTO • データ分析コンサル / 組織コンサル 岩尾 一優 （イワオ カズマサ）
- 3.
- 4.
- 5. 現在のデータプラットフォーム サービス データプラットフォーム log DB 内製 BIツール （Argus） 5
- 6. 現在のデータプラットフォーム - データ収集 サービスデータプラットフォーム log DB fluentd / embulk などを 用いてデータ収集 データの保存/加工 内製 BI ツール （Argus） データの活用 6
- 7. 現在のデータプラットフォーム - ワークフロー サービスデータプラットフォーム log DB ワークフローを管 理 ワークフローの 構成管理 digdag の他に batch/web app などのワークロードを実 行させることが可能。その際、 コンテナ内は利用者の責任範 囲。 内製 BI ツール （Argus） 7
- 8. 現在のデータプラットフォーム - セキュリティ サービスデータプラットフォーム log DB IP 制限 認証 内製 BI ツール （Argus） 8
- 9. 現在のデータプラットフォーム サービス毎に環境を分離 • 環境数: 30+ •環境を分離することで 権限とコストを明確に管理可能 ・・・ ・・・ 9
- 10. 最近のトピックス BI プラットフォーム Looker導入 • 「データの民主化」「データガバナンスの強化」の両立を目指す • 詳細は「BEACON」 カスタマーサポートにおける 定性データ分析の効率化 • お客様の声をサービスの改善に活かすための取り組み • Google のソリューションをフル活用 データプラットフォームの健康診断 の実施 • BigQuery のメタデータを活用し利用状況を可視化 • 多数の GCP プロジェクトを一括管理 & 改善 10
- 11. BI プラットフォーム Looker導入 • 「データの民主化」「データガバナンスの強化」の両立を目指す • 詳細は「BEACON」 カスタマーサポートにおける 定性データ分析の効率化 • お客様の声をサービスの改善に活かすための取り組み • Google のソリューションをフル活用 データプラットフォームの健康診断 の実施 • BigQuery のメタデータを活用し利用状況を可視化 • 多数の GCP プロジェクトを一括管理 & 改善 最近のトピックス 2 3 データプラットフォーム ガバナンス強化の取り組み データの民主化を目指して 11
- 12. データの民主化を目指して - BI プラットフォームLooker 導入 - カスタマーサポートにおける定性データ分析の効率化 12
- 13. BI プラットフォーム Looker導入 13
- 14. Looker とは SaaS 型のBI プラットフォーム • 他の BI ツールにない特徴を多く備えている 代表的な特徴 • LookML というモデリング言語 を利用して指標の定義を行うことにより、 自動的に SQL を生成して DWH からデータを取得する • LookML であらかじめ定義された指標を利用することにより、 分析結果などデータの一貫性が担保される • GUI で操作可能なことは API でも操作可能 2020 年 2 月 13 日に Google による Looker の買収が完了 • 参考）Google completes Looker acquisition • https://cloud.google.com/blog/topics/inside-google-cloud/google-completes-looker-acquisition 14
- 15. 背景 - DeNAデータプラットフォームの変遷 data platform ポイント 20142010 最近 集中管理 品質維持 オンプレ撤廃 データの民主化 ガバナンス強化 内製 BI ツール作成 データの民主化 Hadoop mobage platform mobage platform KPIツール Hadoop 内製 BI ツール （Argus） Vertica mobage platform App / Game Server 15 mobage platform Service 内製 BI ツール （Argus） Hadoop App / Game Server
- 16. BI プラットフォームの Lookerに期待していたこと PoC（投資判断のための検証）期間を経て 2019 年 12 月より正式採用 / 利用開始 データの民主化 ● SQL を書けなくてもデータ活用可能であること ● 利用者がデータの意味を理解し適切に使えること データガバナンスの強化 ● データの信頼性と正確さが担保できること ● 内製 BI ツールではSQL スキルが必須 ● 新規事業など専任のデータアナリストが不在で あってもデータ活用ができる状態としたかった ● 内製 BI ツールに数千のSQL クエリが存在 （SQL クエリは数百行におよぶこともある） ● SQL クエリのコピペ& 亜種 & 闇落ち ● SQL クエリの変更の意図が不明 16
- 17. DeNA での特徴的な使い方 Looker のAPI を利用し Viewer ツールを開発 開発の目的 • 内製 BI ツールに慣れたユーザーの体験を 維持し Looker への業務移行を行う • 柔軟なアクセス管理を行う 特徴的な機能 • 左ペインでダッシュボードやレポートの一覧を ツリー表示 • Space（という独自概念）でアクセス管理を実施 （分析用 Space、CS 用 Space...） • 各 Space に Google Group を紐付ける ことで、Google Group に所属するユーザー が閲覧可能な状態になる 17
- 18. 導入の効果と課題 効果 • 変更管理（git リポジトリと連携）によるデータガバナンスの強化 • データの定義を LookML というモデリング言語で定義することによる 保守性の向上 • DB のスキーマが変更となった際、 SQLファイル群から変更箇所を 全て洗い出して修正するなどの対応が不要となった • Looker Action Hub によるビジネスサイドからのデータ提供 • Dashboard を日次で mail/slack に送る • 表データを毎月 1 日の AM 10:00 に Google Sheets に同期する 課題 • LookML を複雑にし過ぎるとデータガバナンス / 保守性の面で懸念あり • DeNA でのベストプラクティスが定義する必要がありそう • 既存の内製 BI ツールから全ての業務を移行するには 全社へのノウハウ伝播 / レクチャーの仕組みを整えていく必要がある 18
- 19. 詳細は BEACON Tokyoで！ 「Looker 導入の経緯」や「活用事例」を詳細に解説します https://ja.looker.com/events/beacon/japan 19
- 20.
- 21. 課題と解決に向けたアプローチ 課題 解決に向けた アプローチ ● お客様の声（ご意見、お問い合わせ、各種 SNSデータなどの定性 データ）をサービスの改善に活かすためのレポーティング業務に 膨大 な時間（1 サービス 数十時間）がかかっていた ● 全ての内容に目を通しポジネガを判定するなど手作業が多かった 協力体制の構築 カスタマーサポート × データエンジニア サービスのアップデート時など大量 の反響が入っても、すぐに重要な VOC をピックアップしサービスを改 善可能な状態を目指す！ Google のソリューションをフル活用 しデータパイプラインを構築 ● BigQuery ● GKE ● Cloud Natural Language API ● Looker など 21
- 22. アーキテクチャ概要 定性データ データプラットフォーム ご意見 お問い合わせ 各種 SNSデータ ポジネガ判定に Cloud Natural Language API を利用 各種 API や Embulk などを利用 Looker で可視化 22
- 23. Cloud Natural LanguageAPI によるポジネガ判定 ポジネガ判定には analyzeSentiment メソッドを利用 • 文字列 • Google Cloud Storage に存在するファイル のポジネガ判定が可能 from google.cloud import language_v1 from google.cloud.language_v1 import enums def main(): client = language_v1.LanguageServiceClient() type_ = enums.Document.Type.PLAIN_TEXT text_content = "I am so happy and joyful." language = "en" document = {"content": text_content, "type": type_, "language": language} encoding_type = enums.EncodingType.UTF8 response = client.analyze_sentiment(document, encoding_type=encoding_type) print(response) if __name__ == "__main__": main() document_sentiment { magnitude: 0.8999999761581421 score: 0.8999999761581421 } language: "en" sentences { text { content: "I am so happy and joyful." } sentiment { magnitude: 0.8999999761581421 score: 0.8999999761581421 } } 23 score: -1.0（ネガティブ）～1.0（ポジティブ）のスコア magnitude: 指定したテキストの全体的な感情の強度
- 24. 利用した Looker の機能 ドリルダウン •集計データの気になる箇所をクリックするとその詳細を表示するよう設計 • 業務に沿ったダッシュボードの設計 が可能 フィルター • ゲーム内イベントの期間内での集計 • 特定キーワードが含まれる投稿のみの集計 24 （実際のデータはお見せできないが） どのような投稿がなされているのか詳細を確認することができる
- 25. まとめと今後の展望 • カスタマーサポートにおけるレポーティング業務について Google のソリューションをフル活用し効率化に取り組んだ •今回特定サービスの業務改善に取り組んだが、今後は様々なサービスに展開していく • 各処理は docker コンテナとして動作させている ため短期間で横展開可能 25
- 26. この section のまとめ このsection では「データの民主化」を目指した取り組みとして以下を紹介した • BI プラットフォーム Looker 導入 • カスタマーサポートにおける定性データ分析の効率化 BigQuery や Looker の活用により社内のデータ活用水準が向上 データの利用部門のメンバーとの協力体制は重要 26
- 27.
- 28. Speakers 株式会社ディー・エヌ・エー （2019 年9 月 〜） • データエンジニア • ゲーム事業におけるデータパイプラインの開発・運用 • BQ ドクター活動の陣頭指揮・推進 城谷 信一郎 （ジョウヤ シンイチロウ） 28
- 29. この section で話すこと ●DeNA のデータプラットフォームで発生した課題 ● 課題に対するガバナンス強化の取り組み 29
- 30. 現在のデータプラットフォーム サービス毎に分析環境を分離 • 環境数: 30+ •環境を分離することで 権限とコストを明確に管理可能 ・・・ ・・・ 再掲 30
- 31. 現在のデータプラットフォーム サービス毎に分析環境を分離 • 環境数: 30+ •環境を分離することで 権限とコストを明確に管理可能 ・・・ ・・・ Tables 600k + Projects 100 + Scan 1PB/day 再掲 31
- 32. • 不必要に嵩むコスト • 使われず放置されたテーブルと動き続けるパイプライン •高コストなクエリスキャン • データ利用の生産性低下 • 複雑になったデータパイプラインの保守・運用コスト • RAW データへのクエリスキャン • セキュリティリスク • IAM アカウントの監査・適切な権限管理 • PII （個人情報）データの監視 DeNA データプラットフォームの課題 32
- 33. ● BQ 警察として活動 ●主な対応としては • 不要テーブルの削除 • クエリの見直し • テーブル設計の見直し • 中間集計の実装 ● BigQuery の利用料を 46% 削減 BQ 警察活動によるガバナンス維持 Google Cloud Next ’19 in Tokyo https://www.youtube.com/watch?v=k1CpRz0C6B8 33
- 34. プロジェクトにおけるコストの多寡で調査対象が決まる • 問題が有ったとしても コストとして見えなければ放置されがち e.g. 依頼に基づきパイプラインを作成したが既に利用されていない e.g. raw データへの非効率なクエリスキャン 問題が発見されてからの対処にとどまる • 常にすべてのプロジェクトが 最適な状態になっているか分からない • 最適な状態の定義が出来ていない BQ 警察の課題 34
- 35.
- 36. BQ ドクターのアウトライン 1. 可視化の統合・通知の自動化 2.最適な状態の定義と運用の設計 3. BigQuery コスト最適化のための挑戦 36
- 37. 可視化の統合・通知の自動化 BQ 警察 可視化 通知 BQ ドクター CloudMonitoring (Action Hub) Digdag workflow Apps Script 内製 BI ツール (Argus) ソース データ Cloud Logging (Audit Log) BigQuery (INFORMATION_SCHEMA) BigQuery (Billing Report) BigQuery (Billing Report) 37
- 38. 可視化の統合・通知の自動化 Kubernetes Engine BigQuery Container RegistryDigdagworkflow Project A BigQuery Project B BigQuery の JOB 監査ログ Dataset,Table のメタデータ Management ProjectBigQuery のメタデータ ・INFORMATION_SCHEMA ・{DATASET}.__TABLES__ BigQuery のメタデータ ・INFORMATION_SCHEMA ・{DATASET}.__TABLES__ kubectl apply Container Deploy Python Program ● 100 プロジェクト程度のメタデータを収集 ● Multiprocessing で並列処理 BigQuery 38
- 39. BigQuery の JOB監査ログ Dataset,Table のメタデータ Management Project Dashboard Action Hub Slack Google Sheet 全プロジェクトで定期診断 利用者へ通知 可視化の統合・通知の自動化 短期的な問題は定期 診断を 待たず 緊急オペを実施する 39
- 40. 可視化の統合・通知の自動化 可視化 の範囲 得られる 情報 得られる 示唆 BQ 警察 BQドクター ・Audit Log Sink の 範囲で統合 ※コストは統合 ・データプラットフォーム で統合 ・GCP コスト ・BigQuery の監査情報 ・GCP コスト ・BigQuery の監査情報 ・BigQuery の状態 ・GCP コストの多寡 ・スキャン量の多いクエリ ・GCP コストの多寡 ・スキャン量の多いクエリ ・非効率なクエリ ・無駄なテーブル 40
- 41. 無駄なリソースの見直しを行い を高められている状態 最適な状態の定義と運用の設計 今回の取り組みでは以下 3つの達成が最適な状態 として定義 BigQuery 状態の健全性 利用見直しを行い を高められている状態 無駄な利用を減らして を下げられている状態 41 GCP コスト ($) BigQuery 利用の健全性
- 42. 最適な状態の定義と運用の設計 最適な状態を KGI としKPI を定義し可視化・診断 に利用 GCP コスト($) BigQuery 利用の健全性 BigQuery 状態の健全性 BigQuery クエリコスト ($) BigQuery ストレージ コスト ($) BigQuery クエリの Slot 利用状況 BigQuery クエリの 実行時間状況 現在不要な BigQuery テーブル 将来不要な BigQuery テーブル これらを具体的に 可視化し診断に利用 KGI KPI プロダクト毎のコスト ($) 42
- 43. 最適な状態の定義と運用の設計 四半期に 1 度程度のサイクルで全プロジェクトの診断を実施 1.プロジェクト選定 2. 事前調査 3. 調査報告書作成 4. 是正・ヒアリング方針を 決定 診断・調査 1. 利用者ヒアリング 2. 是正方法の検討 3. 是正対応の実施 4. 効果測定 ヒアリング・是正 1. プロジェクト毎に対応結 果を共有 2. 振り返り・見直し 3. 横展開の検討 振り返り・横展開 43
- 44. 最適な状態の定義と運用の設計 参照がされていないのに存在するテーブルは金額 を提示した上で、要る/ 要らない。必要期間をヒア リング クエリスキャン量については、個人/ レポートレベル で調査し、ヒアリング ※数値やヒアリング内容は仮のもの 不要なテーブルヒアリングの例 BigQuery 利用状態のヒアリングの例 44
- 45. 最適な状態の定義と運用の設計 現在の成果 1. 非効率なクエリの発見と改善 • RAWテーブルへの頻繁参照されるクエリを発見 • 中間集計の開発中 2. 巨大な参照されていないテーブルの探索と是正 • オンプレからの移行に伴い取得されていたテーブル • 合計すると数百 TB のテーブルであったため是正対応 • 不要テーブルは削除 • 必要な場合も time_partitioning_expiration を適切に設定 • 1 つのプロジェクトで年間約 200 万程度の削減 45
- 46. BigQuery コスト最適化のための挑戦 さらなる最適化のために BigQueryReservations の活用を検討 • BigQuery Reservations では分単位での Flex Slots の割当が可能 • ワークロード毎、プロジェクト毎に 割り当てる Slots を柔軟にコントロール • 100 Slots / hour あたり 4$ (2020/9 現在） 46 BigQuery (分析データ） Project A バッチ実行 BI ツール Adhoc BigQuery (分析データ） Project B バッチ実行 BI ツール Adhoc Assignment 1500 Slot BQ Reservations management project Assignment 500 Slot Capacity Commitment 2000 Slot 46
- 47. 最適な BigQuery Reservations適用を検討 • ワークロード問わず実行プロジェクトが同一なため、 必要な Slots に波がある • Slots の Capacity 適用によるデータ提供時間の遅延も最小限に • 時間帯毎に最適な Slots の適用が、データ提供時間とコストメリットを両立させる BigQuery コスト最適化のための挑戦 バッチ時間帯 バッチ時間業務時間帯( BI / Adhoc )
- 48. オンデマンドより BigQuery Reservationsのコストメリットのある時間を可視化 • BigQuery の監査情報から時間を調査 • オンデマンドクエリコスト（5$ * 実際のスキャンTB ) - Reservation コスト( 時間当たりのFlex Slots コスト $ * 実際の slots 消費量) BigQuery コスト最適化のための挑戦 このプロジェクトでは、BigQuery Reservations のコストメリットが高い 時間帯が固定的＝ つまりバッチ時間の可能性が高い 48
- 49. BigQuery コスト最適化のための挑戦 Slots の購入 （commitment) Reservationの作成 Project を Reservation へ割当 Create BigQuery Reservations Reservation から Project の割当を削除 Reservation の削除 Slots commitment の 削除 Management Project Delete BigQuery Reservations Management Project Assignment Project FlatRate Query Reservation を削除する際に、 create時 に生成された名前を利用するため、 GCS に管理情報として保管する BigQuery Reservations 検証環境 時刻起動 時刻起動 49
- 50. BigQuery コスト最適化のための挑戦 BigQuery Reservations利用の現在と今後について • 現在は、環境構築および開発が完了しており、本番環境で検証を実施中 • 本格適用に向けての検討も行っている • Project 毎の Reservation 適用有無、 割当 Slot 、 スケジュールの管理方法 • Adhoc に大量のスキャンが想定される場合のインタフェースの提供 ゆくゆくは • Slot 消費量、スキャン量のログから ML モデルを作成し自律的な適用へ 50
- 51. BQドクターの現在と今後の展望 可視化・ 診断項目の設計 統合環境の 構築 運用設計・ 開発 評価 今後 ・必要に応じデータ収集 ・運用プロセスの磨き込み ・運用の自動化機能の開発 ・BigQuery Reservationsの本格適用 ・生産性 / セキュリティに 関する情報・示唆を得るための開発 ・zetaSQL , Data lineage ・IAM Recommender ・約 100 プロジェクトの 統合環境の構築が完了 ・コストおよび BigQuery の 使われ方、状態を可視化・診断 ・定期的な調査 / 診断 / 是正のス キーム確立 51
- 52. この section のまとめ ●DeNA のデータプラットフォームで発生した課題 ○ 分析環境を分離することで柔軟になったが、 非効率な利用に気づき辛く なった ● 課題に対するガバナンス強化の取り組み ○ BQ ドクター活動にて、最適を定義し横断でモニタリング・是正を行う 環境・ 枠組みを作る事ができた ○ 生産性 / セキュリティを高めるための最適の定義と、可視化・診断のための 活動は 引き続き行う ○ BigQuery Reservations の適用に向けて、検討・開発を引き続き行う 52
- 53.
- 54. 本日お話したこと 54 DeNA のデータプラットフォーム データの民主化を目指して データプラットフォーム ガバナンス強化の取り組み 1 2 3 サービス毎に分離したGCP プロジェクトの設計、データプラットフォームの提供 データプラットフォームに Looker を導入しデータの民主化を促進 これまでデータ活用が進まなかった部署へデータ活用を推進 BQ ドクター にてデータプラットフォームを常に最適な状態に近づける活動の紹介
- 55. DeNA Tech のTwitter アカウントでは、 DeNA のエンジニアリングに関する 登壇資料やブログを紹介しています！ ぜひ Twitter をフォローしてみてください！ 55