DataHub を使う

DataHub を使って作業する際には、一般的に次のステージを経ます。

1. データ探索（Data discovery）
   目的に基づき、社内外のデータソースを特定します。

   例えば、ユニットエコノミクス（単位あたりの収益性）を測定するためには、売上データ、売上原価（COGS）、顧客獲得コスト（CAC）、顧客生涯価値（CLV）が必要になる場合があります。これらのデータは、多くの場合、組織内外のさまざまな場所・チームに分散して存在しています。

2. データ抽出と検証（Data extraction and validation）
   関連するソースシステムから必要なデータだけを収集し、データが有効であり、さらなる分析に適していることを確認するために、その正確性と一貫性をチェックします。

3. メトリックとディメンションのモデリング（Metric and dimension modeling）
   利用シーンに合致したレポートになるよう、どのラベル・ディメンション・メトリクスを送信するかを決定します。

   まず、インポートする予定のデータを確認し、レポートをどのような構造にしたいかを検討してください。そこから、含めるべきディメンションと値を決定できます。適切なデータ粒度を設定することは、効果的な分析に役立つだけでなく、意図しないデータ開示のリスク軽減にもつながります。

4. データ変換（Data transformation） と データロード（Data loading）
   データを DataHub に送信します。

   • DataHub API または CSV ファイルを使用して、データをインポート できます。
   • DoiT に送信する前に、個人を特定できる情報（PII）をマスクするなど、データをサニタイズしてください。

5. データ分析と可視化（Data analysis and visualization）
   Cloud Intelligence の充実した FinOps 機能を活用して、組織のさまざまな側面を可視化し、データを実行可能なインサイトへと変換します。例えば、レポート、アロケーション、コスト分割、カスタムダッシュボード などがあります。

6. ポリシーとガバナンス（Policy and governance）
   最適なクラウド利用とコスト効率を維持するためのポリシーとガバナンスの仕組みを構築します。例えば、メトリクスを追跡し、重要なイベントや条件を通知で受け取るためのアラートを作成したり、計画した支出に対する実際の支出を追跡し、説明責任と予測可能な財務結果を確保するために予算を設定したりします。