メインコンテンツへジャンプ
ログイン
      • Databricks を知る
        • エグゼクティブ向け
          • スタートアップ向け
            • レイクハウスアーキテクチャ
              • Mosaic Research
              • 導入事例
                • 注目の導入事例
                • パートナー
                  • クラウドプロバイダ
                    Databricks on AWS、Azure、GCP
                    • コンサルティング・SI
                      Databricks の構築・デプロイ、Databricks への移行のエキスパート
                      • 技術パートナー
                        既存のツールをレイクハウスに接続
                        • C&SI パートナー
                          レイクハウスの構築・デプロイメント、レイクハウスへの移行
                          • データパートナー
                            データコンシューマーのエコシステムにアクセス
                            • パートナーソリューション
                              業界・移行のニーズに応じたカスタムソリューション
                              • Databricks で構築
                                ビジネスの創造・マーケティング・成長
                              • Databricks プラットフォーム
                                • プラットフォームの概要
                                  データ・分析・AI のための統合プラットフォーム
                                  • データ管理
                                    データの信頼性・セキュリティ・パフォーマンス
                                    • 共有
                                      オープン、セキュア、ゼロコピーでのデータ共有
                                      • データウェアハウジング
                                        バッチ、ストリーミングデータのための ETL とオーケストレーション
                                        • ガバナンス
                                          データ・分析・AI のための統合ガバナンス
                                          • データエンジニアリング
                                            バッチ、ストリーミングデータのための ETL とオーケストレーション
                                            • 人工知能(AI)
                                              ML と生成 AI アプリケーションの構築とデプロイメント
                                              • データサイエンス
                                                データサイエンスの大規模な連携
                                                • BI
                                                  実世界データのインテリジェント分析
                                                  • アプリケーション開発
                                                    安全なデータと AI アプリを迅速に構築
                                                    • データベース
                                                      データアプリとAIエージェントのための Postgres
                                                    • 統合とデータ
                                                      • マーケットプレイス
                                                        データ、分析、AI のためのオープンマーケットプレイス
                                                        • IDE 統合
                                                          お気に入りの IDE(統合開発環境)でレイクハウスを構築
                                                          • パートナーコネクト
                                                            Databricks エコシステムの検索と統合
                                                          • ご利用料金
                                                            • Databricks のご利用料金
                                                              料金設定、DBU、その他
                                                              • コスト計算ツール
                                                                クラウド利用でのコンピュートコストの試算
                                                              • オープンソース
                                                                • オープンソーステクノロジー
                                                                  プラットフォームを支えるイノベーションをもっと詳しく
                                                                • 業界向け Databricks
                                                                  • 通信
                                                                    • メディア・エンターテイメント
                                                                      • 金融サービス
                                                                        • 官公庁・公共機関
                                                                          • 医療・ライフサイエンス
                                                                            • リテール・消費財
                                                                              • 製造
                                                                                • 全て見る
                                                                                • クロスインダストリーソリューション
                                                                                  • AI Agents
                                                                                    • サイバーセキュリティ
                                                                                      • マーケティング
                                                                                      • 移行・デプロイメント
                                                                                        • データの移行
                                                                                          • プロフェッショナルサービス
                                                                                          • ソリューションアクセラレータ
                                                                                            • ソリューションアクセラレータ一覧
                                                                                              成果を加速
                                                                                            • トレーニング・認定試験
                                                                                              • トレーニング概要
                                                                                                ニーズに合わせたカリキュラムを探す
                                                                                                • Databricks アカデミー
                                                                                                  Databricks ラーニングプラットフォームにサインインする
                                                                                                  • 認定
                                                                                                    スキル・認定で差別化を図る
                                                                                                    • 無料版
                                                                                                      専門家向けデータとAIツールを無料で学べます
                                                                                                      • 大学との連携
                                                                                                        Databricks を教材として活用
                                                                                                      • イベント
                                                                                                        • DATA+AI サミット
                                                                                                          • Data+AI ワールドツアー
                                                                                                            • Data Intelligence Days
                                                                                                              • イベントカレンダー
                                                                                                              • ブログ・ポッドキャスト
                                                                                                                • Databricks ブログ
                                                                                                                  最新情報、製品発表、その他の情報
                                                                                                                  • Databricks Mosaic AIリサーチブログ
                                                                                                                    AI世代に関する最新リサーチ
                                                                                                                    • Data Brew ポッドキャスト
                                                                                                                      ご相談・お問い合わせ
                                                                                                                      • ポッドキャスト:Data+AI のチャンピオン
                                                                                                                        イノベーションを支えるデータリーダーのインサイト
                                                                                                                      • お役立ちリソース
                                                                                                                        • カスタマーサポート
                                                                                                                          • ドキュメント
                                                                                                                            • コミュニティ
                                                                                                                            • もっと詳しく
                                                                                                                              • リソースセンター
                                                                                                                                • デモセンター
                                                                                                                                  • アーキテクチャ センター
                                                                                                                                  • 企業概要
                                                                                                                                    • Databricks について
                                                                                                                                      • 経営陣
                                                                                                                                        • Databricks Ventures
                                                                                                                                          • ご相談・お問い合わせ
                                                                                                                                          • 採用情報
                                                                                                                                            • 採用情報概要
                                                                                                                                              • 求人情報
                                                                                                                                              • プレス・ニュース記事
                                                                                                                                                • ニュースルーム
                                                                                                                                                  • 受賞歴と業界評価
                                                                                                                                                  • セキュリティと信頼
                                                                                                                                                    • セキュリティと信頼
                                                                                                                                                • 是非ご検討ください!
                                                                                                                                                • デモを見る
                                                                                                                                                • ログイン
                                                                                                                                                • ご相談・お問い合わせ
                                                                                                                                                • Databricks 無料トライアル
                                                                                                                                                1. ブログ
                                                                                                                                                2. /
                                                                                                                                                  官公庁・公共機関
                                                                                                                                                3. /
                                                                                                                                                  記事

                                                                                                                                                リンク不可能なものを繋げる:Databricks ARCによるシンプルで自動化されたスケーラブルなデータリンク

                                                                                                                                                Linking the unlinkables; simple, automated, scalable data linking with Databricks ARC

                                                                                                                                                Published: February 6, 2024

                                                                                                                                                官公庁・公共機関1分未満

                                                                                                                                                ロバート・ウィフィン、マルチェル・フェレンツ、ミロシュ・コリック による投稿

                                                                                                                                                この投稿を共有する

                                                                                                                                                最新の投稿を通知します

                                                                                                                                                2023年4月にDatabricks ARCのリリースを発表し、単一テーブル内のデータをシンプルに自動リンクできるようになりました。 本日、オープンでスケーラブル、かつシンプルなフレームワークを使用して、2つの異なるテーブル間のリンクを検索できる機能強化を発表しました。 英国司法省が開発し、ARCのリンクエンジンとして機能するSplinkは、強力でオープンで説明可能なエンティティ解決パッケージを提供するために存在します。

                                                                                                                                                2つの異なるテーブルの間に共通のフィールドがあり、そのフィールドがテーブル間の直接のリンクとなります。 同じNIナンバー(英国の国民保険番号)を持つ2つの記録は同一人物であるはずです。 しかし、このような共通のフィールドがないデータをどのようにリンクするのでしょうか? あるいは、データの質が悪い場合ですか? NIナンバーが同じだからといって、誰かが書き間違えたとは限りません。 このような場合、確率的データリンク、つまりファジーマッチングの領域に入ります。 下の図は、2つのテーブルをリンクしてより完全なビューを作成できるが、リンクするための共通キーがない場合を示しています:

                                                                                                                                                明らかに、これらのテーブルには同じ人物の情報が含まれています。 しかし、この2つの間に共通のフィールドがなければ、現在のデータと過去のデータをリンクさせる方法をプログラムで決定することはできません。

                                                                                                                                                従来、この問題を解決するには、熟練した開発者グループが時間をかけて丹念に手書きしたハードコード化されたルールに頼っていました。 上記の場合、出生年と姓を比較するような単純なルールは機能しますが、このアプローチは数百万レコードにまたがる多くの異なる属性がある場合にはスケールしません。 必然的に起こるのは、何百、何千ものユニークなルールを持つ、理解不能なほど複雑なコードの開発です。 その結果、システムはもろくなり、拡張しにくくなり、さらに変更しにくくなります。 このようなシステムの主要な保守担当者が退職すると、組織はかなりのリスクと技術的負債を抱えたブラックボックス・システムを抱えることになります。

                                                                                                                                                確率的リンクシステムは、レコード間の統計的類似性を意思決定の基礎として使用します。 機械学習(ML)システムとして、2つのレコードが十分に類似している場合の手動指定に頼らず、代わりにデータから類似度のしきい値を学習します。 教師ありMLシステムは、同じレコード(AppleとAple)とそうでないレコード(AppleとOrange)の例を使用して、モデルが見たことのないレコードペア(AppleとPear)に適用できる一般的なルールセットを定義することで、これらのしきい値を学習します。 教師なしシステムにはこの要件はなく、代わりに基礎となるレコードの類似性だけを見ます。 ARCは、標準とヒューリスティックを適用することで、この教師なしアプローチを簡素化し、手動でルールを定義する必要性を排除します。代わりに、より緩やかなルールセットを使用することを選択し、どのルールが良いかを見極めるハードワークをコンピュータに任せます。

                                                                                                                                                ARCで2つのデータセットをリンクするには、わずか数行のコードが必要です:

                                                                                                                                                この画像は、ARCが誤字や列の入れ違いがあるにもかかわらずレコードをリンク(合成!)していることを強調しています。1行目では、名字と名前に誤字であるだけでなく、列が入れ替わっています。

                                                                                                                                                ARCとのリンクが役立つ分野

                                                                                                                                                ARCとの自動化された労力の少ないリンクにより、さまざまな機会が生まれます:

                                                                                                                                                • 移行と統合にかかる時間とコストを削減
                                                                                                                                                  • 課題:成熟したシステムには必ず重複データが存在します。 これらのデータセットとそのパイプラインを維持することは、不必要なコストと、例えばPIIデータの安全でないコピーなど、類似したデータのコピーを複数持つことによるリスクを生み出します。
                                                                                                                                                  • ARCの利点:ARCを使用すると、テーブル間の類似性を自動的に定量化できます。 つまり、重複するデータやパイプラインをより迅速かつ低コストで特定できるため、新しいシステムの統合や古いシステムの移行にかかる時間を短縮できます。
                                                                                                                                                • 省庁間および政府間の協力の実現
                                                                                                                                                  • 課題:国、自治体、地方政府の間でデータを共有するスキルに課題があり、これが政府のあらゆる分野でデータを公共の利益のために活用する能力を妨げています。 COVID-19のパンデミックの際にデータを共有できたことは、政府の対応にとって極めて重要でしたし、データ共有は2020年英国国家データ戦略の5つのミッションを貫く柱です。
                                                                                                                                                  • ARCの利点:ARCは、スキルの障壁を低くすることで、データリンクの民主化を実現します。 さらに、ARCは、強力なリンキングエンジンであるSplinkの学習曲線を緩和するために使用することができます。
                                                                                                                                                • データの特性に合わせたモデルでデータをリンク
                                                                                                                                                  • 課題:時間がかかり、高価なリンクモデルは、多くの異なるプロファイルのデータにわたって一般化できるモデルを構築しようとする動機を生み出します。 一般的なモデルは、専門的なモデルよりも性能が劣るというのが定説ですが、モデルトレーニングの現実は、しばしばリンクプロジェクトごとにモデルをトレーニングすることを妨げます。
                                                                                                                                                  • ARCの利点:ARCの自動化は、特定のデータセットをリンクするように訓練された特殊なモデルを、最小限の人的作業で大規模に展開できることを意味します。 これにより、データリンクプロジェクトの障壁が大幅に低くなります。

                                                                                                                                                ARCへの自動データリンクの追加は、エンティティ解決とデータ統合の領域への重要な貢献です。 共通のキーなしでデータセットを接続することで、公共部門はデータの真の力を活用し、内部の革新とモダナイゼーションを推進し、市民により良いサービスを提供することができます。 ARC GitHubリポジトリからDatabricks Repoにクローンできるサンプルノートブックを試して、今すぐ始めることができます。ARCは完全にオープンソースのプロジェクトであり、PyPiで利用可能で、pipでインストールすることができます。

                                                                                                                                                正確さ - リンクするか、しないか

                                                                                                                                                実社会におけるデータリンクの長年の課題は正確さです。 すべてのリンクが正しいかどうかをどうやって知るのでしょうか? リンケージモデルを完全に評価する唯一の方法は、すべてのレコードのリンクが事前に分かっている参照データセットがあることです。 つまり、モデルから予測されたリンクを既知のリンクと比較し、精度の指標を算出することができます。

                                                                                                                                                連鎖モデルの精度を測定する一般的な方法は3つあります:精度(Precision)、再現率(Recall)、F1スコアです。

                                                                                                                                                • 精度:予測したリンクの何パーセントが正しいか?
                                                                                                                                                • 再現率:モデルはリンク全体のうち、どの程度の割合を見つけたか?
                                                                                                                                                • F1スコア:精度と再現率をブレンドした指標で、低い値ほど重視される。 つまり、高いF1スコアを達成するためには、モデルは精度と再現率に優れていなければならない。

                                                                                                                                                しかし、これらのメトリクスは、真のリンクを示すラベルのセットにアクセスできる場合にのみ適用できます。 データリンクのコストを下げるために、可能な限りラベルなしで作業したいのですが、ラベルがなければリンクモデルを客観的に評価することができません。

                                                                                                                                                ARCの性能を評価するために、FEBRLを使用して3万件の重複を含む13万件のレコードからなる合成データセットを作成しました。 これは2つのファイルに分割されました - 100,000のクリーンなレコードと、それらとリンクする必要のある30,000のレコードです。 2つのデータセットをリンクさせる際には、先に説明した教師なしメトリックを使用します。 私たちは、上記の各データセットについて100回の実行を行い、予測値のF1スコアを最適化プロセスに含めずに、私たちのメトリックのみを最適化して、仮説を検証しました。 下のグラフは、横軸に私たちの指標、縦軸に経験的F1スコアの関係を示しています。

                                                                                                                                                この2つの間には正の相関が見られ、ハイパーパラメータの最適化によって予測クラスターのメトリックを増加させることが、より精度の高いモデルにつながることを示しています。 これにより、ARCはラベル付けされたデータを提供することなく、時間の経過とともに強力なベースラインモデルに到達することができます。 このことは、ラベル付けされたデータがない状態で私たちのメトリックを最大化することが、正しいデータリンクの良い代理であることを示唆する強力なデータポイントを提供します。

                                                                                                                                                ARC GitHub リポジトリを Databricks Repo にクローンした後、サンプルノートブックを実行するだけで、今日の ARC データリンクを開始できます。 このレポにはコードだけでなくサンプルデータも含まれており、たった数行のコードで2つの異なるデータセットをリンクしたり、1つのデータセットを重複排除したりする方法のウォークスルーが示されています。 ARCは完全にオープンソースのプロジェクトであり、PyPiからPipインストールが可能です。

                                                                                                                                                技術的な付録 - Arcはどのように機能するか?

                                                                                                                                                Arcの仕組み、最適化する指標、最適化の方法について詳しくは、https://databricks-industry-solutions.github.io/auto-data-linkage/ のドキュメントをご覧ください。

                                                                                                                                                ARC GitHub リポジトリを Databricks Repo にクローンした後、サンプルノートブックを実行するだけで、今日の ARC データリンクを開始できます。 このレポにはコードだけでなくサンプルデータも含まれており、たった数行のコードで2つの異なるデータセットをリンクしたり、1つのデータセットを重複排除したりする方法のウォークスルーが示されています。 ARCは完全にオープンソースのプロジェクトであり、PyPiからPipインストールが可能です。

                                                                                                                                                最新の投稿を通知します

                                                                                                                                                この投稿を共有する

                                                                                                                                                Databricksの投稿を見逃さないようにしましょう

                                                                                                                                                興味のあるカテゴリを購読して、最新の投稿を受信トレイに届けましょう

                                                                                                                                                Sign up

                                                                                                                                                次は何ですか?

                                                                                                                                                US Air Force Hackathon: How Large Language Models Will Revolutionize USAF Flight Test

                                                                                                                                                官公庁・公共機関

                                                                                                                                                February 9, 2024/1分未満

                                                                                                                                                米空軍ハッカソン:大規模言語モデルが米空軍の飛行試験にどのような革命をもたらすか

                                                                                                                                                Strengthening Cyber Resilience through Efficient Data Management: A Response to M-21-31

                                                                                                                                                パートナー

                                                                                                                                                February 22, 2024/1分未満

                                                                                                                                                効率的なデータ管理によるサイバー耐性の強化:M-21-31への対応

                                                                                                                                                databricks logo
                                                                                                                                                Databricks を選ぶ理由
                                                                                                                                                Databricks を選ぶ理由
                                                                                                                                                • エグゼクティブ向け
                                                                                                                                                • スタートアップ向け
                                                                                                                                                • レイクハウスアーキテクチャ
                                                                                                                                                • Mosaic Research
                                                                                                                                                導入事例
                                                                                                                                                • 注目の導入事例
                                                                                                                                                パートナー
                                                                                                                                                • クラウドプロバイダ
                                                                                                                                                • 技術パートナー
                                                                                                                                                • データパートナー
                                                                                                                                                • Databricks で構築
                                                                                                                                                • コンサルティング・SI
                                                                                                                                                • C&SI パートナー
                                                                                                                                                • パートナーソリューション
                                                                                                                                                Databricks を選ぶ理由
                                                                                                                                                • エグゼクティブ向け
                                                                                                                                                • スタートアップ向け
                                                                                                                                                • レイクハウスアーキテクチャ
                                                                                                                                                • Mosaic Research
                                                                                                                                                導入事例
                                                                                                                                                • 注目の導入事例
                                                                                                                                                パートナー
                                                                                                                                                • クラウドプロバイダ
                                                                                                                                                • 技術パートナー
                                                                                                                                                • データパートナー
                                                                                                                                                • Databricks で構築
                                                                                                                                                • コンサルティング・SI
                                                                                                                                                • C&SI パートナー
                                                                                                                                                • パートナーソリューション
                                                                                                                                                製品
                                                                                                                                                レイクハウスプラットフォーム
                                                                                                                                                • プラットフォーム
                                                                                                                                                • 共有
                                                                                                                                                • データガバナンス
                                                                                                                                                • 人工知能(AI)
                                                                                                                                                • DBRX
                                                                                                                                                • データベース
                                                                                                                                                • データ管理
                                                                                                                                                • データウェアハウス
                                                                                                                                                • データエンジニアリング
                                                                                                                                                • データサイエンス
                                                                                                                                                • アプリケーション開発
                                                                                                                                                ご利用料金
                                                                                                                                                • 料金設定の概要
                                                                                                                                                • 料金計算ツール
                                                                                                                                                オープンソース
                                                                                                                                                統合とデータ
                                                                                                                                                • マーケットプレイス
                                                                                                                                                • IDE 統合
                                                                                                                                                • パートナーコネクト
                                                                                                                                                レイクハウスプラットフォーム
                                                                                                                                                • プラットフォーム
                                                                                                                                                • 共有
                                                                                                                                                • データガバナンス
                                                                                                                                                • 人工知能(AI)
                                                                                                                                                • DBRX
                                                                                                                                                • データベース
                                                                                                                                                • データ管理
                                                                                                                                                • データウェアハウス
                                                                                                                                                • データエンジニアリング
                                                                                                                                                • データサイエンス
                                                                                                                                                • アプリケーション開発
                                                                                                                                                ご利用料金
                                                                                                                                                • 料金設定の概要
                                                                                                                                                • 料金計算ツール
                                                                                                                                                統合とデータ
                                                                                                                                                • マーケットプレイス
                                                                                                                                                • IDE 統合
                                                                                                                                                • パートナーコネクト
                                                                                                                                                ソリューション
                                                                                                                                                業種別
                                                                                                                                                • 通信
                                                                                                                                                • 金融サービス
                                                                                                                                                • 医療・ライフサイエンス
                                                                                                                                                • 製造
                                                                                                                                                • メディア・エンタメ
                                                                                                                                                • 官公庁・公共機関
                                                                                                                                                • リテール・消費財
                                                                                                                                                • 全て表示
                                                                                                                                                クロスインダストリーソリューション
                                                                                                                                                • サイバーセキュリティ
                                                                                                                                                • マーケティング
                                                                                                                                                データの移行
                                                                                                                                                プロフェッショナルサービス
                                                                                                                                                ソリューションアクセラレータ
                                                                                                                                                業種別
                                                                                                                                                • 通信
                                                                                                                                                • 金融サービス
                                                                                                                                                • 医療・ライフサイエンス
                                                                                                                                                • 製造
                                                                                                                                                • メディア・エンタメ
                                                                                                                                                • 官公庁・公共機関
                                                                                                                                                • リテール・消費財
                                                                                                                                                • 全て表示
                                                                                                                                                クロスインダストリーソリューション
                                                                                                                                                • サイバーセキュリティ
                                                                                                                                                • マーケティング
                                                                                                                                                リソース
                                                                                                                                                ドキュメント
                                                                                                                                                カスタマーサポート
                                                                                                                                                コミュニティ
                                                                                                                                                トレーニング・認定試験
                                                                                                                                                • トレーニング
                                                                                                                                                • 認定
                                                                                                                                                • 無料版
                                                                                                                                                • 大学との連携
                                                                                                                                                • Databricks アカデミー
                                                                                                                                                イベント
                                                                                                                                                • DATA+AI サミット
                                                                                                                                                • Data+AI ワールドツアー
                                                                                                                                                • Data Intelligence Days
                                                                                                                                                • イベントカレンダー
                                                                                                                                                ブログ・ポッドキャスト
                                                                                                                                                • Databricks ブログ
                                                                                                                                                • Databricks Mosaic AIリサーチブログ
                                                                                                                                                • Data Brew ポッドキャスト
                                                                                                                                                • Data+AI のチャンピオンシリーズ
                                                                                                                                                トレーニング・認定試験
                                                                                                                                                • トレーニング
                                                                                                                                                • 認定
                                                                                                                                                • 無料版
                                                                                                                                                • 大学との連携
                                                                                                                                                • Databricks アカデミー
                                                                                                                                                イベント
                                                                                                                                                • DATA+AI サミット
                                                                                                                                                • Data+AI ワールドツアー
                                                                                                                                                • Data Intelligence Days
                                                                                                                                                • イベントカレンダー
                                                                                                                                                ブログ・ポッドキャスト
                                                                                                                                                • Databricks ブログ
                                                                                                                                                • Databricks Mosaic AIリサーチブログ
                                                                                                                                                • Data Brew ポッドキャスト
                                                                                                                                                • Data+AI のチャンピオンシリーズ
                                                                                                                                                企業情報
                                                                                                                                                企業概要
                                                                                                                                                • Databricks について
                                                                                                                                                • 経営陣
                                                                                                                                                • Databricks Ventures
                                                                                                                                                • ご相談・お問い合わせ
                                                                                                                                                採用情報
                                                                                                                                                • 採用情報概要
                                                                                                                                                • 求人情報
                                                                                                                                                プレス・ニュース記事
                                                                                                                                                • ニュースルーム
                                                                                                                                                • 受賞歴と業界評価
                                                                                                                                                セキュリティと信頼
                                                                                                                                                企業概要
                                                                                                                                                • Databricks について
                                                                                                                                                • 経営陣
                                                                                                                                                • Databricks Ventures
                                                                                                                                                • ご相談・お問い合わせ
                                                                                                                                                採用情報
                                                                                                                                                • 採用情報概要
                                                                                                                                                • 求人情報
                                                                                                                                                プレス・ニュース記事
                                                                                                                                                • ニュースルーム
                                                                                                                                                • 受賞歴と業界評価
                                                                                                                                                databricks logo

                                                                                                                                                Databricks Inc.
                                                                                                                                                160 Spear Street, 15th Floor
                                                                                                                                                San Francisco, CA 94105
                                                                                                                                                1-866-330-0121

                                                                                                                                                採用情報

                                                                                                                                                © Databricks 2025. All rights reserved. Apache, Apache Spark, Spark and the Spark logo are trademarks of the Apache Software Foundation.

                                                                                                                                                • プライバシー通知
                                                                                                                                                • |利用規約
                                                                                                                                                • |現代奴隷法に関する声明
                                                                                                                                                • |カリフォルニア州のプライバシー権利
                                                                                                                                                • |プライバシー設定