Oracle Analytics Cloud (OAC)

解決する課題

各部門がスプレッドシートや個別ツールでバラバラにレポートを作る「サイロ化したレポーティング」から脱却し、データへの接続・準備から可視化・配信までを単一のクラウド基盤に集約できます。

• 複数のデータソース（DB・データウェアハウス・ファイル・SaaS）を横断して可視化したい
• IT 部門に依頼せず、現場がセルフサービスでダッシュボードを作成・共有したい
• 既存の Oracle BI Enterprise Edition（OBIEE）資産をクラウドへ移行したい
• 自然言語の問い合わせや機械学習による**予測・異常検知（拡張分析）**を分析に組み込みたい

AWS では Amazon QuickSight が同じ領域を担います。OAC は QuickSight よりもエンタープライズ BI（共有メタデータ層・ピクセルパーフェクトな帳票）に寄った機能を併せ持つのが特徴です。

主要概念と用語

• OAC インスタンス: 分析環境の実体。**キャパシティ（OCPU 数）**を指定して作成し、その範囲でユーザー・ワークブックを動かす。AWS QuickSight が SaaS でインスタンスを意識しないのに対し、OAC は明示的にインスタンスを払い出す
• ワークブック（Workbook）／キャンバス（Canvas）: ビジュアライズの単位。1 つのワークブック内に複数のキャンバス（ページ）を持ち、グラフ・表・フィルタを配置する。QuickSight のダッシュボード／分析に近い
• データセット（Dataset）: 分析対象のデータ定義。データソースへの接続とテーブル／列・結合・データ準備手順を含む。QuickSight のデータセット／SPICE 取り込みに相当
• セマンティックモデル（Semantic Model）／RPD: 物理データを業務用語（ディメンション・メジャー・階層）へ写像する共有メタデータ層。OBIEE 由来の概念で、組織で一貫した指標定義を提供する
• データフロー（Data Flow）: 抽出・変換・結合・機械学習適用などの前処理パイプラインをコードレスで組み立てる機能
• 拡張分析（Augmented Analytics）: 自然言語質問、自動インサイト、説明（Explain）、機械学習モデル適用などの AI 支援機能群
• ピクセルパーフェクト帳票（Pixel-Perfect / BI Publisher）: 帳票レイアウトを精密に制御する定型レポート機能。請求書・規制報告書などに使う

仕様・制限・クォータ

• インスタンスはキャパシティ（OCPU 数）単位でサイズを決め、利用量に合わせてスケールアップ／ダウンできる。同時アクティブユーザー数やクエリ負荷が増えたらキャパシティを引き上げる
• 接続できるデータソースは多種多様で、Autonomous Database / Oracle Database / MySQL HeatWave などの OCI データベースに加え、各種 RDB・データウェアハウス・SaaS・ファイル（CSV/Excel）をサポートする
• 大量データはソース DB へライブクエリするか、OAC 内へ**取り込んで（キャッシュ）**処理するかを選べる。QuickSight の SPICE のような専用インメモリエンジン名は用語として持たないが、取り込みキャッシュで応答性を高められる
• ユーザー・ロール・権限はテナンシの **IAM／IDCS（アイデンティティドメイン）**と統合して管理する
• 1 インスタンスあたりのデータセット数・接続数・取り込み量などにはサービス上の上限があり、テナンシ／リージョン単位のクォータとして管理される（上限の引き上げはサービスリクエストで申請）

内部の仕組み

OAC は、データソースへの接続層、業務用語へ写像するセマンティックモデル層、ビジュアライズのプレゼンテーション層を 1 つのマネージドインスタンス上で提供します。ユーザーがワークブックを開くと、OAC はデータセットの定義に従い、ソース DB へ直接クエリを発行するか、取り込み済みキャッシュを参照して結果を描画します。

• 接続とクエリ: ライブ接続ではフィルタ条件をソース DB へプッシュダウンし、ソース側の性能を活かす。取り込み（キャッシュ）方式では一度 OAC 内へデータを取り込み、以後の操作を高速化する
• セマンティックモデル: 複数の物理テーブルを論理的なディメンション・メジャー・階層へまとめ、利用者は SQL を意識せずドラッグ＆ドロップで分析できる。OBIEE の RPD と互換性があり、既存資産を持ち込める
• 拡張分析: 自然言語クエリは入力文を解析してビジュアライズへ変換し、自動インサイトや Explain は統計・機械学習でデータの背景要因を提示する
• 配信: ダッシュボードはブラウザ・モバイルで共有し、ピクセルパーフェクト帳票はスケジュール配信（メール等）にも対応する

設計パターン / ベストプラクティス

• 共有指標はセマンティックモデルに集約する。各ワークブックで指標を再定義せず、組織共通の定義を一箇所で管理して「集計のブレ」を防ぐ
• ライブ接続と取り込みを使い分ける。ダッシュボードの応答性が重要な画面は取り込み、最新性が要る画面はライブ接続にする
• データフローで前処理を標準化する。結合・クレンジング・機械学習適用を再利用可能なパイプラインにまとめ、ワークブック側を軽く保つ
• ロールベースで配布する。閲覧者・作成者・管理者を IAM／アイデンティティドメインのグループで分け、最小権限でダッシュボードを共有する
• OCI データベースとの近接配置を活かす。Autonomous Database や HeatWave を分析ソースにすると、同一クラウド内の低レイテンシ・高帯域で大規模分析を行える
• 検証環境はインスタンス停止でコスト最適化する。常時稼働が不要な環境は業務時間外に停止する

運用・監視

• インスタンスのライフサイクル管理: 起動・停止・スケール（キャパシティ変更）をコンソール／CLI／API で実施。スケール操作中は一時的に利用できない時間が生じうるため計画的に行う
• OCI Monitoring 連携: インスタンスの稼働状況に関するメトリクスを Monitoring で監視し、しきい値超過時に Notifications で通知する。性能劣化や同時利用増はキャパシティ見直しのサインになる
• OCI Audit による監査: インスタンスの作成・停止・スケール・設定変更といった管理操作は OCI Audit に記録される
• バックアップと移行: セマンティックモデルやワークブックはスナップショットとしてエクスポート／インポートでき、環境間移行や復旧に使う
• 容量の見極め: 同時アクティブユーザーが増えダッシュボードの応答が鈍ったら、まずキャパシティ（OCPU）の引き上げを検討する

コスト

OAC は主にインスタンスのキャパシティ（OCPU 数）× 稼働時間で課金されます。SaaS でユーザー単位課金が基本の Amazon QuickSight とは課金モデルが異なり、OAC はインフラ（キャパシティ）課金である点が要点です。インスタンスを停止すればコンピュート課金を止められます。

セキュリティ

• IAM／アイデンティティドメインと統合したユーザー・グループ管理を行い、閲覧／作成／管理のロールを最小権限で割り当てる
• 転送時は TLS で保護され、保存データは暗号化される。データソースへの接続情報（資格情報）は安全に保管する
• ネットワーク分離: プライベート接続を構成し、VCN 内のデータソースへインターネットを経由せずアクセスする経路を取れる
• 行レベル・列レベルのデータ制御: セマンティックモデルやデータセットの権限で、ユーザーごとに見える行・列を制限できる
• 資格情報の取り扱い: データソースの接続資格情報は OAC の接続定義で安全に管理し、平文での共有や直書きは避ける

Well-Architected の観点

OAC は分析プラットフォームの運用を支える土台です。運用上の卓越性の観点では、ダッシュボード資産（セマンティックモデル・ワークブック）をスナップショットでバージョン管理・移行可能にし、環境差分を再現できる状態を保つことが重要です。

• 運用面: 指標定義をセマンティックモデルに集約して属人化を排し、スナップショットで開発・本番環境の構成を再現可能にする
• コスト面: インスタンスの停止・キャパシティ調整で稼働コストを需要に追従させる
• 性能面: ライブ接続と取り込みの選択、ソース DB の近接配置で応答性を確保する
• 信頼性面: スナップショットによるエクスポートで分析資産を復旧可能にする

試験で問われるポイント

関連サービス・比較

OAC は分析の「見せる層」で、データの「貯める層」である Autonomous Database や HeatWave、「流す層」である Streaming と組み合わせて使います。AWS の Amazon QuickSight と比較すると次の通りです。

ハンズオン / CLI例

# 1) OAC インスタンスを作成（キャパシティは OCPU 数で指定）
oci analytics analytics-instance create \
  --compartment-id "$COMPARTMENT_OCID" \
  --name "demo-oac" \
  --feature-set "ENTERPRISE_ANALYTICS" \
  --capacity '{"capacityType":"OLPU_COUNT","capacityValue":2}' \
  --license-type "LICENSE_INCLUDED" \
  --idcs-access-token "$IDCS_ACCESS_TOKEN"

# 2) インスタンスの一覧と状態を確認
oci analytics analytics-instance list \
  --compartment-id "$COMPARTMENT_OCID" \
  --query 'data[].{name:name,state:"lifecycle-state",url:"service-url"}' \
  --output table

# 3) 業務時間外はインスタンスを停止してコンピュート課金を抑える
oci analytics analytics-instance stop \
  --analytics-instance-id "$OAC_OCID"

# 4) 利用再開時に起動する
oci analytics analytics-instance start \
  --analytics-instance-id "$OAC_OCID"

# 5) 同時利用が増えたらキャパシティ（OCPU）をスケールアップ
oci analytics analytics-instance scale \
  --analytics-instance-id "$OAC_OCID" \
  --capacity '{"capacityType":"OLPU_COUNT","capacityValue":4}'