IBM SPSS Modeler にRedshift のデータをシームレスに読み込む方法

こんにちは！リードエンジニアの杉本です。

本記事では、データサイエンティスト向けのツールとして有名なIBM SPSS Modeler でCData Driver を利用し、各種クラウドサービスのデータを取り込み、予測モデル作成につなげる方法を紹介したいと思います。

IBM SPSS Modeler とは？

IBMが提供するビジュアル・データサイエンスと機械学習（ML）のソリューションです。

SPSS Modeler はローコードで予測モデルの作成およびモデルの作成に必要なデータ加工などのプレパレーションを実施できます。今回の記事では、このSPSS Modeler にRedshift のデータを取り込んでみたいと思います。データの取得ができれば、予測モデルの作成などに自在に活用できます。

連携シナリオ

さて、今回の記事ではSPSS からRedshift に接続していきますが、このときに必要となるのがCData ODBC ドライバです。

SPSS にはODBC を経由して他サービスに接続する機能が標準提供されています。この機能とCData が提供しているODBC Drivers ラインナップを組み合わせることで、各種クラウドサービスのAPI やデータベースにシームレスにアクセスすることができるようになります。

とは言っても、説明だけではイメージできない部分もあると思うので、実際に連携を試してみましょう。

CData Redshift ODBC Driver のインストール

最初にCData Redshift ODBC Driver を対象のマシンにインストールします。

以下のページから30日間のトライアルがダウンロードできます。

インストーラーを入手後、対象のマシンでセットアップを進めていきます。

セットアップが完了すると接続設定画面が表示されるので、Redshift への認証に必要な情報を入力します。

Redshift への接続には次を設定します：

• Server: 接続するデータベースをホストしているクラスタのホスト名およびIP アドレス。
• Port: クラスタのポート。
• Database: データベース名、ブランクの場合ユーザーのデフォルトデータベースになります。
• User: ユーザー名。
• Password: ユーザーのパスワード。

Server およびPort の値はAWS の管理コンソールで取得可能です：

1. Amazon Redshift console (http://console.aws.amazon.com/redshift) を開く。
2. Clusters ページで、クラスタ名をクリック。
3. クラスタのConfiguration タブで、表示された接続文字列からクラスタのURL をコピーします。

   あとは「接続のテスト」ボタンをクリックし、接続が成功したら、「接続ウィザード」の「OK」ボタンをクリックして保存します。

   接続完了後、メタデータタブから利用できるテーブル・ビューの情報を確認できます。

   ここで予めRedshift のどのオブジェクト、項目を利用するか確認しておくと良いでしょう。

   SPSS Modeler を立ち上げて新規ストリームを作成

   それではSPSS Modeler を使ってRedshift のデータを取り込んでみましょう。

   Windows のスタートメニューから「IBM SPSS Modeler Subscription」を立ち上げて、新しいストリームを作成します。

   データベース入力を追加

   まず「入力」タブにある「データベース」をストリーム上に配置します。

   配置したアイコンをダブルクリックするとデータベースの接続設定画面が出てくるので、「データソース」から「新規データベース接続の追加」をクリックします。

   すると以下のようにODBC DSNの一覧が表示されるので、先程構成したRedshift のDSNを選択して、「接続」をクリックしましょう。

   ユーザー名・パスワードなどの認証情報は事前に入力してあるので、空白のままで構いません。これでRedshift への接続を確立できます。

   接続を追加したら、どんなデータを取り込むのか、テーブルまたはSQLクエリーで設定します。

   とりあえず手軽に取り込めるテーブル名での指定を行ってみます。「データの選択」をクリックします。

   表示されたテーブル・ビューの一覧から取り込みたい対象のテーブルを選択しましょう。

   フィルタリング・データ型の設定・データの取得

   あとはフィルター条件として、どの項目を取り込むかどうかという設定や、

   モデル作成の際に利用するデータ型やロールを設定すれば、データ取得の準備はOKです。

   データのプレビューを確認すると、以下のようにRedshift のデータを確認できました。

   せっかくなので、「データ検査」を実行してデータの傾向も確認してみましょう。

   以下のように各項目のデータの最小・最大・平均、有効な値かどうかなどが確認できます。

   このように、とてもシンプルな手順でRedshift のデータをSPSS Modeler に取り込むことができました。

   これで、予測モデル作成などより複雑なタスクにRedshift データを簡単に活用できます。

   おわりに

   このようにCData ODBC ドライバと併用することで、270を超えるSaaS、RDB、NoSQL データをSPSS Modeler からコーディングなしで扱うことができます。30日の無償評価版が利用できますので、ぜひ自社で使っているクラウドサービスやNoSQL と合わせて活用してみてください。

   CData ODBC ドライバは日本のユーザー向けに、UI の日本語化、ドキュメントの日本語化、日本語でのテクニカルサポートを提供しています。