移行ツール

VB6の.frmの書式はこんな感じ

      Begin VB.TextBox txt期間指定FROM
         BackColor       =   &H00FFFF80&
         BeginProperty Font
            Name            =   “ＭＳ ゴシック”
            Size            =   15.75
            Charset         =   128
            Weight          =   400
            Underline       =   0   ‘False
            Italic          =   0   ‘False
            Strikethrough   =   0   ‘False
         EndProperty
         Height          =   360
         IMEMode         =   3  ‘ｵﾌ固定
         Left            =   180
         MaxLength       =   10
         TabIndex        =   3
         Text            =   “2004/08/19″
         Top             =   240
         Width           =   1875
      End

• VB.TextBox　・・・これを引っ掛ければ、input text 変数とそのRequestに使えるな。
• Name　・・・STYLESHEETで使用するには、ある程度設計しておいた方が、よさそう。
• MaxLength ・・・ input maxlengthに使うか。
• TabIndex　・・・ カーソルの移動順番でもあり、HTMLでの記述順番を考慮しよう。Tableタグで変わったりもするけど。。。

そうそう、ボタンは「Begin VB.CommandButton」として宣言しているので、これにも対応しよう。

ちまたでは、

大量データを貯めこんで高速検索では、既に古い情報

今注目されているのは、

リアルタイム分析

googleで検索してみると、下記のような製品がヒットしました。

• 【PFI】Sedue for BigData　～ Jubatus派生 ～
• 【富士通】FUJITSU Software Interstage Terracotta BigMemory Max V4.0　～ Teracotta派生 ～
• 【OSS】Jubatus（ユバタス）
• 【SoftwareAG】Software AG Presto Real-Time Analytics Add-On With Terracotta BigMemory ～ Teracotta連携 ～
• 【IBM】IBM InfoSphere Streams
• 【HP】Vertica Analytics Platform

ひととおり見てみて、リアルタイム分析システムの特徴は以下のようになる。（と言い切っていいのだろうか）

1. ため込むのではなく、中継しながら分析する方式である。
2. 並行分散可能なソフトウェアである。
3. 大量データを扱う為、大量のメモリを消費する。

分析機能としては、

1. 大量データは試行錯誤したり、見方を変えながら分析をする事ができる。
2. １．のような分析をリアルタイムでする必要はない。
3. どのように事象が変化していくのかを分析する。
4. 大量データの分析とリアルタイム分析は、異なるものととらえるべき

もう少し踏み込む前にリアルタイム分析製品は、 Jubatus、Terracottaあたりが、主流のように見える。Jubatusはオープンソースという事もあり、ドキュメントが公開されている。

http://jubat.us/ja/index.html

上記サイトから

Jubatusの特徴

• 深い分析

Jubatusは、分類、回帰、統計、推薦、グラフマイニングなど多くの深い分析を実現しています。またバッチ型機械学習と同程度の学習精度を実現しています。

• スケーラビリティ

Jubatusは、廉価なコモディティサーバを多数並べた分散処理（スケールアウト）が可能です。理論的には100台程度までスケールアウトが可能です。Jubatusでは、コモディティサーバで10万qpsを超えるスケーラブルな機械学習を実現しています。

• リアルタイム

Jubatusは、データをためることなく瞬時に学習を行います。

Hadoopとの比較

Hadoop/MahoutとJubatusの間には多くの共通点があります。これらはスケーラブルで、コモディティサーバ上で動作します。

ストック型データに対する一括高速分析（バッチ処理）を得意とするHadoopは、機械学習がMapReduceパラダイムにあまり適合していないこともあり、洗練された機械学習機能を備えていません。Apache Mahout も Hadoop-based な機械学習プラットフォームですが、オンライン処理はスコープ外です。
Jubatusは、データ分析に特化しています。 Jubatusは、すべてのデータをメモリ上で処理し、オンラインで処理し、高いスループットと低いレイテンシを実現します。 この機能を実現するために、Jubatusは分散環境におけるゆるいモデルの共有と同期というアーキテクチャを採用しているのです。

最後に

JubatusではHadoopでもおなじみのZookeeperを使用して分散化をしている。この辺の特徴から、Hadoop(BIGデータ分析）、Jubatas(リアルタイム分析）の棲み分けも面白いが、サーバは別々に用意する必要がある為、ハードウェアというよりシステム管理面で共有する事になる。(OSS＋java)

Jubatusを提案するには、オンライン連携（中継）の方式、オンラインデータのフォーマット機能、分析機能とメンテナンス方式を理解し、構成を提示する事になるだろう。他の製品を進めるにも、このあたりの知識をメーカー、顧客と調整する必要がありそうだ。

用意したもの

• jdk-6u38-linux-x64-rpm.bin
• rpmforge-release-0.5.2-2.el5.rf.x86_64.rpm　　(必要なかったかも。。。）
• hadoop-1.1.1-1.x86_64.rpm　(本体)
• hadoop-1.1.1.tar.gz  (サンプルプログラムが欲しかった)

インストール

• rpm はroot ユーザで rpm -ivh でインストールする。
• hadoop-1.1.1.tar.gz は一般ユーザで解凍する。 ※誰でもいいのか不安だったので、上記で作成された mapred ユーザで解凍した。

月並みだけど、java のインストール後に JAVA_HOME の環境変数が必要です。私は面倒だったので、/etc/profile.d/java.sh を新規作成して、「export JAVA_HOME=/usr/java/latest」の１行のみ書いています。

hadoop-1.1.1-1.x86_64.rpm で作成されるもの

コマンド

hadoop                               hadoop-setup-conf.sh          hadoop-　　　validate-setup.sh
hadoop-create-user.sh         hadoop-daemons.sh             hadoop-setup-hdfs.sh
hadoop-daemon.sh              hadoop-setup-applications.sh  hadoop-setup-single-node.sh

hadoop コマンドや設定ファイルを作成してくれるもの、デーモン起動に使用するものがある。/usr/sbin や /usr/local/bin に作成される。

環境ファイル

/etc/hadoop が作成されます。よく解説にでてくる core-site.xml、hdfs-site.xml、mapred-site.xml がここに作成されます。

起動スクリプト

/etc/init.d/に各起動スクリプトが作成される。

hadoop-datanode  hadoop-historyserver  hadoop-jobtracker   hadoop-namenode  　　　　　hadoop-secondarynamenode  hadoop-tasktracker

この辺を起動するのだけど、hadoop の通信は結構あるので、iptables は停止した方が良い。

やったこと

• hadoop-create-user.sh
• hadoop-setup-single-node.sh
• hadoop-setup-hdfs.sh

上記を何も考えずに実行した。

• core-site.xml
• hdfs-site.xml
• mapred-site.xml

上記のlocalhostを全て 192.168.0.xxx のIPアドレスに変更した。あとで思えば、localhost のままでもいいものも、あったように思う。

• hadoop サービスの再起動。

順番は、/etc/rc3.d の記載順

/etc/rc3.d/S90hadoop-datanode start
/etc/rc3.d/S90hadoop-jobtracker start
/etc/rc3.d/S90hadoop-namenode start
/etc/rc3.d/S90hadoop-tasktracker start

• サイトアクセス

http://192.168.0.xxx:50070　　はHDS のWEBサービス

http://192.168.0.xxx:50030      は job tracker のWEBサービス

• テスト

hadoop-1.1.1.tar.gz を展開すると、下記のようなサンプル(？)が、展開される。

hadoop-ant-1.1.1.jar
hadoop-client-1.1.1.jar
hadoop-core-1.1.1.jar
hadoop-examples-1.1.1.jar
hadoop-minicluster-1.1.1.jar
hadoop-test-1.1.1.jar
hadoop-tools-1.1.1.jar

とりあえず、hadoop-examples-1.1.1.jar を maperd ユーザで実行してみる。

$ hadoop jar hadoop-examples-1.1.1.jar
An example program must be given as the first argument.
Valid program names are:
aggregatewordcount: An Aggregate based map/reduce program that counts the words in the input files.
aggregatewordhist: An Aggregate based map/reduce program that computes the histogram of the words in the input files.
dbcount: An example job that count the pageview counts from a database.
grep: A map/reduce program that counts the matches of a regex in the input.
join: A job that effects a join over sorted, equally partitioned datasets
multifilewc: A job that counts words from several files.
pentomino: A map/reduce tile laying program to find solutions to pentomino problems.
pi: A map/reduce program that estimates Pi using monte-carlo method.
randomtextwriter: A map/reduce program that writes 10GB of random textual data per node.
randomwriter: A map/reduce program that writes 10GB of random data per node.
secondarysort: An example defining a secondary sort to the reduce.
sleep: A job that sleeps at each map and reduce task.
sort: A map/reduce program that sorts the data written by the random writer.
sudoku: A sudoku solver.
teragen: Generate data for the terasort
terasort: Run the terasort
teravalidate: Checking results of terasort
wordcount: A map/reduce program that counts the words in the input files.

親切ですね。コマンドに何があるか教えてくれているみたい。。。本にも紹介されていた wordcount が簡単そう。。

$ hadoop jar hadoop-examples-1.1.1.jar wordcount
Usage: wordcount <in> <out>

さらなる引数を教えてくれた。INファイルをOUTディレクトリが必要らしい。INファイルはUNIXファイルシステムではない事に注意。

INファイルをアップします。

$ hadoop dfs -ls /
Found 2 items
drwxrwxrwx   – hdfs   supergroup          0 2012-12-24 22:25 /tmp
drwxr-xr-x   – hdfs   supergroup          0 2012-12-24 20:31 /user

二つのディレクトリがHDS上に存在するらしい、dfs は -ls 以外に -mkdirなどいろいろあります。

UNIXファイルをアップします。

$ hadoop dfs -put /etc/hosts /tmp/
-bash-3.2$ hadoop dfs -ls /tmp/
Found 1 items
-rw——-   3 mapred supergroup        238 2012-12-24 23:29 /tmp/hosts

ファイルがアップできたので、再度コマンドを実行します。

$ hadoop jar hadoop-examples-1.1.1.jar wordcount /tmp/hosts /tmp/output
12/12/24 23:32:13 INFO input.FileInputFormat: Total input paths to process : 1
12/12/24 23:32:13 INFO util.NativeCodeLoader: Loaded the native-hadoop library
12/12/24 23:32:13 WARN snappy.LoadSnappy: Snappy native library not loaded
12/12/24 23:32:13 INFO mapred.JobClient: Running job: job_201212242215_0005
12/12/24 23:32:14 INFO mapred.JobClient:  map 0% reduce 0%
12/12/24 23:32:29 INFO mapred.JobClient:  map 100% reduce 0%
12/12/24 23:32:36 INFO mapred.JobClient:  map 100% reduce 33%
12/12/24 23:32:37 INFO mapred.JobClient:  map 100% reduce 100%
12/12/24 23:32:38 INFO mapred.JobClient: Job complete: job_201212242215_0005
12/12/24 23:32:39 INFO mapred.JobClient: Counters: 29
12/12/24 23:32:39 INFO mapred.JobClient:   Job Counters
12/12/24 23:32:39 INFO mapred.JobClient:     Launched reduce tasks=1
12/12/24 23:32:39 INFO mapred.JobClient:     SLOTS_MILLIS_MAPS=13193
12/12/24 23:32:39 INFO mapred.JobClient:     Total time spent by all reduces waiting after reserving slots (ms)=0
12/12/24 23:32:39 INFO mapred.JobClient:     Total time spent by all maps waiting after reserving slots (ms)=0
12/12/24 23:32:39 INFO mapred.JobClient:     Launched map tasks=1
12/12/24 23:32:39 INFO mapred.JobClient:     Data-local map tasks=1
12/12/24 23:32:39 INFO mapred.JobClient:     SLOTS_MILLIS_REDUCES=8831
12/12/24 23:32:39 INFO mapred.JobClient:   File Output Format Counters
12/12/24 23:32:39 INFO mapred.JobClient:     Bytes Written=285
12/12/24 23:32:39 INFO mapred.JobClient:   FileSystemCounters
12/12/24 23:32:39 INFO mapred.JobClient:     FILE_BYTES_READ=395
12/12/24 23:32:39 INFO mapred.JobClient:     HDFS_BYTES_READ=338
12/12/24 23:32:39 INFO mapred.JobClient:     FILE_BYTES_WRITTEN=58367
12/12/24 23:32:39 INFO mapred.JobClient:     HDFS_BYTES_WRITTEN=285
12/12/24 23:32:39 INFO mapred.JobClient:   File Input Format Counters
12/12/24 23:32:39 INFO mapred.JobClient:     Bytes Read=238
12/12/24 23:32:39 INFO mapred.JobClient:   Map-Reduce Framework
12/12/24 23:32:39 INFO mapred.JobClient:     Map output materialized bytes=395
12/12/24 23:32:39 INFO mapred.JobClient:     Map input records=7
12/12/24 23:32:39 INFO mapred.JobClient:     Reduce shuffle bytes=395
12/12/24 23:32:39 INFO mapred.JobClient:     Spilled Records=52
12/12/24 23:32:39 INFO mapred.JobClient:     Map output bytes=343
12/12/24 23:32:39 INFO mapred.JobClient:     CPU time spent (ms)=1900
12/12/24 23:32:39 INFO mapred.JobClient:     Total committed heap usage (bytes)=265216000
12/12/24 23:32:39 INFO mapred.JobClient:     Combine input records=27
12/12/24 23:32:39 INFO mapred.JobClient:     SPLIT_RAW_BYTES=100
12/12/24 23:32:39 INFO mapred.JobClient:     Reduce input records=26
12/12/24 23:32:39 INFO mapred.JobClient:     Reduce input groups=26
12/12/24 23:32:39 INFO mapred.JobClient:     Combine output records=26
12/12/24 23:32:39 INFO mapred.JobClient:     Physical memory (bytes) snapshot=231952384
12/12/24 23:32:39 INFO mapred.JobClient:     Reduce output records=26
12/12/24 23:32:39 INFO mapred.JobClient:     Virtual memory (bytes) snapshot=2097623040
12/12/24 23:32:39 INFO mapred.JobClient:     Map output records=27

期待どおりの動作？。。。動いてよかったよかった。

ついでにソースが見たくなります。

$ jar tvf hadoop-examples-1.1.1.jar
0 Mon Nov 19 10:42:54 JST 2012 META-INF/
156 Mon Nov 19 10:42:52 JST 2012 META-INF/MANIFEST.MF
0 Mon Nov 19 10:42:54 JST 2012 org/
0 Mon Nov 19 10:42:54 JST 2012 org/apache/
0 Mon Nov 19 10:42:54 JST 2012 org/apache/hadoop/
0 Mon Nov 19 10:42:54 JST 2012 org/apache/hadoop/examples/
0 Mon Nov 19 10:42:54 JST 2012 org/apache/hadoop/examples/dancing/
0 Mon Nov 19 10:42:54 JST 2012 org/apache/hadoop/examples/terasort/
1995 Mon Nov 19 10:42:54 JST 2012 org/apache/hadoop/examples/AggregateWordCount$WordCountPlugInClass.class

（中略）

コンパイルされた class ファイルですかが、パスを確認できます。ソースコードは下記にあります。

個々の解説は。。。私が理解できたらですね。大きくいうと、標準クラスを利用している、オリジナルクラスを定義している、main で、引数の確認から Jobtracker への定義、処理の設定、ファイル入出力定義と実行の終了待ち「job.waitForCompletion()」といった感じでしょうか。この処理は、単純集計ですが、複雑な解析が必要になると、IntSumReducer()といった関数の中身が膨大になるでしょうね。また、集計方法に合わせて、Mapを変える必要があるでしょうし、Map、Reduce、In、Out、Map、Reduce、In、Out。。。とJobの設定が長くなっていく予感がします。

$ cat  src/examples/org/apache/hadoop/examples/WordCount.java
package org.apache.hadoop.examples;

import java.io.IOException;
import java.util.StringTokenizer;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Job;
import org.apache.hadoop.mapreduce.Mapper;
import org.apache.hadoop.mapreduce.Reducer;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
import org.apache.hadoop.util.GenericOptionsParser;

public class WordCount {

public static class TokenizerMapper
extends Mapper<Object, Text, Text, IntWritable>{

private final static IntWritable one = new IntWritable(1);
private Text word = new Text();

public void map(Object key, Text value, Context context
) throws IOException, InterruptedException {
StringTokenizer itr = new StringTokenizer(value.toString());
while (itr.hasMoreTokens()) {
word.set(itr.nextToken());
context.write(word, one);
}
}
}

public static class IntSumReducer
extends Reducer<Text,IntWritable,Text,IntWritable> {
private IntWritable result = new IntWritable();

public void reduce(Text key, Iterable<IntWritable> values,
Context context
) throws IOException, InterruptedException {
int sum = 0;
for (IntWritable val : values) {
sum += val.get();
}
result.set(sum);
context.write(key, result);
}
}

public static void main(String[] args) throws Exception {
Configuration conf = new Configuration();
String[] otherArgs = new GenericOptionsParser(conf, args).getRemainingArgs();
if (otherArgs.length != 2) {
System.err.println(“Usage: wordcount <in> <out>”);
System.exit(2);
}
Job job = new Job(conf, “word count”);
job.setJarByClass(WordCount.class);
job.setMapperClass(TokenizerMapper.class);
job.setCombinerClass(IntSumReducer.class);
job.setReducerClass(IntSumReducer.class);
job.setOutputKeyClass(Text.class);
job.setOutputValueClass(IntWritable.class);
FileInputFormat.addInputPath(job, new Path(otherArgs[0]));
FileOutputFormat.setOutputPath(job, new Path(otherArgs[1]));
System.exit(job.waitForCompletion(true) ? 0 : 1);
}
}

HTTPプロキシ―に関しては、検索するとでてくるのですが、FTPプロキシ―の情報が少なくて、はまってしまった。備忘録です。

やりたかった事は、社内からFW越しに、FTP接続を行えるようする事です。

FWに穴を空けて「おしまい」というのもあるけど、いろいろ諸事情があり、プロキシ―サーバを立てて、経由する事になりました。

ためした事

1. ftpサーバを立てる
2. squidサーバを立てる
3. ssh トンネルを通す
4. stunelを設定する。（考えただけで、実施せず）
5. ftpproxyを設定する

わかった事

1. は、ftpコマンドはNGでlftpで実現可能。バッチを考えるにはいいかも。
2. は、ftpもできるという情報が多かったけど、結局httpプロキシ―よりで、Windowsソフトでは利用できなかった。
3. は、ftpコマンドと同じ動きになってしまった。
4. 基本は３．と同じだと思ったのでやらなかった。
5. nextftpのファイアウォール設定でOK。FFFTPのファイアーウォールでは、惜しかったがNG。

という事で、「５．」で構築しました。

結果

サーバの設定

# wget http://dag.wieers.com/packages/RPM-GPG-KEY.dag.txt
# rpm –import RPM-GPG-KEY.dag.txt
# yum install ftpproxy
# yum install xinetd

# vi /etc/xinet.d/ftpproxy

service ftpproxy
{
disable         = no
socket_type     = stream
protocol        = tcp
port            = 2121
type            = UNLISTED
wait            = no
user            = ftp
server          = /usr/sbin/ftp.proxy
server_args     = -e -m
}

# /etc/init.d/xinet restart

クライアントの設定 ( NextFtp Ver4.9.3 )

「ホストの設定」「高度な設定」は、ファイアーウォールの設定を下記にします。

• 「通常使う設定」を選択します。
• 「PASVモード」を選択します。
• 「共通の設定」をクリックし、別画面に移動します。

「オプションの設定」画面が開きます。下記を設定してください。

• 「PASVモード」を選択します。
• 「ファイアーウォール（プロキシ）を使用する」を選択します。
• 「通常使う設定」を選択します。
• 「ファイアーウォールのホストアドレス」に「xx.xx.xx.xx」を設定します。
• 「ポート」に「2121」を設定します。
• 「ホストタイプ」に「USER userID@Host→PASS Pass」を選択します。

※ 「ホストの設定」「基本的な設定」は、通常の設定で問題なし

最後に

１日かかったのにまとめると、あっけない。。。悲しい。

１．存在意義

• 現場レベルから、課題を解決する。ピンでの実体験から本質を理解している。
• 派遣先の弱いスキルを補完する。高い解決意識から、得意不得意に限らず問題に対し、前向きに対応してきた。
• 派遣先の顧客を意識した対応ができる。保守業務の実体験により顧客から学んできた。
• 協力会社（ベンダー）の内情を踏まえた上での対応ができる。組織の課題、各分野担当者の意識レベルを第三者の視点で冷静に見てきた。
• 顧客要求を理解できる。保守業務の実体験から、異なる立場、視点での柔軟か思考を身に着けてきた。

低コストで顧客の信頼を得るシステム運用業務を提供してきた。

低コストを見据えた既存システムの延命、改善業務を提供してきた。

２．事業領域

• 派遣事業
• システム保守事業（計画、窓口から現場作業、ベンダー管理）
• システム開発事業（稼働システムの機能追加、リプレース、要件定義から検査）

• 同業他社（派遣企業）への指導、サポート事業
• IT化相談、改善事業（インフラからアプリケーション、性能改善を含めた広範囲高密度での提供）

３．経営姿勢

• 限られた売上の中で、より良いもの（時間の短縮、２人以上の生産性）を提供し続ける。自身のスキルアップにより解決手法を個人から組織的なものに展開する。
• コスト、給与ルールを開示し、経営視点を持った組織を形成する。個人、企業間のマネーに対する金銭感覚を養い、適正価格を追及し続ける。

４．行動規範

• 人間性を理解し、精神的、感情的、性悪、協調、意義というあらゆる視点から、導く立場につき、バーチャル的リーダーシップを発揮する。
• 社会での立ち位置を理解し、提供されるものと提供するもののバランスを取る。「もの」とはお金、時間、感情であり、提供は返済ではなく、社会の一員として継承する。『自分は人に必要とされ、人を必要としている。』

——————————-

１，２,は現状ですが、３，４は私の思いを書いています。行動規範には、決まり文句のような言葉がありますが、踏まえた上での記載ができてるかなと思っています。経営改革を検討するので、今のところ案です。

『金平糖は丸い』

２．目が出た者が、落ち目の者の面倒を見る事ができ、決して甘やかす事なく、サポートし合える人間関係を形成する。

『喧嘩はタイマンで、寝床はいつもそこにある』

３．顧客の猫の手も借りたい現場状況に、外部からの増員、既存業務の改善、アウトソーシング、現場認識の改善、組織改造、経営改革と、あらゆる視点から提案、実践するサービスを提供する。

『ヒト的リソースのスペシャリスト集団』

４．派遣事業企業でのノウハウNo.1を目指す。物体の提供ではなく、ノウハウを提供する。現場の苦しみ、スケジュールや品質への緊張、技術の楽しさ、組織の楽しさ、達成感の共有。企業や業界の枠を超えたサービスを提供する。

『目指すはリソースのヘッド企業』

５．日本人の誇り、拘りを世界と共有する。なぜ、静かに並ぶのか、なぜ、タクシーは自動ドアなのか。発言より実践を優先するのか。信頼という言葉は、内面の現れである。内面の見える化ビジネスを実現する。

『黙々と歩み、道を作れ』

—————————————————————-

システムの構築や保守も、考えたけど、現実うちがやってきた事って、これなのかなと、見つめなおしてみました。現実を見すぎるのも好きじゃないけど、非現実な事を見続けるわけにも、いかなくて。この後、企業のミッション（存在意義、事業領域、経営姿勢、行動規範）を考えます。

できる人、できない人。知っている人、知らない人。気づく人、気づかない人。

今はできない人でも、明日はわからない。

人材派遣は拘束時間を提供するものではない。　社会に奉仕する事で、自身の価値に気づき、求められる事により、できる人になる。　今日、知らない事を明日、許してはならない。今日、できなかった事を明日、許してはならない。

自身の手柄を優先してはならない。自社の手柄を優先してはならない。業界の手柄を優先してはならない。

最大のネットワークである人の輪に重きをおく。固形ではない、精神、バーチャルにこそ、真意が存在する。

よりヒト的なリソースの提供を、私たちは目指します。』

というのはどうでしょう。f^ ^;)

継続的戦略フェーズの中で、CSFという言葉があった。覚えづらかったので、自分になりに解釈してみる。

ググった結果「実施項目（CSF）／数値目標（KGI）／評価指標（KPI）」という言葉があった。

・打ち合わせを週２回実施（CSF）

・売上高（KGI）

・引き合い案件数（KPI）

このCSFは結果（KGI）をもたらすのかを定期的にチェック（KPI）する。という感じだろうか。

いずれにせよ、CSFに紐づいたKPIでなければ、今後も続けるべきかの判断を誤る事になる。また、CSFが曖昧だと、次回チャレンジするCSFに結び付かず、常に新たな試みとして組織に蓄積されない。まったくの方向転換も必要だが、転換ばかりするのも、問題なので、ある程度の無駄を含んだCSFを立てる事が肝心。

ある程度の無駄な事も含め、全社員が認識し、邁進できるかが重要で、「こんな事やってなんになる」と否定的な組織（雰囲気）では、厳しそうだ。