セマンティックAIとデータ管理の5つのトレンド

1. グラフデータベースとナレッジグラフが2022年に主流になる

グラフデータベースが 2022 年の秘密兵器になると予測する人は多くいます。 IDC のリサーチ担当副社長である Carl Olofson 氏は、今年から今後 10 年間でグラフデータベースの使用が 600% 増加すると予測しています。アナリストの Dave Vellante 氏が書いた記事では、一般的なリレーショナルデータベースを使用する目的とその制限が次のようにまとめられています。「リレーショナルデータベースを使用すると、(関係性を見つけたり、チェーンのレベルがいくつあるかを確認したり) できますが、多くのプログラミングが必要です。実際、リレーショナルデータベースでは上記のほとんどすべてを実行できますが、問題はプログラミングする必要があることです。プログラミングが必要になると、追跡したり定義したりできなくなります。機能面でリリースすることもできず、長期間にわたって維持することが非常に困難になります。」

グラフデータベースは、豊富な関係分析とコンテキストマッピングを提供するように設計されているため、ユーザーはリレーショナルデータベースの一般的な制限を克服できます。これらは実質的にさまざまな種類のデータの視覚的なネットワークであるため、データ内の接続を追跡するために使用でき、企業はすべてのデータ、ドキュメントなどの全体的な概要を把握できます。

ナレッジグラフは 2022 年のデータ管理のトレンドに適合するものとして人気がありますが、ナレッジグラフは通常、説明が少し複雑であるため、平均的なユーザーにとっては使いにくい場合があります。データサイエンティストは、より多くの企業がナレッジグラフを採用してその恩恵を受けられるように、ナレッジグラフとは何か、どのように機能するかを教える人をますます多く求めています。ナレッジグラフとは何でしょうか。その利点は何でしょうか。まず、ナレッジグラフは、次のようなことを実行するための非常にスマートな方法を提供します。データポイント間の豊富な接続を作成する。データオブジェクトの概念とそのプロパティを定義して簡単に検索できるようにする。サイロ化されたデータ構造をマージして 1 か所でデータにアクセスできるようにする。自然言語処理 (NLP) によって非構造化テキストを解釈して実用的なものにする。

ナレッジグラフは複雑に見えますが、実際にはそれを構成するデータについて語っており、人々が自然に考え、質問する方法で情報を保存できます。たとえば、リリーは人です。彼女はレオナルドダヴィンチにとても興味を持っています。レオナルドダヴィンチはモナリザを描きました。モナリザはパリのルーブル美術館にあります。ジェームズはそこに住んでいます。ジェームズはリリーの友達です。データポイントの方向とグラフの関係を追ったので、一周して簡単に理解できました。顧客の購入履歴、サプライチェーンの運営、人事スタッフ構成などを追跡する企業データについても同様です。

2. 非構造化データに注意する

ナレッジグラフは非構造化データの充実に役立ち、データ管理者は非構造化データを資産として優先し続けるでしょう。これは良いことです。これまで企業は、非構造化データを処理して洞察を得るのが面倒すぎるという理由で無視してきましたが、現在では、非構造化データをデータのさまざまな側面を分析する機会として捉えるようになっています。

セマンティック AI は、機械学習と NLP 技術をナレッジグラフと組み合わせることで、非構造化データの解釈を向上させます。これにより、アルゴリズムは単語を処理するだけでなく、基礎となる概念とそのコンテキストを理解して、テキストをより適切に分析できるようになります。言い換えれば、セマンティック AI は、自動車購入市場に関する文書がジャングルの動物であるジャガーに関するものではなく、高級車ブランドであるジャガーに関するものであることをコンピューターに伝えます。

非構造化データはあらゆるところに存在するため、何百ページものページから関連する用語を抽出し、そこから有用な情報を導き出すことができるソフトウェアを使用することが、ユーザーにとって最善の利益となります。

3. インテリジェントなドキュメント処理とコンテンツ管理

2022 年のデータ管理のもう 1 つのトレンドは、コンテンツ管理をデータ戦略の最前線に据えることです。人々が非構造化データに関心を持ち始めると、コンテンツ管理システム (CMS) がどのように機能するかについても自然と関心を持つようになります。

テキストベースのコンテンツに伴う一般的な問題 (前述の言語の曖昧さなど) とは別に、テキストベースのコンテンツを使用することの主な欠点は、コンテンツが適切に管理およびタグ付けされていない場合、コンテンツを操作するのが非常に困難になる可能性があることです。特定のコンテンツを検索するのは面倒な作業です。そのため、一般的な CMS での検索の精度を向上させるには、自動分類とドキュメントのタグ付けが必要です。

ガートナーは、複雑なドキュメントをキャプチャ、消化、再処理して実用的なデータにする能力があるため、インテリジェントドキュメント処理 (IDP) を今後数年間に必要なプラクティスと位置付けており、この機能には NLP とナレッジグラフが広く使用されるようになると予測しています。

4. データガバナンス

データ管理戦略としてセマンティクスを使用する大きな利点の 1 つは、メタデータの使用が優先されることです。簡単に言えば、メタデータとは他のデータに関する情報を提供するデータです。たとえば、小説は、ジャンル、著者、ペーパーバックかハードカバーか、出版社、著作権の日付などによって説明できます。これらはすべて、さまざまな形式のメタデータの例です。

分類法、概念タグ、ナレッジグラフにより、データガバナンスにとって非常に重要なメタデータの作成と保守が容易になります。データガバナンスは、社内のデータ標準とポリシーに基づいてデータの処理方法を定義するフレームワークであり、データ管理コミュニティで人気が高まっています。

Dataversity は、今年のトレンド予測の中で、「データセキュリティ、データ監査、データ品質はますます複雑化しています。その結果、組織はより包括的なデータガバナンス戦略を策定しています」と述べています。

データガバナンスは、規制やビジネス要件への準拠を支援するだけでなく、データソースの変更による影響の評価にも役立ちます。標準化されたデータモデルを確立することで、セキュリティおよびリスクの専門家はリスクとセキュリティのニーズに応じてデータを分類し、潜在的な問題に事前に対応できるようになります。