ガートナー、2023年の中国のデータ分析と人工知能技術の成熟度曲線を発表

ガートナーは、2026年までに中国のホワイトカラー職の30%以上が再定義され、生成AIを活用し管理するスキルが普及すると予測している。

ガートナーの2023年中国データ分析および人工知能技術成熟度曲線は、中国のデータ、分析、人工知能に関連する4つの基本テーマを明らかにしています。それは、ビジネス成果を優先する中国のデータ戦略、地域のデータと分析、人工知能のエコシステム、データミドルプラットフォームの崩壊、そして人工知能が国家の強さの新たな象徴となることです。

この曲線では、最も多くのテクノロジーが期待が膨らむ時期に入ろうとしています。 「イノベーションは、従来のボトルネックの解決策としてよく宣伝されており、ハードウェア リソースの不足、拡張性、持続可能な運用、セキュリティ リスクの軽減、テクノロジの自律性、AI モデルのマルチドメイン適用性など、中国の CIO が共通して抱える懸念に対処し、明確なビジネス価値をもたらすと期待されています」と、ガートナーのシニア リサーチ ディレクターであるトン チャン氏は述べています。「ただし、エンド ユーザーは、抽象的な戦略的概念よりも、具体的な影響を重視しています。」

出典: ガートナー (2023 年 8 月)

データウィービング

データ ウィービングは、データ統合、アクティブ メタデータ、ナレッジ グラフ、データ プロファイリング、機械学習、データ分類を含む、柔軟で再利用可能なデータ パイプライン、サービス、セマンティクスの設計フレームワークです。データ ウィービングは、データ管理に対する既存の主要なアプローチを覆し、データやユース ケースに合わせて「調整」するのではなく、「最初に観察してから使用」するようになります。

「データ、分析、AI のユースケースの出現と、急速に変化するデータ セキュリティ規制により、中国のデータ管理は複雑化し、不確実性が高まっています」と、ガートナーのシニア リサーチ ディレクターである Tong Zhang 氏は述べています。「データ ウィービングにより、埋没コストを最大限に活用できると同時に、データ管理インフラストラクチャへの新たな支出の優先順位付けとコスト管理のガイダンスも提供されます。」

データ資産管理

データ資産管理とは、ビジネス運営にとって貴重な資産価値を持つデータを管理、処理、活用するプロセスを指します。データ資産管理は、システム内の画像、動画、ファイル、資料、取引データなど、さまざまなデータ形式に適用でき、データの取得から破棄までのデータライフサイクル全体をカバーします。その目的は、データを資産と同じように管理し、そこから価値を生み出すことです。

データは新たな生産要素として、企業や組織にとって競争上の優位性となっています。データは高速、多様、大量、かつ事実に基づいているため、組織はプロセスを統合してデータの洞察を生成する必要があります。

「データ資産は、業務品質と意思決定を向上させるだけでなく、ビジネス価値を高め、新しいビジネスモデルを生み出し、データを直接収益化することもできます」と、ガートナーのシニアリサーチディレクターであるトン・チャン氏は語ります。「しかし、価値創造が加速しているにもかかわらず、データ資産には依然として潜在的なリスクが存在します。組織は、規制違反や偶発的なデータ漏洩を避けるために、データ資産を慎重に管理する必要があります。」

収集されたデータと分析

組み立てられたデータと分析 (D&A) は、コンテナーまたはビジネス マイクロサービス ベースのアーキテクチャとデータ ウィービングの概念を使用して、既存の資産を柔軟でモジュール化されたユーザー フレンドリなデータ分析と人工知能 (AI) 機能に組み立てます。このテクノロジーは、ローコードおよびノー​​コード機能のサポートにより、一連のテクノロジーを統合して、データ管理および分析アプリケーションをデータ分析および AI コンポーネントまたはその他のアプリケーション モジュールに変換し、適応型でインテリジェントな意思決定をサポートします。

急速に変化するビジネス環境に直面している中国の組織は、俊敏性を向上させ、洞察の出力をスピードアップする必要があります。モジュラー D&A は、組織がモジュラー データと分析機能を使用して複数の洞察と参照情報をさまざまな尺度に統合し、断片化された開発を回避するのに役立ちます。組織は、さまざまな使用シナリオに対応するために D&A 機能を組み立てたり再編成したりすることで、配信の柔軟性をさらに向上させることができます。

大型モデル

ビッグモデルは、広範囲のデータセットで自己教師あり方式でトレーニングされた大規模パラメータモデルであり、そのほとんどは Transformer アーキテクチャまたは拡散ディープ ニューラル ネットワーク アーキテクチャに基づいており、近い将来マルチモーダルになる可能性があります。大規模モデルの名前は、その重要性と、複数の下流の使用シナリオへの幅広い適応性に由来しています。さまざまなシナリオに適応するこの能力は、モデルの十分かつ広範な事前トレーニングの恩恵を受けています。

大規模モデルは現在、自然言語処理の推奨アーキテクチャとなっており、コンピューター ビジョン、オーディオおよびビデオ処理、ソフトウェア エンジニアリング、化学、金融、法律などに応用されています。ビッグモデルから派生した人気のサブコンセプトは、テキストトレーニングに基づくビッグ言語モデルです。

「ビッグモデルは、幅広い自然言語ユースケースでアプリケーションを強化する可能性を秘めているため、垂直産業やビジネス機能全体に大きな影響を与えるでしょう」と、ガートナーのシニアリサーチディレクターであるトン・チャン氏は語ります。「従業員の生産性を向上させ、顧客体験を自動化および強化し、コスト効率の高い方法で新しい製品やサービスを生み出すことで、デジタルトランスフォーメーションを加速できます。」

データセンター

データ ミドル プラットフォーム (DMO) は、組織戦略とテクノロジの実践です。データ ミドル プラットフォームを通じて、さまざまなビジネス ラインのユーザーがエンタープライズ データを効率的に使用し、単一の真実のソースに基づいて意思決定を行うことができます。データ ミドル プラットフォームを作成することは、企業が独自のデジタル操作を提供し、テクノロジー スタックを通じてバリュー チェーン全体にわたってデジタル操作を統合できる、組み立て可能で再利用可能なデータと分析機能を構築する方法となります。

多くの中国企業は、データと分析アーキテクチャの技術的な冗長性を削減し、さまざまなシステムのデータサイロを接続し、再利用可能なデータと分析機能を促進するために、データミドルプラットフォームの実践を採用しています。しかし、データ ミドル プラットフォームは、多くの場合、アジャイルな D&A 機能の統合という約束を果たすことができず、市場での地位が弱まっています。多くの組織やベンダーは、組織内でこのコンセプトを採用することに消極的であったり、マーケティングから単に削除したりしています。