企業がビッグデータの可能性を最大限に引き出す方法

専門家は、2025 年までにデータ ユニバース、つまりデータ ユニバースの規模が 180 ゼタバイトに達すると予測しています。これは、ビッグデータの急激な成長を浮き彫りにする、実に驚くべき数字です。 『データ戦略: ビッグデータ、分析、モノのインターネットの世界から利益を得る方法』の著者であるバーナード・マー氏は、世界の既存データの 90% が過去 2 年間に生成されたことを指摘し、ある見解を示しています。

[[255162]]

残念ながら、利用可能なデータの量と種類は必ずしも価値に一致するわけではありません。

企業はビッグ データを効果的に活用するにはどうすればよいでしょうか。ハーバード大学のゲイリー キング氏は、「ビッグ データはデータそのものに関するものではありません」と主張しています。同氏は、「データの量と多様性の増加は驚くべきものですが、ビッグ データ革命がもたらしたのはデータだけではありません。過去数十年にわたるデータの活用を可能にした分析の進歩も不可欠でした」と書いています。ここで人工知能 (AI) が登場します。

人工知能をSFの世界から引き出す

人工知能は、ロボットやメインフレームを操作するものというハリウッドの固定観念に根ざしており、誤解されることが多い。しかし、AIの現実はそれほど邪悪なものではありません。人工知能は主に 2 つのタイプに分けられます。

• 狭義 – 弱い AI とも呼ばれる狭義 AI は、特定のタスクにビッグ データを活用できます。たとえば、予測分析は、天気予報からニュースデータの分析によるリスクの予測まで、データ内のパターンと相関関係を識別するために使用できます。
• 汎用 - 強力な AI とも呼ばれる汎用 AI には、人間レベルの認知能力が含まれます。それでも、これらの認知能力には限界があります。機械学習はこのカテゴリに分類されます。抽象的な「アイデア」を実装することはできませんが、適応と継続的な改善をサポートします。

人工超知能を第3のタイプと考える人もいますが、現時点では実用的というよりは理論的なものです。 IBM社のWatsonがクイズ番組「Jeopardy」のチャンピオンに勝利したり、AmazonのAlexaがリクエストに応答したりすることは人間の反応を模倣しているかもしれないが、今のところコンピューターは真の認知的飛躍を遂げていない。代わりに、彼らは人間よりもはるかに速い速度で大量のビッグデータにアクセスするだけです。今のところ、人間のターミネーターは架空の人物のままですが、AI のリスクを受け入れず、より早くデータを導入して実装から価値を引き出すライバルも同様です。

Netflix はデータ駆動型暗号通貨の代表的な例です。ストリーミングビデオの普及とビデオレンタルの継続的な増加により。 Netflix は、加入者基盤の拡大、顧客維持の強化、番組編成の決定に役立てるためにデータ分析を活用し始めました。同社によれば、同社のアルゴリズムにより顧客維持に年間10億ドルの節約がもたらされるという。さらに、分析は、Netflix の「ハウス・オブ・カード」、「ストレンジャー・シングス」、「オレンジ・イズ・ニュー・ブラック」など、批評家から高く評価され、ファンに人気のシリーズ制作にも影響を与えました。

ビッグデータから価値を引き出す課題を克服する

ほとんどの企業はビッグデータイニシアチブの導入の重要性を認識していますが、多くの企業が依然として苦労しています。データの専門家の誘致と維持から、組織のデータ サイロを解体して内部データ セットをより有効に活用することまで、多くの課題は組織に関するものです。 2017 年のハーバード ビジネス レビューの記事によると、約 70% の企業がデータ主導の文化の確立を優先事項としていますが、目標を達成しているのは 40% にすぎません。

では、どこから始めればよいでしょうか? まず、どのような主要なビジネス上の質問に答えたいかを決めます。次に、答えを見つけるために必要なデータの種類を確認します。一部のデータは内部で提供される場合があります。一部は、個々の部門のサイロから抽出するために多少の労力が必要になる場合があります。一部はパブリック ドメインで利用できる場合があります。また、一部は Data-as-a-Service (DaaS) プロバイダーを通じて利用できる場合があります。さらに、発見した洞察を主要な関係者と共有する方法を検討してください。データにアクセスできるようにするには、専門用語を排除し、説得力のあるストーリーを伝える必要があります。データの視覚化により、生データに命が吹き込まれ、重要なポイントを示しながら理解しやすくなります。

ただし、適切な人材、プロセス、データセットを導入すれば、組織は機械学習、予測分析、その他のデータ実装から実用的なビジネス インテリジェンスと測定可能な投資収益率 (ROI) を獲得できます。

• 隠れた洞察を発見 - AI は、顧客離れの根本原因から、新製品や新サービスにつながる新たなトレンドに至るまで、企業がさまざまなパターンを検出するのに役立ちます。企業、業界、経済データを使用した回帰モデリングは、組織が政府の政策や市場の変化によるリアルタイムの影響と長期的な結果を理解するのに役立ちます。ニュースやソーシャル メディアのデータを分析することで、社内の顧客データを補足し、マーケティングの範囲と効果を高めることができます。
• 自動化されたビジネスプロセス - ヘッジファンドは、高度な AI 分析を使用して、取引の不備につながるパターンを特定し、それらのパターンから「学習」して、過去および現在の市場データに基づいて将来の取引パフォーマンスを向上させることで、高頻度取引を実現できます。銀行は機械学習アルゴリズムと予測分析を使用して、不正行為の検出を自動化したり、顧客の制裁リスクを迅速に特定したりできます。
• 混乱を軽減する - 混乱を招く出来事の根底には、洞察力の欠如がしばしばあります。予測分析とモノのインターネット (IoT) データの助けを借りて、製造業者は予防保守が必要な時期を把握することで生産の低下を回避し、組立ラインの混乱を回避できます。同様に、データ分析により、PR およびマーケティング組織は危機や機会が発生したときに迅速に対応できるようになります。
• コスト削減の実現 - ビッグデータと分析によって実現される運用効率により、経費を削減しながら、AI では実現できない作業に人的リソースを割り当てることができます。さらに、株式トレーダーの売買決定や新製品の発売など、意思決定を最適化する能力は、測定可能な価値を生み出す扉を開きます。

機械学習と予測分析がより洗練され、企業が証拠に基づいて意思決定できるようになると、ディープラーニングは限界をさらに押し広げ、問題解決と言語理解の能力をさらに向上させます。準備はできていますか？