ビジネスチームは、データサイエンスや広範なデータチームによって開発されたインサイトやモデルにますます依存するようになっている。しかし、データサイエンティストとビジネスユーザーの間には、互いの言語や価値を理解する上でまだギャップがある。このギャップは、一方ではデータサイエンティストが自分たちの価値を理解し、他方ではビジネスチームがデータサイエンスチームの関与をどのように受け止めているかという食い違いによって生じている。
ビジネス部門で働く人々は、その役割のあらゆる側面でテクノロジーを活用することに慣れている。彼らは、管理またはサポートするプロセスのほとんどを、オフィス生産性ツール、システム、またはアプリに依存している。さらに、データサイエンスはさらなる洞察とインテリジェンスを提供する。人工知能（AI）と機械学習（ML）機能は、さらなる意思決定の自動化を提供する。
この進展はエキサイティングであると同時に、懸念すべきことでもある。ビジネスチームは現在、判断とインサイトの混合ではなく、高度に訓練されたモデルを使って意思決定を行っている。場合によっては、完全な自動化によって意思決定が代行されることさえある。
テクノロジーを駆使した世界に喜びを感じるビジネスユーザーは、データサイエンスチームのモデルやその他のアウトプットに高い信頼を寄せている。これは、ビジネス上の疑問に取り組む際に、自己満足や好奇心の欠如につながる可能性がある。モデルが機能しなかった場合、ビジネスユーザーは脅威を感じる可能性がある。このようなモデルを作成するためのインプットとプロセスに関する対話と理解の不足により、ビジネスチームとデータサイエンスチームは目標を達成するのに苦労することになる。
また、特にAIやMLツールを扱うことになると、技術に精通していないビジネスチームも見受けられる。テクノロジーに対する不信感や、その使い方に対する懸念がある場合もある。ビジネスユーザーの中には、自分たちの専門性が引き下げられることを恐れる人もいるかもしれない。このようなビジネスチームは、データだけでどのように意思決定がより良いものになるのか疑問に思うかもしれない。AIやMLには、まだオーウェルのような雰囲気がある人もいる。
最高データ責任者や最高データ分析責任者の時間の多くは、データの民主化に費やされている。つまり、技術的なバックグラウンドに関係なく、組織の誰もが自信を持ってデータを扱い、データに基づいた意思決定を行えるようにするにはどうすればよいかということだ。また、データエンジニアリングとデータサイエンスからビジネス価値と成果が確実にビジネスにもたらされるように取り組んでいる。
目標は、データサイエンスチームが社内の製品チームやベンダーのソリューションと連携し、独自のモデルやアラート、ダッシュボードを作成することで、ビジネスユーザーが意思決定を行い、行動できるようにすることだ。例えば、マーケティングチームは、独自の顧客解約予測モデルを実行し、改善することができ、それに応じてメッセージ、オファー、コンテンツをよりパーソナライズすることができる。
しかし、これはほとんどの組織では実現されていない。ほとんどのデータサイエンスチームは、いまだにデータ整理に多くの時間を費やしており、データアーキテクチャを変更することでこの時間を短縮しようとしている。
データサイエンスは依然としてデータの品質と完全性の問題に深く関わっており、信頼できるAIに関する法規制の強化に直面している。彼らはまた、自分たちの仕事を理解するのに苦労し、データサイエンスがもたらす価値や信頼性を疑うビジネスユーザーにも直面している。同時に、ビジネスチームはデータサイエンスの関与に多くを期待している。
データサイエンスとビジネスの関係を改善する4つの戦略を紹介しよう。
まず、データ・サイエンティストが好みのツールやコードを使用し、モデルを高速で実行・訓練できるデータ分析プラットフォームを確保し、完全な透明性と系統性を提供するモデル・ガバナンスと管理環境を整える。これにより、データサイエンスチームは自由にイノベーションを起こし、ベストプラクティスを用いてモデルを開発することができます。一旦トレーニングされたモデルは、スピードとスケールで展開され、ビジネスが価値の測定を開始することができ、信頼と信用を築くことができる。
第二に、データサイエンスチームと他の事業部門との継続的な対話と知識移転プログラムを構築する。用語集は常に有用である。データ製品やモデル、そしてそれらがもたらしたビジネス成果のライブラリーはさらに良い。最も先進的な組織は、責任あるAIとMLの手段、実行方法、各ビジネスユーザーにとっての意味を定義する取り組みに投資している。信頼できるAIに関する法律が整備されるにつれ、ビジネスユーザーは、自社のAIやMLモデルがコンプライアンスに準拠しているかどうかだけでなく、それらがビジネスの価値や目的にどのように同期しているかを知りたがるようになるだろう。
第三に、AIとMLを中心に構築され、提供されるもののロードマップを透明性をもって共有する。これにより、ビジネスユーザーは、計画されているイニシアチブの重要性、関連性、影響力について挑戦し、構築することができる。また、データプロダクトは、プロダクトチームから発信されるものと同様に、社内で立ち上げる必要がある。ロードマップには、常に社内コミュニケーションと期待されるビジネス成果を含めるべきである。
第四に、データサイエンスチームが、ビジネスユーザーをモデル作成、ビジネスルール、モデルを推進する主要な原則や方法論に深く関与させる努力を優先するようにすることです。共同作業は障壁を取り除き、理解を共有し、モデルを改善する。
データサイエンスが組織に浸透するにつれ、上記のような行動に加え、最高データ責任者と最高データ＆アナリティクス責任者がエグゼクティブリーダーシップチームに席を置くことが、AIとMLの効果的で信頼性の高い、持続的な展開を確保するために重要になるでしょう。
