Subscribe to the Teradata Blog

Get the latest industry news, technology trends, and data science insights each week.

エグゼクティブが知っておくべきROIを生むアナリティクス ~皆さん、あなた方のアナリティクスのやり方は間違っています~

エグゼクティブが知っておくべきROIを生むアナリティクス ~皆さん、あなた方のアナリティクスのやり方は間違っています~
私たちがデジタライゼーション(ビジネスのデジタル化)を語る時、さも自分たちが行ったかのように語ってしまいがちです。

もちろん、そんなことはありません。

デジタル化の最初の波は、間違いなく80年代後半から90年代前半のクライアント・サーバー革命です。この頃、多くの企業が流行に乗り遅れまいと情報技術(IT)に資金をつぎ込んでいました。しかし、Robert Solow氏が1987年に「コンピューター時代の到来はあらゆる所で目にするが、生産性統計だけは別」と皮肉ったように、経済全体で見るとこの時期の生産性は確実に低下していました。

簡単に言うと、当時の企業はITで完全に失敗だったということです。

この「生産性のパラドックス」の解決には、Hammer氏やDavenport氏を始めとするビジネス・プロセス・リエンジニアリングの提唱者の登場を待たなければなりませんでした。効果的なデジタル化とは既存のビジネス・プロセスを自動化することではなく、エンド・ツー・エンドのプロセスを刷新してより合理的かつ効率的、そしてより顧客志向のものにすることなのです。

現在でも、Erik Brynjolfsson氏らが指摘しているように、驚くほど似たようなことが起こっています。またもや、多くの企業がITに資金をつぎ込んでいますが、今回はおしゃれなイノベーション・ラボを拠点にしたマシンラーニング(ML)や人工知能(AI)の構想が投資対象になっています。そしてまたもや、OECD諸国における生産性の伸びは迫力に欠けるものとなりました。新型コロナウイルスのパンデミックの影響が多くの国に及ぶ前からです。

テクノロジー投資に対するリターンは、本番環境に展開してビジネスを革新するまで得られません。ガートナーの調査によると、企業内で構築された予測モデルのうち、少なくとも65%が一度も本番環境に実装されていません。イノベーション・ラボの努力によって導かれたインサイトのうち、大部分はPowerPointのプレゼンテーションを除いてラボから一歩も外に出ていません。スライド資料では実用的なビジネス・プロセスに直結させることはできませんから、大抵はビジネスのやり方を変えられず、ROIの見込みがゼロになっているのです。20数年前の上司の言葉を借りると、「 古いビジネス・プロセス + コスト高な新技術 = コストが高く古いビジネス・プロセス 」なのです。

ビジネス・リーダーたちが新たに考えるべきなのは、アナリティクスの3つのステップの改善です。

第1 ステップはデータの準備と管理など、データラングリングと言われる作業です。これは依然としてアナリティクス・プロジェクトのコストと労力の8割近くを占めています。もしマシンラーニングを本気で普及させるなら、この割合を下げる必要があります。つまり、1つのマシンラーニング・プロセスごとに1つのデータ・パイプラインを手作業で作るのをやめて、実証済みの予測値と変数を保存するFeature Storeを作ることに投資して再利用率の向上に努める必要がある、ということです。

第2のステップはモデルのトレーニングです。これはアナリティクスで一番かっこいいところです 。クールなテクノロジーで「おたくモード全開」に入れますし、たくさんの種類のアルゴリズムで遊べますから(サポート・ベクター・マシンはとても古くさいものになってしまいました)。問題は、データサイエンティストの生産性が非常に悪く、本番運用までの時間は早くても数カ月かかり、しかも65%のケースでは本番利用に辿り着いてさえいないことです。おそらく、この先当分の間、モデル構築のために複数のテクノロジーを利用しなければならないでしょう。それらのツールがFeature Storeからデータを取り出すこと、新しく作成された特徴もFeature Storeに追加すること、そして、一元管理された統合データ・プラットフォーム上またはエッジ・ノード上での使用と実行が可能なフォーマットでモデルを公開すことにこだわらなければなりません。例外はありません。1つもなしです。

第3のステップはデプロイと本番運用です。アナリティクスを本番運用する設計パターンには、ユースケースによって有用なものとそうでないものがあります。しかし、大多数のケースにおいて、本番環境で大規模な予測モデルをスコアリングするためには、高いパフォーマンスで複数の特徴を処理し、接続されたオペレーショナル・タッチポイントに結果(通常は予測または次善策)を返すことが必要になります。高いパフォーマンスでエンタープライズ級の並列データウェアハウス・プラットフォーム上に構築されたFeature Storeは、スケール、パフォーマンス、高い可用性と信頼性、チャネル統合、そしてもちろん、Feature Storeの全変数への高速アクセスを実現します。しかも、この設計パターンが有用とならない場合でも、これらのモデルを実装して、それらが展開された場所とそれらが行っている予測を理解する必要があります。なぜなら、予測モデルには有効期間があるため、メンテナンスやアップデートを施し、最終的には使用を終了する必要があるからです。

マシンラーニングとAIは、確実に普及し始めており、多くの業界において競争優位性を高める上で活用は必須となるでしょう。それに従って、スケールの調整も必要になります。かなり控えめに計算しても、今後数年以内に、典型的な全国展開の食料品小売チェーンの場合、競争力の高いサプライ・チェーンを運営するためだけに、本番環境で少なくとも毎日1億5千万の予測モデルをスコアリングする必要が生じるでしょう。マシンラーニングやAIについてアナリティクスの3つのステップ、特に第1と第3に大きな比重を置いて考える企業だけが成功するでしょう。
 
それができない企業は、イノベーション・ラボなどのおしゃれな最先端設備に満足するだけです。

本ブログは抄訳となります。英語版のブログはこちら
Portrait of Martin Willcox

(Author):
Martin Willcox

Martin leads Teradata’s EMEA technology pre-sales function and organisation and is jointly responsible for driving sales and consumption of Teradata solutions and services throughout Europe, the Middle East and Africa. Prior to taking up his current appointment, Martin ran Teradata’s Global Data Foundation practice and led efforts to modernise Teradata’s delivery methodology and associated tool-sets. In this position, Martin also led Teradata’s International Practices organisation and was charged with supporting the delivery of the full suite of consulting engagements delivered by Teradata Consulting – from Data Integration and Management to Data Science, via Business Intelligence, Cognitive Design and Software Development.

Martin was formerly responsible for leading Teradata’s Big Data Centre of Excellence – a team of data scientists, technologists and architecture consultants charged with supporting Field teams in enabling Teradata customers to realise value from their Analytic data assets. In this role Martin was also responsible for articulating to prospective customers, analysts and media organisations outside of the Americas Teradata’s Big Data strategy. During his tenure in this position, Martin was listed in dataIQ’s “Big Data 100” as one of the most influential people in UK data- driven business in 2016. His Strata (UK) 2016 keynote can be found at: www.oreilly.com/ideas/the-internet-of-things-its-the-sensor-data-stupid; a selection of his Teradata Voice Forbes blogs can be found online here; and more recently, Martin co-authored a series of blogs on Data Science and Machine Learning – see, for example, Discovery, Truth and Utility: Defining ‘Data Science’.

Martin holds a BSc (Hons) in Physics & Astronomy from the University of Sheffield and a Postgraduate Certificate in Computing for Commerce and Industry from the Open University. He is married with three children and is a solo glider pilot, supporter of Sheffield Wednesday Football Club, very amateur photographer – and an even more amateur guitarist.

View all posts by Martin Willcox

Turn your complex data and analytics into answers with Teradata Vantage.

お問い合わせ