開閉ボタン
ユーザーメニュー
ユーザーメニューコンテンツ
ログイン

日本アイ・ビー・エム株式会社(VSR)提供コンテンツ

  • スペシャル
  • 会員限定
  • 2020/11/18

「IAなくしてAIなし」、DX時代のデータ基盤構築の成功法則とは?

デジタルトランスフォーメーション(DX)実現の鍵は、いかにデータを有効活用できるかにかかっています。しかし従来の情報系システムに見られた、DWHを中心としたデータの可視化、分析の仕組みだけでは、残念ながらDXのニーズに応えることができません。情報系システムに加えて、新たに「分析系システム」の考え方を取り入れ、新たなデータプラットフォームを確立する必要があるのです。

photo
「IAなくしてAIなし」
(Photo/Getty Images)
 

従来のDWHアプローチではDXのデータ活用ニーズに応えられない

 「デジタルトランスフォーメーション(DX)」という言葉がビジネスシーンにおいて大きく取り沙汰されるようになりました。特に近年ではコロナ禍に伴い、多くの企業がビジネスモデルやワークスタイルの大幅な転換を余儀なくされています。DXへの取り組みはまさに「待ったなし」の状況ですが、実際にDXで効果を上げた企業の例はまだ極めて少ないのが実状です。

 DXを代表するテクノロジーといえば、何と言っても「AIを使ったビッグデータ解析」です。これを実践するために機械学習やディープラーニングの環境はかなり整備されてきたものの、その処理対象となる肝心のデータの整備が遅々として進んでいません。このことが、AI活用とDX推進を阻害する最大の要因となっているのです。

 「AI向けのデータ整備」で必要なのが「Information Architecture(IA)」、つまりデータ活用のためのアーキテクチャを再考することです。しかし、実はAI向けのデータ整備やIAは、これまで企業がデータ活用を推進する上で解決のアプローチ、つまり「サイロ化克服」のために社内に散在しているデータをデータウェアハウス(DWH)構築して統合しようとする方法とは相性が悪いという課題があります。

 その背景としては、DWHは「変更に弱い」という現状があります。しかしながら、DXの文脈でのビッグデータ分析では、決められたデータ集計・分析処理をくり返すことでは不十分です。新しい洞察を得るために、あるいはビジネス環境の変化に対応するために、AI分析には新たなデータを投入しながら、知見や精度の高い予測モデルの発見していく必要があるからです。つまり、当初からデータモデルを頻繁に変更することが前提となります。

 しかしDWHのアプローチでは、データ分析への過程において「ステージング環境へのデータ移行」→「ETL(Extract/Transform/Load)でのデータ加工」→「ヒストリカルデータのDWHへの格納」→「個別の分析ニーズに適したデータを抽出・加工しデータマートへ変換する」など、多くのデータレイヤーが生成されます。データ項目を追加する場合には各データレイヤーの構築や変換処理に多くの時間とコストがかかってしまうのです。

画像
これまでのデータウェアハウス・アプローチは変更に弱い

 このように、DWHのアプローチでは、AI時代に適したIAを実現するのは難しいと言わざるを得ません。従来のDWHアプローチが抱える課題を洗い出し、DX時代にふさわしいデータ活用を実現するには、一体どのようなIAが適しているのかを解説します。

この記事の続き >>
・なぜ情報系システムとは別の「分析系システム」が必要なのか
・「現場まかせのデータ活用」がまったく機能しない理由
・どのような組織やプロセスならDXを完遂できるのか

この続きは会員限定です

ここから先は「ビジネス+IT プレミアム会員」に登録の方(登録は無料)のみ、ご利用いただけます。

今すぐビジネス+IT会員にご登録ください。

すべて無料!ビジネスやITに役立つメリット満載!

  • 1

    インタビューから事例記事まで、ここでしか読めない1万本超の記事が無料で閲覧可能

  • 2

    導入事例資料や技術資料、デモ動画などを無料でダウンロード・閲覧可能

  • 3

    年間1,000本以上、会員限定のスペシャルセミナーにご招待

  • 4

    ビジネス+IT編集部が必読記事を、メールマガジンでお知らせ!

アクセスランキング

ビジネス+IT 会員登録で、会員限定コンテンツやメルマガを購読可能、スペシャルセミナーにもご招待!