デジタルトランスフォーメーション（DX）が本格化し、データ分析に不可欠な人工知能（AI）の活用は「PoC（実証実験）から実装」フェーズに突入した。今や80%以上の企業がAI活用を重視していると言われる。しかし、多くのAI利用事例が出現する一方、実際にAIをビジネスプロセスの中に取り込むことに成功した「AI勝ち組」企業はまだまだ限られている。AIプロジェクトに挫折した企業と成功した企業を分けるポイントはどこにあるのか？ 「2つのポイント」を解説する。

近年、企業経営における「データの重要性」がクローズアップされている。企業の中に眠るデータに光を当て、AIを駆使したビッグデータ解析を施すことでさまざまな知見を見いだし、ビジネス戦略にいち早く反映させていく。こうした「データ経営」を担う役職として、「チーフ・データ・オフィサー（CDO）」を設ける企業も出てきた。既に欧米の企業ではかなり一般的なCDOだが、国内企業ではまだまだ例が少ない。その数少ない1社である楽天で常務執行役員CDOを務める北川拓也氏と、米IBMでグローバルCDOを務めるインダーバル・バンダーリ氏に、CDOの役割や存在価値について話を聞いた。

経営資源としてのデータの存在感は強まるばかりだ。企業における「チーフ・データ・オフィサー（CDO）」の役割の重要性が認識される一方、データの整備が難しい、データを使いこなすのが難しい、データ活用を促すチーム連携が難しいといった課題も明らかになってきた。そこで米IBMでグローバルCDOを務めるインダーパル・バンダーリ氏と、日本アイ・ビー・エム IBM クラウド事業本部 IBM Data and AI事業部 Products & Solutions統括部長の村角 忠政氏に、データを起点とした事業変革の事例やデータ・プラットフォーム活用術について話を聞いた。

凄まじい勢いで変化するビジネス環境において、企業が生き残るためのカギを握るのが「データ」だ。データを活用し、より深い洞察を得て意思決定を行える組織になるために、まずは最新の基礎知識を押さえたい。そこで、5分でデータ活用の理解度がわかる6つの質問を用意した。正答と解説も読めるので、ぜひ自身の知識を試してほしい。

昨今、「DX（デジタル・トランスフォーメーション）」が話題だが、DXには現在の事業領域を根柢から覆し、新しいことにチャレンジしていく意味合いも含まれる。しかし、日本企業のDXに関する多くの取り組みはPoC（概念検証）に留まっているほか、DXを阻害する「2025年の崖」問題も立ちはだかる。どうすればDXを成功に導くことができるのか。ここでは海外、国内の事例を交えながら、成功の法則を紹介したい。

いかにデータを活かせるか、これが企業の競争力の源泉になっている。海外の企業では、Chief Data Officer （以下、CDO）を任命する動きが広がっているが、日本企業でも同様の動きが見られる。とはいえ、データ・ガバナンスへの取り組みや、ビッグデータ・プラットフォームの整備、社内の組織・体制づくりなどを、どうやって手を付けていけばよいか分からない企業も多いだろう。そもそも「データドリブン経営」とは何か？データドリブン経営に必要な「5つ」の要素や、注意点、2社の成功事例について話を聞いた。

IoT時代の到来によるデータの爆発的な増加を背景に、ビッグデータ分析、さらにAIの活用が本格化している。だが、そうした取り組みの前に立ちはだかっているのがシステム、さらにデータのサイロ化の問題だ。この状況を打開し、社内データを可視化できなければ、社内にいくらデータが存在しても活用は困難だ。IBMアナリティクスのグローバルリーダーであるロブ・トーマス氏が、そのための手法や、そこで満たしておくべき要件、取り組みの高度化に向けたポイントについて、ノウハウを解説する。

いまやデータの分析は、すべての企業にとって重要なテーマだ。しかし、目的や計画が曖昧なままデータを収集し、分析ツールを導入しても、具体的なビジネスの成果に結びつけることは難しい。こうした企業の取り組みにはどんな環境が必要だろうか。データ分析ツール、クラウド基盤、データアナリティクスの人材、AIの知見……など、データ分析・活用から成果を出すための全体像を確認しよう。

いまやデジタル・トランスフォーメーション（DX）による変革を目指す企業にとって、AI×データの全社的な活用は避けられない。しかし、学習モデルや分析用のデータがすぐに見つからない、探せてもそのままでは使えない、といった課題のせいでプロジェクトを推進できないことも多い。そんな企業のために、いま本当に求められるデータプラットフォームの要件と解決のアプローチ、さらに具体的なソリューションとは何かを解説しよう。

ここ数年で企業の本格的なデータ活用手段が広がり、データの構造も保管場所もワークロードもまったく違うデータを同じように取り扱えることが企業競争力の源泉となる時代になった。一方で、既存のIT資産を持つ企業ほどデータ活用環境の整備に手間取っており、データにまつわる「3つのハイブリッド化」への対応に苦慮している。これに対する有効な解決策はあるのだろうか。

AI／機械学習の技術が急速に発展し、社内外の膨大なデータを効率的に分析してビジネスの迅速な意思決定に役立てるデータ活用に多くの企業が取り組んでいる。しかし、「データがそろうまで時間がかかる」「思うように分析できない」などの課題に直面する企業も多い。どうすれば効率的にデータを蓄積し、活用できるのだろうか？　本資料では、データの「蓄積」「活用」フェーズにおける課題解決のヒントを提示し、さらにデータ分析・活用の自動化を可能にする最新技術を紹介する。

国内最大規模のスポット数を誇る公衆無線LANサービス「Wi2 300」を提供しているワイヤ・アンド・ワイヤレス。訪日外国人観光客向けインバウンドビジネスの活性化を図るべく、全国20万カ所以上のアクセスポイントを活用したスマートフォン・アプリから収集される膨大なデータを集約し、迅速な分析を実現するための基盤を構築した。1週間程度を要していたデータ分析の前処理を数秒～数分に短縮できたという。同社がデータ分析を高速化できた背景を探る。

DVDレンタルや新品・中古ゲームの買取・販売を行う「ゲオショップ」など、全国に1,800以上の店舗を展開するゲオは、毎月約1億レコードものデータをオンプレミスのデータベース基盤からクラウド上のデータベース基盤に移行した。これにより、クーポン配布の最適化や、約900万人の顧客ごとへのワン・ツー・ワンのレコメンドなどで大きな成果を上げている。本資料では、クラウド・データベースを活用した同社のアドホック分析とデータ・ドリブンマーケティングの詳細を紹介する。

データ分析をビジネスに活用できている企業は、わずか15％だと言われている。今、企業に求められるのは、構造化／非構造化などデータの種類にとらわれず、どこに格納されているかを意識することなく、さらに、どのような種類のワークロードでもデータを活用できる“ハイブリッド”なIT基盤だ。本資料では「ハイブリッド データ」「ハイブリット デプロイメント」「ハイブリット ワークロード」を軸に、今後必須となる「ハイブリッド・データ・マネージメント」のあり方を紹介する。データ駆動型ビジネス実現に向け、ぜひ参考にしてほしい。

いまやデジタル・トランスフォーメーション（DX）による変革を目指す企業にとって、AI×データの全社的な活用は避けられない。しかし、学習モデルや分析用のデータがすぐに見つからない、探せてもそのままでは使えない、といった課題のせいでプロジェクトを推進できないことも多い。そんな企業のために、いま本当に求められるデータプラットフォームの要件と解決のアプローチ、さらに具体的なソリューションとは何かを解説しよう。

データを活用することによって、ビジネス環境の変化に迅速に対応する経営、すなわち「データ駆動型経営」が求められている。これは変化をチャンスに変える攻めの経営といっていいだろう。しかし、その意味を具体的にイメージできている企業の担当者はまだ少ないようだ。そこでデータ駆動型経営を実現する主要9分野でのデータ活用例を示すとともに、それを支える基盤構築の方法まで解説する。

ビッグデータを収集してビジネスに活用しようという機運が高まる中、データの品質や整合性に課題を抱えている企業が増えている。特にAIを活用した高度なデータ分析では、すぐに利用できるデータが30％以下にとどまっているという。本資料では、AIを活用した分析に向けたデータ準備の6つのステップを解説し、各ステップにおける課題を解決する具体的なソリューションを紹介する。

激化する競争環境でも成長を続ける企業は、データの価値を重要視し、組織全体の戦略的なデータ活用やAI／機械学習に取り組み始めている。しかし、最新のデータ活用事例を見ると、その工数の8割がデータのクレンジング作業に費やされているという。「必要なデータの所在が分からない」「データが正確でないため使えない」「データ加工処理に時間がかかる」などの課題がある。データ量や種類の増加に伴い、さらに複雑化するデータ整備のために新しい解決策が求められている。本資料では、「データ統合」「データ品質」「データガバナンス」に関する機能をオールインワンで提供するソリューションを紹介する。

データを活用し、顧客体験の最適化やビジネスプロセスの最適化、オペレーションの効率化を実現するデジタル・トランスフォーメーション（DX）の実現が、多くの企業にとって経営課題となっている。従来の構造化データだけでなく、音声やテキスト、画像などの非構造化データも活用することで、これまでにない新しいビジネスモデルを生み出すことも可能になるが、そのためにはデータを「もっとシンプルに、組織の誰もが使いやすく」する必要がある。

本書は、DXを推進し、データ・ドリブンな経営を実現するためのロードマップが示されている。特に、「データをためる」「データをつなぐ」「データを分析・活用する」という「3つのカギ」は必読だ。

増え続けるデータを活用し、DXを成功させたいと考える経営層はぜひ、本書の内容を参考にしてほしい。

データを活用してビジネス価値を生み出すことが企業に求められています。その前提として、社内に分散しているデータを統合・整理することが必要になりますが、その際には「名寄せ」を避けて通ることができません。いったい「名寄せ」とは何なのでしょうか。なぜ名寄せが必要なのでしょうか。そして、その具体的な方法とはどのようなものなのでしょうか。

近年、マスターデータ管理（MDM）の重要性が強調されています。企業がビジネスにデータをフル活用するためには、データを正しく管理しなければなりません。そこでここではそもそもマスターデータとは何か、なぜマスターデータ管理が必要になってきたのか、導入を進める上でのポイントは何かについて、データベースやデータ管理に詳しくない方にも理解できるように解説します。

企業経営や日常業務での意思決定にデータを活用することで、自社の競争力を高めようと考える企業が年々増えています。ところがデータ活用を本格的に開始しようとすると、必ず陥る落とし穴があります。それは、社内に蓄積しているデータも、社外から取り込んだデータも、必ずしもそのままでは利用できないということです。なぜそのようなことが起こるのか、またどうすれば活用可能な価値あるデータになるかについて分かりやすく説明します。

社内に蓄積されている豊富なデータを活用できている企業はまだ少ない。なぜ、データ活用が進まないのか。データを活用するためにはどんな組織、人材が必要になるのか。データ分析でビジネス成果を生むための仕組みづくりについて、デジタルガレージ、本田技術研究所、東京ガスというデータ活用推進企業のリーダーたちが集結。日本アイ・ビー・エム 西牧 洋一郎がモデレーターを務め、組織、人材、分析基盤という3つの視点から熱い議論を交わした。

近年、BIの中でも特に広がりを見せているのが一般のエンドユーザーが自身で分析やレポートを作成できる「セルフサービスBI（セルフBI）」だ。しかしセルフBIには、その成功事例が「分析者」と「分析結果の利用者」が近いマーケティング分野などに限定されるといった批判もある。データに基づいた行動を組織として実現するには、「スキルを問わない」分析環境が必要だ。分析スキルを持つ者だけが得てきた「個人知」を「組織知」に変換するには何が必要なのか。

機械学習などの先進技術を活用したデータ分析の取り組みが、大手企業や先進的なスタートアップを中心に進展している。新しい技術で何ができるのかという検証段階は過ぎ、業務課題を解決できなければ意味がないという共通認識ができつつあるのが現在の状況だ。とはいえ、データ分析を実際のビジネスに本格的に活用できている企業はまだ少ない。特に深刻なのが人材の問題だろう。そこでここでは、データにまつわる人材の問題を解決し、データをビジネスで活用するための処方せんを解説する。

AI／機械学習の技術が急速に発展し、社内外の膨大なデータを効率的に分析してビジネスの迅速な意思決定に役立てるデータ活用に多くの企業が取り組んでいる。しかし、「データがそろうまで時間がかかる」「思うように分析できない」などの課題に直面する企業も多い。どうすれば効率的にデータを蓄積し、活用できるのだろうか？　本資料では、データの「蓄積」「活用」フェーズにおける課題解決のヒントを提示し、さらにデータ分析・活用の自動化を可能にする最新技術を紹介する。

「美と健康の事業分野において売上高1兆円企業」を経営目標に掲げ、オムニチャネル化を推進するマツモトキヨシホールディングス（HD）。顧客のロイヤリティを向上して販売機会を拡大すべく「顧客理解の高度化」と「販促施策の自動化」に挑戦。購買結果を分析するだけでは不十分だと考え、新たなデータ分析プラットフォームを導入し、顧客分析から販促施策実行に至るまでのプロモーションの高度化を実現した。本資料では、非効率な分析の限界から脱却を図った同社の取り組みを詳しく紹介する。

よい商品を提供すればビジネスは成長する…。そんな時代は終了した。近年はインターネットやSNSなどの普及で、顧客は大量の情報を得られるようになった。インターネット通販を利用すれば、あらゆる地域・店舗から商品を購入できる。こうした顧客の選択肢拡大に対応するには、顧客を「軸」とした分析でその趣向を理解し、次の施策につなげる必要がある。本資料では「顧客軸」分析を実現し、持続的なビジネスの成長と収益を最大化するツールを紹介する。ぜひ参考にしてほしい。

データ駆動型ビジネスの重要性に誰しもが気づき始めている中、企業はビッグデータの中に埋もれる“宝”を、他社に先駆けて見つけ出さなければならない。では、どのような“道具”を使って“宝”を掘り当てればよいのだろうか。本資料では統計解析のスタンダード・ソフトウェアである「IBM SPSS」を基に、データ分析ソフトウェアに求められる機能を考察する。分析のデファクトスタンダード製品を理解すれば、そもそも「どんな機能が必要なのか」を理解できるはずだ。