メインコンテンツへジャンプ
Platform blog

エグゼクティブのためのデータ、アナリティクス、AI変革ガイド 第2回:ユースケースの特定と優先順位付け

クリス・ダゴスティーノ
Mimi Park
Usman Zubair
Share this post

Original Blog : The Executive’s Guide to Data, Analytics and AI Transformation, Part 2: Identify and prioritize use cases

翻訳: junichi.maruyama 

本連載は、データおよびAIの変革イニシアチブを率いるシニアエグゼクティブと重要な洞察と戦術を共有するための複数回シリーズのパート2です。シリーズのパート1はこちらでお読みいただけます。

データ、アナリティクス、AIによるビジネス変革を実現するための重要なステップは、ビジネス価値を高めるユースケースを特定することです。ただし、現状(人、プロセス、データ、インフラ)で達成可能なユースケースに優先順位をつけることです。組織内には、より良いデータとAIの恩恵を受けられるユースケースが通常何百と存在しますが、すべてのユースケースの重要性や実現可能性が同じとは限りません。リーダーは、ユースケースを特定、評価、優先順位付け、実装するための体系的なアプローチを必要としています。

潜在的なユースケースのリストを確立する

最初のステップは、組織全体から様々なステークホルダーを集めてアイデアを出し、全体的なビジネスドライバー(特にCEOや取締役会が監視しているもの)を理解することです。第二のステップは、ビジネス・ステークホルダーと協力してユースケースの機会を特定し、ユースケースを実装するために必要なビジネス・プロセスとデータを理解することである。次に、予想されるROIを計算して、これらのケースに優先順位をつけます。データ/ITチーム内のペット・プロジェクトにならないように、エグゼクティブ・レベルでビジネス・チャンピオンを持つことが重要です。

また、複雑なユースケースと、手間がかからないユースケースのバランスをとる必要があります。例えば、ウェブ訪問者が既存顧客か純新規顧客かを判断するには、ウェブブラウザのクッキーデータと、特定の個人または世帯が使用するデバイスの相関関係を使用する、かなり単純なアルゴリズムが必要です。しかし、地理的、時間的、加盟店や顧客の購買行動を考慮した高度なクレジットカード詐欺モデルを開発するには、分析を実行するためのより幅広いデータセットが必要です。

パフォーマンスに関しては、ユースケースの実行速度について考慮する必要があります。一般的に、パフォーマンスが高ければ高いほど、コストも高くなります。したがって、ユースケースを3つのカテゴリーに分類することを検討する価値があります:

  1. 秒単位での応答
  2. 数秒の応答
  3. 数分の対応

真のサービスレベル合意(SLA)について現実的に考えることで、設計やインフラの過剰なエンジニアリングを避け、時間とコストを節約することができます。

"データ資産 "という観点で考える

機械学習アルゴリズムは、実験、モデルの訓練、そしてモデルの本番導入時の実行のために、すぐに利用でき、高品質で関連性の高いデータを必要とします。このような機械学習のステップに使用されるデータの品質と信頼性は、具体的なROIを生み出すモデルを本番に導入するための鍵となります。

特定のユースケースでデータを利用できるようにするためには、どのような手順が必要かを理解することが重要です。考慮すべき点としては、類似または隣接するデータを利用するユースケースを優先させることです。あるユースケースでデータを利用できるようにするためにエンジニアリング・チームが作業を行う必要がある場合、隣接するユースケースでデータを利用できるようにするために、エンジニアが段階的に作業を行う機会を探します。

成熟したデータおよびAI企業は、「データ資産」または「データ製品」という概念を取り入れ、組織の設計戦略とデータ資産のロードマップを採用することの重要性を示しています。このアプローチをとることで、関係者は単一のユースケースのみを駆動する目的適合型のデータセットを避け、より多くのビジネス機能を促進することができるデータ資産に焦点を当てるために思考レベルを上げることができます。データ資産」ロードマップは、データソース所有者が、作成する必要のあるデータ資産の優先度と複雑さを理解するのに役立ちます。このアプローチにより、データは企業文化の一部となり、企業文化を発展させ、組織内のビジネスアプリケーションやその他のシステムの設計に影響を与えるようになります。

最も影響力の大きいもの/優先順位を決定する

下表に示すように、組織は、戦略的重要性、実現可能性、具体的なROIという3つの要素を考慮したスコアカード・アプローチで、所定のユースケースを評価することができます。戦略的重要性は、そのユースケースが当面の企業目標の達成に役立ち、成長を促進したりリスクを軽減したりする可能性があるかどうかを測定します。実現可能性は、ユースケースを実施するためのデータとITインフラ、およびデータサイエンスの人材が組織に揃っているかどうかを評価します。ROIスコアは、組織が損益への影響を容易に測定できるかどうかを示しています。

Determine the highest impact/priority

ビジネスとテクノロジーのリーダーシップの一致を確認する

ユースケースの優先順位を決めるには、攻めのユースケースと守りのユースケースのバランスを取ることが必要です。経営者は、機会の拡大(攻め)とリスクの低減(守り)の観点からユースケースを評価することが重要である。例えば、データ漏洩やコンプライアンス違反のコストが新規顧客獲得よりも高い場合、データガバナンスとコンプライアンスのユースケースは、攻撃的なユースケースよりも優先されるべきです。ユースケースの導入と効果を確実にするために、テクノロジー関係者はビジネスリーダーと緊密に連携し、企業目標や戦略的優先順位を一致させる必要があります。

結論

データおよびAIの変革の旅を始めたばかりでも、すでに始めている場合でも、これらの戦略はユースケースの特定と優先順位付けに適用でき、ビジネス価値を促進することができます。インパクトのあるユースケースの提供を加速するために、Databricksは業界に特化したSolution Acceleratorsのライブラリを提供しています。詳細については、弊社までお問い合わせください。

もっと詳しく知りたいですか?当社の電子書籍「Transform and Scale Your Organization With Data and AI.」をご覧ください。

 

Databricks 無料トライアル

関連記事

Data AI

Five Challenges CIOs Need to Overcome in the New Year

February 1, 2023 Josh Howard による投稿 in データ戦略
As IT leaders kick off the new year during one of the most tumultuous times in recent history, CIOs are being forced to...
Data AI

6 Guiding Principles to Build an Effective Data Lakehouse

In this blog post, we will discuss some guiding principles to help you build a highly-effective and efficient data lakehouse that delivers on...
Data AI

Hadoop からレイクハウスへの移行:成功のための 5 つのステップ

August 6, 2021 Harsh Narula による投稿 in データ戦略
Hadoop (ハドゥープ)から レイクハウスアーキテクチャ のようなモダンなクラウドベースのアーキテクチャへの移行は、技術的な判断ではなく、ビジネス的な判断です。以前のブログ、 It’s Time to Re-evaluate Your Relationship With Hadoop では、組織がHadoop との関係を再評価する必要がある理由を解説しました。技術やデータ、ビジネスのステークホルダーが、エンタープライズの Hadoop を移行する決断をした後、移行を実行する前に 考慮すべき課題 があります。本ブログでは、実際の移行プロセスそのものに焦点を当て、移行を成功させるための重要なステップや、新たなデータドリブンなイノベーションの成功にレイクレイクハウスアーキテクチャが果たす役割を説明します。 移行のステップ 率直に言って、移行は決して容易ではありません。しかし、移行を構造化することで、リスクを最小限に抑え、ビジネスの継続性を確保し、コストを効果的に管理できます。そのためには、 Hadoop からの移行
製品一覧へ