Original Blog : The Executive’s Guide to Data, Analytics and AI Transformation, Part 3: Build Successful Operating Models for Data Teams
翻訳： junichi.maruyama
本連載は、データとAIの変革イニシアチブを率いるシニアエグゼクティブに重要な洞察と戦術を伝える複数回シリーズのパート3です。シリーズのパート2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で成功するためには、企業は適切な人材を見つけて組織化し、高パフォーマンスのチーム、つまり適切なツール、プロセス、トレーニング、リーダーシップを備え、明確に定義された戦略に対して実行できるチームにする必要があります。デジタル変革には経営者レベルのサポートが必要であり、特に大規模な組織では、それがなければ失敗する可能性が高い。
しかし、単に最高のデータとAIの人材を雇うだけでは不十分で、組織が企業レベルで成功を望んでいる必要があります。つまり、データ、データリテラシー、コラボレーション、実験、アジャイル原則を受け入れる企業文化に進化させる必要があるのです。私たちは、このような企業を "データネイティブ "と定義しています。
最高情報責任者と最高データ責任者 - データコインの表裏一体
データネイティブ企業では一般的に、データサイエンス、ビジネスアナリティクス、データ戦略、データガバナンス、データマネジメントなどの分野を担当する責任ある経営者が1名います。デー タ管理には、データカタログへのデータセットの登録、データセットが環境内を流れる際のデータ系統の追跡、データ品質のチェック、機密データのスキャンなどが含まれます。
多くの組織では、これらの責任を監督・管理するために、最高データ責任者（CDO）の役割を急速に幹部層に加えつつあります。CDOは、CIOやその他のビジネス関係者と密接に連携して、プロジェクト全体の計画、設計、実装を確立し、プロジェクト管理、製品管理、ビジネス分析、データエンジニアリング、データサイエンティスト、機械学習の人材を調整します。
CDOとCIOは、変革を成功させることに意欲的なステークホルダーから幅広い支持を集め、組織全体への導入を促進する必要があります。そのためには、ステークホルダーが、この取り組みをサポートすることのメリットと、その役割と責任を理解する必要があります。
成功したデータネイティブ企業の多くに見られる組織構成が2つあります。1つ目は、AI/MLセンター・オブ・エクセレンス（COE）を設立することで、MLやAIに関する専門知識を社内で確立し、ベストプラクティスについて組織の他のメンバーを教育するために使用されます。2つ目は、データ、アナリティクス、AIの変革イニシアティブの決定と優先順位を監督・指導し、障害物を取り除く手助けをするデータ・AI変革運営委員会の設立です。
AI/ML COEを創設する
データサイエンスは、統計分析から教師あり学習、ニューラルネットワークを用いた深層学習まで、あらゆることを可能にするフレームワークやアルゴリズムが増え続け、急速に発展している学問です。様々な分 野の間に具体的で正確な境界を設けることは困難ですが、本書では、機械学習と人工知能をカバーする包括的な用語として「データサイエンス」を使用しています。
データサイエンスのコンピテンシーを構築したい組織は、データサイエンスを実行するためのツール、テクニック、プロセスを確立する目的で、集中管理された組織（COE）に人材を採用することを検討すべきです。COEは、組織の他の部分と連携して、さまざまなユースケースにおけるデータサイエンスの適切な利用を教育・促進します。
一般的なアプローチとしては、COEはCDOにレポートさせ、データサイエンティストはビジネスユニットや部門に点在させるというものがあります。この方法を用いると、2つの目標が達成されます：
データサイエンティストはビジネス・ステークホルダーに近く、ビジネスユニット内のデータをより深く理解し、価値を高めるユースケースの特定を支援することができます。
データサイエンティストがCDOに報告することで、コホート間のコラボレーションと仕事の進め方の一貫性を促し、組織全体にそれをもたらす構造を提供します。
データ・AI変革運営委員会
運営委員会の目的は、データ変換イニシアチブにガバナンスとガイダンスを提供することである。CDOとCIOは委員会の共同議長を務め、さらに、声高に擁護し採用を促進することができるビジネスエグゼクティブを1人加える必要があります。経営幹部の関与の度合いは、イニシアチブの成功に不可欠である。
運営委員会は、組織全体のリーダーと定期的に会合を持ち、状況報告を聞き、可能であれば対立を解決し、 障害を取り除く必要がある。リーダーは、以下を含むがこれに限定されない幅広い利害関係者の代表であるべきである：
- ビジネスパートナー ：プラットフォームの採用を促進することが容易か困難かについて、洞察とフィードバックを提供する。
- データサイエンス： MLのユースケースに関するCOEの組織内啓蒙の進捗状況や、各種実装状況を報告する。
- インフォセック： ネットワーク、ストレージ、アプリケーション、データの暗号化、トークン化など、セキュリティ全般を見直すこと。
- アーキテクチャ： 実装がアーキテクチャの標準とガードレールを遵守していることを監督する。
- リスク、コンプライアンス、リーガル： MLにおけるデータガバナンスと倫理へのアプローチを監督する。
- コミュニケーション： 次のステップや採用を促進する方法について、組織に対して最新のコミュニケーションを提供する
アーキテクチャやInfoSecと連携する
CDOとCIOは、早い段階で、組織内のエンジニアリングとアーキテクチャのコミュニティを巻き込んで、全体的な戦略の技術的な意味を全員が理解するようにする必要があります。こうすることで、エンジニアリングチームが別々のデータプラットフォームを構築し、競合する可能性を最小限に抑えることができます。多くの場合、エンタープライズアーキテクト（EA）またはそれに類する人物が必要とされ、全体的な技術設計とデータ管理機能がパフォーマンスと規制遵守の要件をサポートすることを検証する責任を負います。具体 的には、提案された設計が最も要求の厳しい使用例で予想される SLA を満たすことができるか、データ環境の量、速度、多様性および真実性（4 Vs）をサポートできるかどうかを確認します。
情報セキュリティの観点から、CDOは、新しいデータエコシステムに適切な管理とセキュリティが適用され、認証、認可、アクセス制御の方法がデータガバナンスの要件をすべて満たしていることを確認するために努力しなければなりません。業界のベストプラクティスは、データ所有者によるデータセットのセルフサービス登録を可能にし、セキュリティグループやロールの割り当てをサポートして、アクセス制御プロセスを自動化することです。これにより、データセットにアクセスできるのは、所定のグループに属する担当者のみとなります。グループの構成は、主に職能や組織内での役割に基づくことができます。このアプローチでは、新入社員のオンボーディングを迅速に行うことができますが、アクセス制御グループを増やし過ぎないように注意する必要があります。言い換えれば、グループのパーミッションを細かくし過ぎると、管理がますます難しくなります。より良い戦略は、より粗い粒度で、行と列レベルのセキュリティを控えめに使用することです。
中央集権型と連合型の労働戦略
今日のほとんどの組織では、管理職はサイロで働き、最善の意図を持って意思決定を行いながらも、自分の機能領域に集中している。現状に対する主なリスクは、エンタープライズ・データとAIプラットフォームを構築するために、複数の競合する、相反するアプローチが存在するようになることです。このような努力の重複は、時間と費用を浪費し、さまざまなチームの自信とモチベーションを損なう可能性があります。アーキテクチャを実装するためのさまざまなアプローチを比較検討することは確かに有益ですが、そのアプローチは厳密に管理されるべきであり、全員が同じ目標と要件のために設計し、この投稿で説明したように、アーキテクチャの原則とベストプラクティスを遵守する必要があります。
それでも、CDOとCIOの役割を合わせて、できるだけ複雑さを抑え、組織全体で容易に拡張できるデータ分析とAIのプラットフォームを提供する必要があります。データエンジニアリングチームを一元化し、CIOに報告することで、最新のデータスタックを設計しやすくなり、プラットフォームコンポーネントを実装する際に重複した作業が発生しないようにすることができます。以下は、考えられる構造の1つです。
企業にとって一元的でまとまりのあるデータ管理、データサイエンス、データガバナンスのプラットフォームを確立する方法については、今すぐ弊社までお問い合わせください。
このブログ記事は、上級管理職向けの複数回シリーズの一部で、Databricksの電子書籍「Transform and Scale Your Organization With Data and AI」から引用しています。
