機械学習をエンタープライズ運用に統合する実践ガイド

世界は産業革命を超え、機械学習、人工知能、ビッグデータ分析が日常ビジネスを形作るデジタル時代へ移行しました。

最近、Talendのプロダクト担当シニアVP Ciaran Dynes氏と、DatalytyxのマネージングディレクターJustin Mullen氏に話を聞きました。Talendはエンタープライズグレードのデータ統合とビッグデータソリューションを提供し、Datalytyxはデータエンジニアリング、分析、収益性の高い意思決定を加速するクラウドサービスを専門としています。

ビッグデータ運用の進化

変革を理解するため、5年前に同社が直面した障害と、なぜモダンな統合プラットフォームが不可欠になったかをMullen氏に尋ねました。同氏は説明します：「我々は顧客が直面したのと同じハードルに遭遇しました。ビッグデータ分析以前は、私が『難解なデータ分析』と呼ぶものでした。オンプレミスシステムからデータを手作業で集約・処理し、最大の課題は分析アルゴリズム適用やビジネスステークホルダー向け結果可視化の前に、データを集中化し信頼できるものにすることでした。」

Mullen氏は付け加えます：「クライアントは一度きりの分析ではなく、数ヶ月から数年にわたる継続的なKPIリフレッシュを求めました。手作業のデータエンジニアリングでは不可能だったため、これらのペインポイントを解決できる堅牢で信頼できるプラットフォームが必要だと気づきました。」

データサイエンスの到来

経済学者と社会科学者は、自動化が定型業務をますます置き換えると警告します。しかしDynes氏が指摘するように、「データサイエンティストは業界横断で複雑な問題に取り組み、生データを行動可能な洞察に変え、自動化を可能にします。機械が作業を実行しますが、人間がプロセスをガイドし意味ある成果を届けます。」

この相乗効果が、人間の専門知識と機械能力の両方に対するバランスの取れた需要を生み出します。生データだけは処理なしでは無意味で、機械学習は高品質で関連性のあるデータなしでは成り立ちません。

ビッグデータをビジネスモデルに組み込む

Dynes氏は指摘します：「企業はデータの戦略的価値を認識し、ビッグデータと機械学習ソリューションをコアモデルに織り込んでいます。」同氏はさらに、「自動化はすでにEC、製造、モバイルバンキング、金融で明らかであり、その可能性はのみ成長します。」と述べています。

機械学習プラットフォームへの需要の進化について尋ねられ、Dynes氏は「必要性は常にありました。5年前はデータが少数プレーヤーに独占されていましたが、今日オープンソースツールとクラウドインフラがデータをよりアクセスしやすくし、プレーイングフィールドを平らにしました。」と答えました。

Justin氏はCalor Gas、Jaeger、Wejoなどの企業と提携してきました。同氏は説明します：「多くのクライアントにとって最も困難な課題は、複雑なアルゴリズムを同時実行できるよう必須データを単一場所に統合し、より深い分析のために統合結果を提供することでした。レジリエントなデータパイプライン構築が、断続的な洞察を継続的価値に変える鍵でした。」

急速なデジタル化の理由

Dynes氏は2つの力を要因として挙げます：「第一に、テクノロジーが指数関数的ペースで進化したこと。第二に、組織文化が劇的にシフトしたこと。」詳しく説明します：「オープンソースとクラウドプラットフォームがデータアクセスを民主化しました。テックサビな新世代ワーカーが透明性とリアルタイム情報を求め、データ収集をより容易かつ洞察深いものにしました。」

Mullen氏は今日企業が直面する2つの主要課題を強調します：「第一に、データ収集、取り込み、キュレーション、集約が依然として困難。第二に、データエンジニアリング、高度分析、機械学習専門知識の人材ギャップ。」

Dynes氏は結論づけます：「レガシーとモダンな世界の橋渡しが不可欠です。旧モデルが手作業のデータ収集に依存したのに対し、新モデルはエンドツーエンドのデータソリューションに焦点を当てます。今日のベンダーで両方の需要を同時に満たせるのは少数です。データエンジニアリングの重要性は語り尽くせません。機械学習はパンドラの箱のよう——その応用はあらゆるセクターに及び、質の高いプロバイダーとして確立されれば、ビジネスはあなたの専門知識を求めるでしょう。」

Ciaran Dynes、Justin Mullen、Ronald van LoonをTwitterとLinkedInでフォローし、ビッグデータソリューションと機械学習トレンドへの更なる洞察を得てください。