エンタープライズ分野で機械学習を取り入れ始める方法

世界は産業革命をはるかに超えており、今、私たちはデジタル革命の時代を経験しています。機械学習、人工知能、ビッグデータ分析は、今日の世界の現実です。

最近、Talendの製品担当シニアバイスプレジデントであるCiaranDynesとDatalytyxのマネージングディレクターであるJustinMullenと話をする機会がありました。 Talendは、企業にビッグデータソリューションを提供するソフトウェア統合ベンダーであり、Datalytyxは、ビッグデータエンジニアリング、データ分析、およびクラウドソリューションの大手プロバイダーであり、企業全体でより速く、より効果的で、より収益性の高い意思決定を可能にします。

ビッグデータ運用の進化

ビッグデータ運用の進化についてさらに理解するために、私はJustin Mullenに、彼の会社が5年前に直面した課題と、なぜ彼らが最新の統合プラットフォームを探しているのかについて尋ねました。彼は次のように答えました。「私たちは、お客様が直面しているのと同様の課題に直面しました。ビッグデータ分析の前は、それは私が呼んでいたものでした

彼は次のように答えました。「私たちは、お客様が直面しているのと同様の課題に直面しました。ビッグデータ分析の前は、それは私が「難しいデータ分析」と呼んでいたものでした。 主にオンプレミスのシステムからのデータの手動による集約と処理が多く行われました。そして、おそらく直面した最大の課題は、生データを分析し、ビジネスが理解できる意味のある方法で結果を視覚化するために利用できるさまざまな分析アルゴリズムを適用する前に、データを一元化して信頼することでした。」

彼はさらに次のように付け加えました。「私たちのクライアントは、この分析を1回だけでなく、数か月から数年にわたってKPIパフォーマンスの更新を継続的に更新することを望んでいました。手動のデータエンジニアリング手法では、クライアントの要件を満たすことは非常に困難でした。そのため、これらの課題を解決する堅牢で信頼できるデータ管理プラットフォームが必要であると判断しました。」

データサイエンスの出現

経済学者や社会科学者のほとんどは、製造および商業プロセスを引き継ぐ自動化について懸念しています。デジタル化と自動化が現在と同じペースで成長し続ける場合、機械が労働力の人間に部分的に取って代わる可能性が高くなります。今日、私たちの世界でいくつかの現象の例が見られますが、将来的にははるかに顕著になると予測されています。

ただし、Dynes氏は、次のように述べています。「データサイエンティストは、今日さまざまなセクターが直面している複雑で複雑な問題に対するソリューションを提供しています。彼らは、データ分析からの有用な情報を利用して、物事を理解し、修正しています。データサイエンスは入力であり、出力は自動化の形で生成されます。機械は自動化されますが、人間は目的の出力を得るために必要な入力を提供します。」

これにより、人間と機械のサービスに対する需要のバランスがとれます。自動化とデータサイエンスの両方が並行して行われます。一方のプロセスは、もう一方がないと不完全です。生データを操作して意味のある結果を生成できなければ、生データは何の価値もありません。同様に、機械学習は、十分で関連性のあるデータなしでは実現できません。

ビッグデータをビジネスモデルに組み込む

Dynes氏は、「企業はデータの重要性を認識しており、ビッグデータと機械学習のソリューションをビジネスモデルに組み込んでいます」と述べています。彼はさらに次のように付け加えています。これはeコマースおよび製造業で明らかであり、モバイルバンキングおよび金融で幅広い用途があります。」

機械学習プロセスとプラットフォームの需要の変化に関する彼の意見について尋ねたところ、彼は次のように付け加えました。データ分析は、5年前も現在も同様に役立ちました。唯一の違いは、5年前には起業家の独占があり、データは秘密裏に保存されていたということです。データを持っていて、力を持っていて、データにアクセスできる著名な市場プレーヤーはほんのわずかしかいませんでした。」

ジャスティンはさまざまな企業と協力してきました。彼の最も著名なクライアントのいくつかは、Calor Gas、Jaeger、Wejoでした。高度な分析や機械学習を実装する前にこれらの企業が直面した課題について話すとき、彼は次のように述べています。より良い分析のために1か所で表示されます。データの配管とデータパイプラインは、データの洞察を1回限りではなく継続的にするために重要でした。」

急速なデジタル化の理由

Dynes氏は、次のように述べています。「2つの主な理由により、急速なデジタル化が進んでいます。テクノロジーはここ数年で指数関数的に進化し、第二に、組織文化は大幅に進化しました。」彼は次のように付け加えています。「オープンソーステクノロジーとクラウドプラットフォームの出現により、データへのアクセスが容易になりました。より多くの人々が情報にアクセスできるようになり、彼らはこの情報を自分たちの利益のために使用しています。」

テクノロジーの進歩と発展に加えて、「労働力に参入する新世代もテクノロジーに依存しています。彼らは日常の日常業務をテクノロジーに大きく依存しています。彼らは透明性のあるコミュニケーションに対してよりオープンです。したがって、彼らは自分の意見や好みについて話す準備ができているので、この世代からデータを収集する方が簡単です。彼らは不可能な質問をしたり答えたりする準備ができています」とDynesは言います。

ビッグデータ分析ソリューションを選択する際に企業が直面する課題について話すとき、Mullen氏は次のように付け加えています。「機械学習を採用する際に業界が現在直面している課題は2つあります。彼らが直面する最初の課題は、データ収集、データ取り込み、データキュレーション（品質）、そしてデータ集約に関連しています。 2番目の課題は、データエンジニアリング、高度な分析、機械学習における人間のスキルの欠如と戦うことです。」

Dynesは、次のように述べています。「新しい世界と古い世界を統合する必要があります。旧世界はデータ収集に大きく依存していましたが、新世界は主にデータソリューションに焦点を当てています。今日の業界には、これらの両方の要件を同時に満たすソリューションは限られています。」

彼は次のように述べています。「データエンジニアリングの重要性は無視できません。機械学習はパンドラの箱のようなものです。そのアプリケーションは多くの分野で広く見られており、品質プロバイダーとしての地位を確立すると、ビジネスがあなたのサービスのためにやってくるでしょう。これは良いことです。」

ビッグデータソリューションと機械学習に関するさらに興味深い最新情報については、TwitterとLinkedInでCiaran Dynes、Justin Mullen、Ronald vanLoonをフォローしてください。