企業成功を加速：AIとMLがリアルタイムデータ課題を解決

データを迅速にアクション可能にすることは、古いデータ管理秩序に困難な課題を生み出します。

Gartnerの3つの新しいレポートが、企業にとってAIとMLを注入した価値創出型運用アプリケーションの構築の緊急性を、鋭く浮き彫りにしています ― さもなければ永遠に後れを取ることになる。

緊急性の構築要因 #1： 最新のAIビジネス価値予測で、GartnerはAI拡張が2021年に2.9兆ドルのビジネス価値を創出すると述べています。わずか1年で。

緊急性の構築要因 #2： GartnerのAIとML開発戦略調査では、リーディング組織がAI/MLプロジェクトを大幅に増やすと予想しています ― 今年の平均4つから、2022年までに35へ。

緊急性の構築要因 #3： 「予測2019：データ&アナリティクス戦略」レポートで、Gartnerは「効果的なデータ管理はこれまで以上に重要です。一部の企業はデータを制御し、市場支配の武器に変えましたが、多くの他社は、インテリジェンス調整にブレーキをかける問題に苦戦しています：サイロ。」と述べています。

関連記事： How to Speed AI Deployment to Achieve CI Benefits Faster

Gartnerの「リーディング組織」とは、意思決定支援、リアルタイム意思決定自動化、AI拡張インテリジェンスなどを通じて、AI、ML、IoEイニシアチブから流れる2.9兆ドルのビジネス価値のシェアを掴む競争で先頭を走る組織です。

何が企業を阻んでいるか？

サイロ化されたデータだけが、IoEアプリケーション構築とML/AIプロジェクト展開の努力を損なっているわけではありません。IoTに関連する時系列データとリアルタイム運用を処理するのに不向きな、硬直したレガシーシステムも混乱を招きます。

あなたの組織は、価値実現へのレースでどこに位置していますか？AIやMLプロジェクト、IoEアプリケーションの導入への道をどう滑らかにしていますか？多くの企業と同様なら、サイロ化されたデータから始まるいくつかの主要な課題に直面しています。

異種ソースからデータを統合し、全体像を描けないことは、インターネット・オブ・エブリシング（IoE）アプリケーション要件を考慮する前から、一部の企業が追いつけない主なドライバーです。

長年、業界特化型、狭い機能のSaaSとエンタープライズクラウドアプリケーションによって強制されたデータサイロにコミットしてきました。しかし今、彼らは分離されたデータの分析的限界に直面し、データを現状のまま全体的に分析・活用できず、新世代アプリケーションに容易に展開できないことを発見しています。

データを重力の中心に

成功するには、すべてのMLとAIの取り組みはデータに基盤を置かなければなりません。私たちはすべてのプロセス自動化要件を、まずデータのレンズを通して見ます。それは、私たちが行うすべて、自動化するすべてのプロセス、可能にするすべてのリアルタイム意思決定とアクションの重力の中心です。

センサー生成時系列データに最適化されていますが、データの種類、ソース、量、速度に関わらず ― データが根本原因です。データに依存しないアプリケーションのためのデータ自動化基盤を構築することで、分断されたエンタープライズSaaSの世界で、サイロを打破するデータ統合の進展を可能にします。

これをオムニデータアプローチと考えています ― センサーネットワークのデータ管理要件が企業の他の場所でもオムニデータメリットを可能にするため、今後より多く耳にすることになるでしょう。

一般的なマーケットプレイスアプローチは、この原則に従っていません。典型的なIoT企業に話を聞けば、例えば、人を方程式にどう組み込むかについて良い話はないでしょう。彼らはすべてモノについてです。同様に、位置データサービスと労働力管理プロバイダーは、人と労働者の追跡について良い話をしますが、モノの統合にはほとんど信頼性がありません。

これが、IoTよりもIoEが私たちのコミュニケーションでより多く存在する理由の一つです。ほとんどの企業運営問題は、人とモノを等しく含みます。データの観点からは、違いもバイアスもありません。

古いデータ管理秩序は終わり

データ運用化は、古いデータ管理秩序に広大な新たな課題を生み出しています。気づいていようがいまいが、企業は「ポストデータベース管理システム（DBMS）」の世界に入っています。リアルタイムデータユースケースを硬直したレガシーDBMSインフラストラクチャに押し込めることが、ますます困難 ― もしくは不可能 ― になっています。

ソフトウェアアプリケーションのデータ要件は劇的に変化しました。 ユーザーとマシンの両方が、リアルタイムデータ分析と機械学習といった手法を用いてビジネスロジックを推進するため、より多くのデータを生成しています。

従来、アプリケーションのすべてのデータは、中央集権的またはオフィス中心のリレーショナルデータベースに保存されていました。しかし、これはリアルタイム運用とインテリジェンスが依存する、センサー駆動型時系列データの爆発にはスケールしません。

真のデータ駆動型ソリューションを構築するために、エンジニアリングとメンテナンスの負担は不可逆的に複雑化しました。わずかなサブシステムから、より高価なビッグデータエンジニアリングチームの専門知識を必要とする数十のサブシステムへと移行しました。

ユースケースの理解

IoE、ML、AI関連のユースケースを単に想像し理解すること自体が、企業を阻むもう一つの主要な課題です。

GartnerのAI/ML開発調査の回答者の約42%が、ユースケース特定を（スキル不足に次ぐ）第二の最大課題として挙げました。私たちはこれを繰り返し見ています。

その他の主要課題には、スケーラビリティ、時系列データや多様なソースからの大量高速データを扱えない硬直したレガシーシステムが含まれます。

すべてを統括する一つのバックボーン

これらの数々の課題を受け、より多くの企業が「単一のバックボーン」データ自動化基盤を用いたIoEアプリケーション構築を試みています。これには、スケーラブルなデータ取り込み、正規化、エンリッチメントに加え、リアルタイムビジネスロジック、データストレージ、意思決定分析を処理できる、オープンで柔軟なプラットフォームが必要です。

データバックボーンアプローチにより、開発者は、古いより硬直したDBMSインフラストラクチャに適合させるためにデータのあらゆる用途を予測しようとするのではなく、独自のビジネスとユーザー価値をソリューションに構築することに集中できます。

企業には、さまざまな量と速度のセンサーデータを取り込み、あらゆるタイプや組み合わせの入出力に対応できるシステムが必要です。そして、オンプレミス、クラウド、エッジ、またはハイブリッドでそのような機能を展開できる必要があります。

これは、サイロ化されたデータと限定的なスケーラビリティから、データ基盤を毎回再発明せずに複数のアプリケーションを構築する課題まで、多数の問題を解決または回避します。そして、価値実現へのより速い道を提供します。