AIでデータ分析を文脈化し、ビジネス・インサイトを導く

AIと拡張分析の進歩により、エンタープライズ・チームはデータをより効果的に文脈化できるようになりました。

ビッグ・データがバズワードになるずっと前から、ビジネス・リーダーとデータ・プロフェッショナルをほぼ同じくらい長く悩ませてきた課題があります。それは分析における文脈（コンテキスト）の欠如です。

このユース・ケースが聞き覚えがあるか見てみましょう。ビジネス・リーダーが本来、地域売上の低迷理由の分析を依頼し、データ・アナリストが数か月かけてモデル構築、データ抽出、レポート作成に取り組みました。

問題

結果が返ってきたとき、結果は残念ながら単一次元的で、その売上低迷の真の「なぜ」を決して確認しませんでした。レポートは特定の製品ラインの低迷や、特定の営業チームの低迷を特定したかもしれません。しかし、両方ではありません。

欠けていたのは文脈です。真の根本原因を検出する方法がありませんでした。人員、報酬、離職の問題だったのか？ 実はサプライ・チェーンの問題だったのか？ 新たな競合の出現だったのか？ それとも価格上昇のようなものだったのか？ それらすべてだったのか？ これらの質問は、あらゆる売上分析への自然なフォローアップ質問です。

しかし、多様な潜在原因への深いビューがないため、ビジネス・リーダーとデータ・プロフェッショナルはしばしば、時間とリソースを無駄にしたと互いを責め合って去っていきました。

拡張分析の進化

上記の文脈を見つけるために、一部の企業は今日AIに目を向けています。AIが無数の部門、アプリケーション、プロセス間の関係と依存関係を検出する能力のおかげで成功を報告しています。それらの関係の存在は、スプレッドシートや従来のデータベース、もちろん企業組織図には記載されていない新しいデータ・タイプとして現れます。

バブソン・カレッジの分析とITのグル、トム・ダベンポート氏が、オラクルの分析製品戦略担当VPジョーイ・フィッツ氏と共著した最近のハーバード・ビジネス・レビュー記事で、それらの新しいデータ・タイプを調べました。

「AIは、アナリストが以前ならサイロをナビゲートし、不十分にメンテナンスされたカタログを調べる必要があった幅広いソースから重要な文脈を、分析が自動的に取り込み処理することを可能にしています。」

「これらのイノベーションは、AIと自動化、既存情報システム間の接続、データと分析でどの意思決定が行われるかについての役割ベースの想定に依存しています。最終的に、アナリストが事前に準備することなく、インサイトと推奨事項を意思決定者に直接届ける準備ができます。」

ダベンポートとフィッツによると、分析プロジェクトに適したデータを見つけることは、太しばしば手作業の作業でした。

「これには、分析に適したデータが何で、どこで見つけられるかに関する広範な知識が必要で、多くのアナリストはより広い文脈の知識を欠いていました。しかし、分析とAIアプリケーションはますます文脈を提供できるようになっています。そしてこれらの能力は、ERP（企業資源計画）やCRM（顧客関係管理）のようなトランザクション・システム製品で、主要ベンダーによって定期的に搭載されるようになっています。」

文脈を追加するこの能力は、「スマート・データ・ディスカバリ」と拡張分析を用いたAIによる自動化に部分的に依存しています。

2017年、ガートナーは拡張分析を「機械学習やAIのようなイネーブリング・テクノロジーを用いて、データ準備、インサイト生成、インサイト説明を支援し、人々が分析とBIプラットフォームでデータを探索・分析する方法を拡張すること」と定義しました。

未来学者バーナード・マー氏は、「拡張分析とは、データが生のデータ・ソースから自動的に取り込まれ、偏りなく洗浄・分析され、人間が理解できる自然言語処理を用いたレポートで伝達されるプロセスを説明します。」と付け加えています。

シチズン・データ・サイエンティストの登場

ダベンポートとフィッツは、この新しい分析アプローチが大手保険会社でどう実装されたかの例を挙げています。新しいヒューマン・キャピタル・システムが「HR KPI、ベスト・プラクティス・ベンチマーク、ダイバーシティと離職レベルのようなHRトレンドを監視する機能を含んでいた。これらの能力を持つ新しいエンタープライズ・レポート・ツールが、わずか8週間で全社に導入された。」と述べています。

このAIと分析の進化は、新世代のシチズン・データ・サイエンティストへの道を切り開くようです。

後者の用語が聞き覚えがあるなら、非テック・ビジネス・プロに高度な分析能力を与えるという概念が5年間議論されてきたからです。

その間、シチズン・データ・サイエンスは、ミッド・キャリアでデータ・サイエンスのトレーニングを受けても、ビジネス・ユーザーをツールで信頼しない一部の分析プロから抵抗を受けてきました。元の概念も、数千のアプリケーションを持つエンタープライズ全体にスケールすることは unlikely でした。

しかし、この新しいバージョンのシチズン・データ・サイエンスは、ダベンポートが語る「新しいデータ・タイプ」を活用しているようです。部門、プロセス、データ・タイプ間の関係の発見と活用という重労働は、大部分がAIモデルによって行われることが約束されています。それらのモデルは依然としてデータ・サイエンティストによって構築されます。「シチズン」は、彼らが最も得意とすること、AIがより良く答えられるかもしれないビジネス質問をすることに集中できます。