AIがデータ分析をコンテキストに組み込む方法

AIと拡張分析の進歩は、エンタープライズチームがデータをより効果的にコンテキストに組み込むことができることを意味します。

ビッグデータが流行語になる前から、ビジネスリーダーやデータ専門家をかなり苛立たせてきた課題があります。分析におけるコンテキストの欠如です。

このユースケースがおなじみのように聞こえるかどうかを確認してください。ビジネスリーダーは当初、地域の売上が落ち込んでいる理由の分析を求めていました。データアナリストは、モデルの作成、データの取得、ビジネス側のレポートの作成に2か月間懸命に取り組みました。

問題

結果が戻ってきたとき、結果は残念ながら一次元であり、その売上の減速の背後にある本当の「理由」を確認することはできませんでした。レポートには、特定の製品ラインまたは特定の営業チームのずれが含まれている場合があります。しかし、両方ではありません。

欠けていたのは文脈でした。滑りの本当の根本的な原因を検出する方法はありませんでした。それは人事、報酬、または売上高の問題でしたか？それは実際にサプライチェーンの問題でしたか？それは新しい競争相手だったのでしょうか？それとも、値上げのようなものでしたか？それらすべてでしたか？これらの質問は、販売分析の自然なフォローアップになります。

しかし、さまざまな潜在的な原因を深く理解することなく、ビジネスリーダーとデータの専門家は、時間とリソースを浪費したことでお互いを非難することがよくありました。

拡張分析の進化

上記のコンテキストを見つけるために、今日、一部の企業はAIに目を向けています。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AIの機能のおかげで、成功を報告しています。こ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にリストされていない新しいデータタイプに表示され、企業の組織図にも表示されません。

バブソン大学の分析およびITの第一人者であるTomDavenportは、Oracleの分析製品戦略担当副社長であるJoey Fittsが共同執筆した、最近のHarvardBusinessReviewの記事でこれらの新しいデータ型を調査しました。

「AIにより、アナリティクスはさまざまなソースから重要なコンテキストを自動的に組み込み、処理できるようになります。その多くは、以前はアナリストがサイロや不十分に保守されたカタログをナビゲートする必要がありました」と彼らは書いています。

さらに、「イノベーションは、AIと自動化、既存の情報システム間の接続、およびデータと分析に関してどのような決定が行われるかについての役割ベースの仮定に依存しています。最終的には、アナリストが事前に準備する必要なしに、意思決定者に直接提供できる洞察と推奨事項を準備できます。」

Davenport and Fitts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、手作業で行われることが多すぎます。

彼らは次のように書いています。「これには、分析に適切なデータとその場所に関する広範な知識が必要であり、多くのアナリストはより広いコンテキストに関する知識を欠いていました。ただし、分析やAIアプリケーションでさえ、コンテキストを提供することがますます増えています。そして、これらの機能は現在、エンタープライズリソースプランニング（ERP）や顧客関係管理（CRM）などのトランザクションシステム製品に主要ベンダーによって定期的に含まれています。」

コンテキストを追加するこの機能は、「スマートデータ検出」と拡張分析を使用したAIによる自動化に部分的に依存しています。

2017年、Gartnerは、拡張分析を「機械学習やAIなどのテクノロジーを使用して、データの準備、洞察の生成、洞察の説明を支援し、分析やBIプラットフォームでデータを探索および分析する方法を強化する」と定義しました。

未来派のバーナードマーは、「拡張分析は、データが生のデータソースから自動的に取得され、偏りのない方法でスクラブおよび分析され、人間が理解できる自然言語処理を使用してレポートで伝達されるプロセスを説明します。」

市民データサイエンティストを入力

DavenportとFittsは、分析に対するこの新しいアプローチが大手保険会社によってどのように実装されたかの例を引用しました。彼らは、新しい人的資本システムには、「人材KPI、ベストプラクティスのベンチマーク、および多様性や離職レベルなどのHRトレンドを監視する機能が含まれている」と述べています。これらの機能を備えた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ました。」

AIと分析のこの進化は、新世代の市民データサイエンティストへの道を開くようです。

後者の用語がおなじみのように聞こえるのは、技術者以外のビジネスプロに高度な分析機能を提供するという概念が5年前から始まっているからです。

その間、市民データサイエンスは、ビジネスユーザーがデータサイエンスのキャリアトレーニングを受けたとしても、ツールでビジネスユーザーを信頼しない一部の分析プロからの抵抗に直面していました。また、元の概念は、何千ものアプリケーションを使用する企業全体に拡張される可能性はほとんどありませんでした。

しかし、この新しいバージョンの市民データサイエンスは、Davenportが論じている「新しいデータ型」を利用しているようです。部門、プロセス、およびデータ型の間の関係を発見して利用するという重労働は、大部分がAIモデルによって行われることを約束します。これらのモデルは、データサイエンティストによって引き続き構築されます。その後、「市民」は自分たちが最も得意とすることを行い、AIが答えるのに優れているかもしれないというビジネス上の質問をすることができます。