IoT・AI・ビッグデータを活用するための2つの課題

IoT・AI・ビッグデータの活用に対しては多くの企業が取り組む必要を感じています。しかし実際に活用して効果を得るためには、大きく2つの課題が存在します。

1つ目の課題は活用するビッグデータの整備です。ビッグデータを整備するためには良質なデータを収集するシステムやプラットフォームが必要になります。企業内においては、情報システム部門、営業部門、マーケティング部門などの部門間でシステムの障壁があることも多いのですが、ビッグデータ活用のためにはデータを統合して全社横断的なデータ整備をすることが欠かせません。またビッグデータの元になるのは多くの場合顧客情報ですので、データを守るためのセキュリティ対策も必要になるでしょう。

2つ目の課題は収集したビッグデータを分析する体制です。データは日々蓄積されてどんどん大規模なものになっていきます。これに対応するためには大規模データにも対応できるスケーラブルな分析体制が必要です。

そして2つの課題に共通するのは、解決するためにはどうしても人材が求められることです。特にデータの分析については人的能力に依存する傾向が強いといえるでしょう。データ分析者(データサイエンティスト)には単純にデータを分析するだけでなく、それを元に成果につながる知見を見い出だす能力が求められます。

それでは、これらの課題解決のためにはどのようにアプローチしていけばよいのかを考えてみましょう。

企業や個人の英知を集結して課題にアプローチ

ビッグデータを活用するためには文字通り膨大な量のデータを取り扱うことになります。そのため従来の顧客管理などで運用してきたデータベースシステムとは桁違いのデータを取り扱うことにもなってくるのです。また取り扱うデータも多様化し、顧客の行動履歴やログはもちろんのこと業種によってはセンサーで収集するデータも対象となります。このような大量で多種多様なデータを集約するために注目されているのがクラウドソーシングです。クラウドソーシングを利用することで大量のデータをリアルタイムで分析し、スピーディーにビジネスに反映させることも可能になります。

またデータサイエンティストの確保についても同様のことがいえるでしょう。もちろん求人での確保や社内での育成は重要ですが、データサイエンティストは不足している状況のため簡単なことではありません。そこでデータ分析が必要なときにデータサイエンティストをオンデマンドでシェアしようという動きが活発になっています。

例えば、「Kaggle」では世界各国のデータサイエンティストが参加してデータ分析を競っています。Kaggleでは企業が実際に分析してほしいデータを世界中のデータサイエンティストに提供することも可能です。このようにIoT・AI・ビッグデータ活用の課題に対しては企業や個人の英知を集結することが解決のために効果的なアプローチ法といえるでしょう。

1 2 3