予測分析ソリューションによる競争力の獲得

現在のさまざまな分析やビジネス・インテリジェンスのアプローチでは、過去のイベントを綿密に調査します。情報に価値があるからですが、そこから企業が得るのは、すでに発生したことに関する、より詳しい見解だけです。過去を振り返るだけの企業は、今や取り残されるリスクがあります。予測分析ソリューションを導入することによって、企業は将来に重点を置き、未来を変革することができます。

信用情報について考えてみましょう。信用情報の提供元企業は、購入者の支払い履歴と現在の金融状況を調査し、借入金の増加を認めるリスクを評価できるように、購入者が借入金を期限までに返済する可能性を数値で表現して、債権者に提供します。これはまさに基本的な予測分析ソリューションです。この方法では、種類の異なるデータセットを取り込み、それを分析して、将来何かが発生する (または発生しない) 確実度を示す数値を生成します。

そのため、予測分析はただの予想ではありません。このようなソリューションでは、構造化データ (取引データなど) と非構造化データ (SNS の投稿、画像など) のセットを多数組み合わせて、リアルタイムで綿密な調査を行います。従来のビジネス・インテリジェンスの手法とは異なり、情報を別々に保管して、新しい場所で分析し、どの場所についても検索を行います。アプリケーションがデータにもっと近づいて、IoT やクラウドでリアルタイムのエッジ処理を実現できる可能性があります。予測分析を導入すると、事業部門間の連携と意思決定の両方で改善が促されることが分かっています。

情報の取得は、この方程式の一部に過ぎません。これまで見過ごしていた部分に相関関係を見つけることで、データが価値のある実用的な洞察を引き出す起爆剤に変わります。その結果得られた変化が、組織全体にわたる顧客体験、製品品質、サービスの向上へとつながります。

実際のソリューション

分析ソリューションを活用し、企業は競合他社に先駆けて、新しい製品やサービスを市場に送り出したり、気持ちが伝わる気の利いたコミュニケーションで顧客を喜ばせることもできます。現実世界の分析は、データがすべてです。処理に利用できるデータが多いほど、より正確な予測が抽出されます。新しいデータストリームを収集することで、包括的なビジネス見解を構築し、分析への道を進む強力な出発点を設定できます。

これをよく表しているのが、英国の North East London National Health Service Foundation Trust (NELFT) の事例です。こちらのシステムでは、65 歳以上を対象に、予定外の入院で 1 年のうち平均 4 日を病院で過ごす 150 万人を超える利用者にさまざまなケアを行っています。こういった入退院を繰り返す状況は回避可能と考え、NELFT では、その回数を低減する方法を必要としていました。

インテルおよび Santana Natural Language Analytics と連携した NELFT は、新しいパイロットプログラムを実施。膨大な量の非構造化自然言語データが、データ入力の必要もなく、有用な医療データとしてコード化されました。この結果、生死にかかわる事象や疾患のリスクが高い患者の予測が可能になり、医療スタッフが早い段階で介入して、そもそもの入院を回避できるようになっています。

このプログラムは、既存ソリューション上に新しいシステムの構築を伴わないだけではありません。ビジネス上の問題に対する深い理解、利用できるすべての情報を検討して適切な要素を見極めること、データ分析の分岐の追加、および、大量の新しいタスクに対して安全で俊敏性と拡張性に優れた技術的環境を積極的に構築する姿勢が必要とされます。通常、予測分析ソリューションは、既存の枠組みにとらわれずにスタートさせ、新しい環境に適応させていくように構築します。

人材: ソリューションの出発点

リーダーシップは、どの予測分析ソリューションでも欠くことのできない出発点です。現在のインフラストラクチャーと従業員のスキルを率直に評価することが、導入の成功にとって極めて重要な最初のステップです。当然、予測分析には、モデリング、統計、データサイエンスといった専門スキルのある、アナリストなどの人材が必要です。

新しい人材スキルに関しては、データ・サイエンティストが、分析ソリューションを指導し、ゼロから構築する専門スキルを身につけています。さまざまなアルゴリズム的手法やデータ構造化技術に関するデータ・サイエンティストの知識が、新たに導入する予測分析ソリューションの初期段階には不可欠です。適切なデータサイエンスとデータ配置によって、既存のデータストアと、IoT などから生じるリアルタイムのソースと組み合わせて、新しい洞察の出現を促します。

組織が利用できるさまざまな予測分析プラットフォームを理解することも同等に重要です。すでに社内に入っている主なサプライヤーのほとんどは、ソフトウェア・スイートのアップグレードにより予測ソリューションに対応しています。また、高い確率で、直接またはオープンソースのソリューションへのコネクターを介して、非構造化データを組み込む機能も備えています。すぐに投入できる人材やリソースを確認し、スキルの不足があれば、それに対処することで、取り組みを迅速に開始できます。

言うまでもなく、管理者、アプリ開発者、その他の共通の IT スキルセットが必要であることに変わりはありません。また、仮想化、ネットワーク・トポロジー、ストレージ関連の高度なスキルセットも大部分が必要となります。パブリック・クラウドやハイブリッド・クラウドのリソースの利用も検討してください。この分野で最新の企業が構築しているスキルは、大規模な予測分析ソリューションで間違いなく役に立ちます。

インフラストラクチャーの進化

分析ソリューションの採用と拡大によって、インフラストラクチャーが増強されます。特に、データをソースの近くに移動する場合や、インメモリーまたはリアルタイムでデータを処理する必要のある場合は、インフラストラクチャーの増強につながります。データ・セキュリティーとアクセス管理が最も重要です。

分析ではデータが非常に重視され、エッジセンサーからクラウドやデータセンター自体に移動される可能性があるので、攻撃を受けやすいポイントや、規制の影響を受ける場所が数多く考えられます。例えば、複数の IoT ソースから取り込むデータは匿名にして、個々のエンドポイントを保護する必要があります。NELFT の事例で今後追加されるものとしては、さまざまな家庭用医療センサーを提供して、リスクを抱えた患者をモニターするといった機能があります。この場合、患者の情報を保護するため、エンドツーエンドのデータ・セキュリティーが必要です。

処理速度が重要になります。データの価値は、時間とともに急速に低下するからです。企業は複数のソースからほぼ同時にデータを収集して分析し、そこからできる限りの価値を抽出することが求められます。そのデータがさらに複雑化することは間違いなく、さまざまな方法で解析しなければならなくなります。冗長または無用なように見える既存データ、いわゆる「ダークデータ」とされる保有しているだけで使っていないデータでも、価値があるかもしれません。

インフラストラクチャーの柔軟性も高める必要があります。分析の準備ができている IT 部門は、SAP HANA* インメモリー・ソリューションの検討、ストリーミング分析用アーキテクチャーの設計、ビッグデータ専用 Hadoop* 導入のプログラミングなどを行うことになります。導入にはクラウド内の重要リソースの移動が伴うため、エッジ処理やネットワーク処理を行う新しいソフトウェアに対応できるスキルが必要です。

導入の手順

適切なインフラストラクチャーとスキルの準備が整い、ビジネス上の問題でどれを解決対象とするか決まったら、導入を開始します。

ほとんどの場合、組織は長期的な展望か短期的問題の解決かの選択に直面します。実行可能なソリューションの設計をサポートしてくれる専門知識を持った信頼できるパートナー企業に相談すると、どこから着手すれば確実に導入できるかを決定できます。

ビジネスに利用する新しいデータの保管場所と保管方法が重大な検討事項となります。オンプレミスとクラウドのどちらのソリューションにもメリットがありますが、ほとんどの場合、両方を組み合わせたハイブリッドを選ぶと、速度、セキュリティー、安定性、拡張性の目標を達成できます。

同様に、新しいソフトウェア・プラットフォームも検討する価値があります。オープンソースのソリューションは引き続き、分析クラスターで大きな役割を果たします。共有プラットフォーム上でイノベーションを起こすコミュニティーを作ると、組織にとって大きな進歩が促進される場合があります。Apache Spark* と Hadoop* の 2 つは、欠くことのできないオープンソースの分析ソリューションです。ニーズを明確に定義するほど、さらに選択肢が広がり、

これまで想像した以上に実用的な情報がすぐに得られるようになります。非構造化データの処理は、従来のリレーショナル・データベース内に保存する情報とは全く異なるのです。クラウドの Platform as a Service (PaaS) ソリューションによって、早い段階でスキルを構築し、進歩のスピードを加速することができます。

情報は最終的に、非常に多くの情報が 1 つの場所に入ることから、データレイク　(データの湖) と呼ばれるストレージに格納されます。ただし、この「レイク」は実際には「水たまり」の集まりにすぎません。たくさんの「水たまり」を結合し、そこに意味を持たせることが各社のサイエンティストや設計者の役目です。強く関連付いていてまとめて調べたほうがよいのはどの断片情報か、分析の観点でみると価値のある洞察を導くかもしれない異種のデータセットはどれかなどを識別する作業も含まれます。ソフトウェア・デファインド・ストレージ構想は、1 つの論理的な「場所」にデータを集約し、その場所をさまざまな分析エンジン向けにフォーマットするために必要になります。ストレージ・ソリューションには、ストレージノード上で直接動作する分析エンジンを構築できるほどの機能を備えているタイプもあります。

分析ソリューションのサポートを受ける

分析クラスターに取り組むには、経営陣からの支援が必要です。不確定要素や新たな課題が出てくることも考えられるため、経営幹部の中に早い段階から熱心な支援者がいると、計り知れないほど貴重な財産になります。分析は非常に重要なので、もはや無視できません。競合他社がまだ分析のパワーを利用し始めていないとしても、すぐに利用し始めるでしょう。

分析クラスターに存在する可能性のある欠点についての懸念を軽減するため、パートナーの専門知識に重点を置き、速度、安定性、拡張性を重視する方法を取り上げます。インテルが優れたパートナーになることは間違いありません。インテル® アーキテクチャーは、俊敏性に優れ安定したソリューションの導入に必要なコンピューティング、ネットワーク、ストレージのほぼすべてのインフラストラクチャーの基盤です。インテルのエコシステムが提供するリソースによって、すべての予測分析の要件を満たす安全な基盤を構築できます。

これまでのビジネス・インテリジェンス・システムも引き続き役に立ちますが、データ駆動型のパワフルな分析ソリューションと組み合わせると、さらに高度な洞察を得てイノベーションを加速できます。過去から未来へと重点を移すことによって、予測分析を行う企業は、魅力的な新しい方法で自分たちの将来を変革することができます。これは企業を 21 世紀の市場の最先端に送り出すメッセージです。