データサイエンスを用いてアジャイルAIを推進する方法

ラップトップ・コンピューターの回りに配置された3つのアイコン

データサイエンスとは何か、なぜ重要なのか

 

データサイエンスとは、アルゴリズム、メソッド、システムを使用して、構造化データと非構造化データから知識と洞察を抽出するプロセスです。分析(英語)機械学習を使用して、予測の作成、最適化の強化、運用と意思決定の向上を支援します。

今日のデータサイエンス(英語)・チームは、多くの質問に答えることが期待されています。ビジネスでは、これらの(英語)ツールによって支えられたリアルタイムの洞察に基づく予測と最適化の向上が求められます。

データサイエンスのライフサイクル(英語)は、関連するソースからデータを収集し、それをクリーニングして、マシンが理解できる形式に変換することから始まります。次のフェーズでは、統計的メソッドと他のアルゴリズムを使用して、パターンと傾向を見つけ出します。そして、予測と予報のために、モデルをプログラムして構築します。最後に、結果の解釈を行います。

AI、機械学習、自動化の進歩により、ビジネスのためのデータサイエンス・ツールの標準が向上しました。その結果、エキスパート・ データサイエンティスト(英語)やシチズン・データサイエンティスト、プログラマー、エンジニア、ビジネス・アナリストで構成されるデータサイエンス・チームが誕生し、事業部門を越えて拡大します。

これは非常に大きな機会です。データの準備など面倒なデータサイエンス・タスクの自動化と、アナリストがモデルを構築する能力をコーディングなし(英語、00:21)で強化することで、ビジネスの俊敏性と革新性が維持されます。データサイエンス(英語)のライフサイクルを自動化すれば、エキスパート・データサイエンティストが、より関心の高い革新的な課題に対処できるようになります。人間のインテリジェンスをデータサイエンス・テクノロジーおよび自動化と組み合わせることで、企業はデータからより優れた価値を引き出すことができるのです。

データサイエンス

 

2025年までに、データサイエンティストの活動の50%がAIによって自動化され、深刻な人材不足が緩和されます。*IBMは、データサイエンスとAIのライフサイクル管理を自動化するAutoAIを提供しています。

80%

データサイエンティストの時間の80%は、データの検出、クリーニング、整理に費やされています。**

#1

データサイエンティストは、2019年の時点で最も有望な職務です。***

今日、データサイエンスが重要である理由

ソーシャル・データ、モバイル・データ、デバイス・データの量が増え多様化しただけでなく、新しいテクノロジーやツールが登場したことにより、今日のデータサイエンス(英語、03:43)はかつてないほど幅広い役割を果たしています。企業は、データサイエンスとAI(英語、06:13)をテクノロジーに対応した戦略と考えています。データサイエンスの効果を高めるには、そのライフサイクル全体で、従来型の分析をサポートするだけでなく、最新のアプリケーションと連携して運用していくことも必要です。これは、データサイエンス(英語)が、退屈なルーチン作業の後の段階に進化しなければならないことを意味します。現状では、データサイエンティストの時間の85%が、さまざまな場所でのデータのクリーニング、変換、移動に費やされています(その多くは機械学習にデータを提供するためです)。このため、パターンと傾向の発見、モデルの構築、予測や予報、結果の解釈に費やせる時間が、ほんのわずかな割合しか残されていません。

幸いなことに、解決策があります。それは、データサイエンスのライフサイクルにおけるデータの準備とモデリングのステージを自動化するAutoAI(英語)機能で、最新のデータサイエンスにおける最も新しい発展です。これで、より多くのデータサイエンティストが自分の意図した方法で専門スキルを活用できるだけでなく、より多くの企業が予測から最適化まで(英語,要登録)データサイエンスの恩恵を受けることができます。

データサイエンスに投げかけられる質問

  • 多数の顧客を失うのはどの分野で、その理由は何か。
  • 別のキオスクや新しい店をどこに出店するか。
  • 優れた従業員のうち、最も退社リスクが高いのは誰か。
  • 製品の価格を変えると、コストを節約できるか。
  • 担当チームは適切な人々に適切なものを提供しているか。

→ AIユース・ケース報告書を読む(英語,要登録)

→ AIプレイブックのWebセミナーを見る(英語、IBM外部へのリンク)

 

データサイエンスが導く成功

企業がデータを使用して競争上の優位性を得るには、いくつかの方法があります。

顧客体験

コール・センター・テクノロジーのある大手プロバイダー(英語)は、データを使用してコール・センター体験を再考し、顧客から貴重な洞察を引き出しています。

予防医療

ある救急医療クリニック(英語)はデータサイエンティストを活用し、医療提供者が積極的なモニタリングや予防措置を実施できるよう支援し、患者の生存率を高めています。

リスク管理

銀行のモデルが不正確であれば、壊滅的な結果を招くおそれがあります。ある大手銀行(英語)はデータサイエンスを使用して、リスク緩和を強化するとともに、モデルのリスクを削減しています。

安全性と信頼性

世界最大手クラスのある自動車メーカー(英語)は、データサイエンスを使用してドライバーの行動を解析し、性能、安全性、信頼性をすべて高め、パーソナライズを重視した自動車を設計しています。

顧客ロイヤルティー

イギリスのある大手小売業者(英語)はデータサイエンスを使用して、実用的な洞察を抽出し、販売促進を最適化するとともに、1500万人を超えるロイヤルティー・カード所有者の消費を徐々に増加させています。

関連製品とオファリング

IBM Watson Studio

IBM Watson® Studioは、さまざまな人材が連携して容易にデータを処理し、大規模なモデルの構築やトレーニングを実現するためのツールを提供します。このツールは柔軟性が高く、データが存在する場所でのモデルの構築や、ハイブリッド環境の任意の場所への導入が可能であるため、より短期間でデータサイエンスを運用できるようになります。

IBM Watson Visual Recognition

IBM Watson Visual Recognitionは、ディープ・ラーニング・アルゴリズムとWatson APIを使用して、動画や画像を分析し、シーン、物体を識別します。IBM Watson Visual Recognitionでは、ビジュアル・コンテンツに対して事前訓練したモデルを使用して、結果を出すまでの時間を短縮します。

IBM Cloud Pak for Data

IBM Cloud Pak™ Dataは、マルチクラウド・プラットフォームでのデータの収集、整理、分析に役立ちます。また、データに容易にアクセスでき、AIを使用して必要に応じて洞察を拡大できる、信頼性の高い分析基盤を構築します。

IBM Decision Optimization

IBM Decision Optimizationは、データサイエンティストが機械学習の意思決定を最適化するのに役立つ、数理科学と計算科学を使用するツールを提供します。Decision Optimizationで構築したモデルを、Watson Machine Learningにサービスとして簡単に導入することができます。

IBM Watson OpenScale

IBM Watson OpenScale™は、AIのライフサイクル全体でその結果を追跡して測定するとともに、AIを管理して、変化するビジネス状況に適応させます。モデルの構築場所や実行場所は問いません。

ディープ・ラーニング

IBM Watson Studioのディープ・ラーニング・サービスは、データサイエンティストがニューラル・ネットワークを視覚的に設計したり、トレーニングの実行規模をスケールアウトしたりするのに役立ちます。支払いは、使用したリソースに対してのみ行います。

IBM SPSS Modeler

IBM SPSS® Modelerは、企業がドラッグ・アンド・ドロップによるデータサイエンスを使用して、実動規模のモデルの価値を迅速に実現できるよう支援します。

IBM Watson Studio Desktop

Watson Studio Desktopは、誰もがいつでもどこでもデスクトップ上でモデルを構築して実装できるよう支援します。

IBM Watson Machine Learning Accelerator

Watson Machine Learningは、マルチテナントの分散環境で機械学習モデルとディープ・ラーニング・モデルの実装を拡大できるよう支援します。

Watson Studio Premium

IBMは、予測分析と処方的分析をクラウド・ネイティブのデータおよび分析プラットフォームに組み込むことで、企業がデータサイエンスとAIを活用して価値実現までの時間を短縮できるよう支援します。Watson Studio Premium for IBM Cloud Pak for Dataは 、高い投資収益率(英語、PDF、1.6MB)を達成するのに役立ちます。

各業界向けのデータサイエンス・ソリューション

ヘルスケア

臨床試験や患者データなどから洞察を明らかにします。

  • 健康問題を予測し、アラートを用いて命を救う
  • 誤診を低減
  • 症状パターンを識別
  • 処方薬のリスクを削減

銀行

革新的な機械学習に支えられたハイブリッド・クラウド・アプリケーションによって、顧客サービスを加速させます。

  • ローン申請に対し、販売担当者が現場で回答できるようにする
  • モバイル用のクレジット評価アプリケーションを構築
  • 顧客満足度を高めて収益を向上

製造

機械学習テクノロジーを用いて自律走行車両の製造をサポートします。

  • 機械学習で自律走行車のセンサーをトレーニング
  • 製造コストを大幅に削減
  • 自動運転車をより手ごろな価格にして安全性を向上

コンピュータサービス

AI支援によるロボティック・プロセス・オートメーション(RPA)を使用可能にします。

  • 従業員が戦略的業務に集中できるよう支援
  • Watson Machine LearningによりRPA投資を拡大
  • RPAソリューション開発を20%高速化

メディアとエンターテイメント

機械学習を使用して、テレビ視聴者に関するより深い洞察をより迅速に提供します。

  • より複雑な視聴者データへの洞察を加速
  • 需要の変化に応じて容易かつ高速にスケーリング
  • ビジネス・イネーブルメントに注力

教育

学生のデータ、カリキュラム、アンケート、テストなどを活用します。

  • パーソナライズされた計画、トラッキング、およびデータ・インフォームド・アドバイザーをサポート
  • 学習ギャップを識別
  • 学生の準備状況を向上

データサイエンスのお客様事例

セキュリティー要件を満たしながらオープンソース・データサイエンス・ツールを統合

データサイエンスと機械学習を使用してモデルのリスクを管理

データサイエンスとAIを使用して将来のファン体験を再定義

オフラインの光学式文字読取装置(OCR)用のディープ・ラーニング・モデルをトレーニングおよび実装

供給と需要をモデル化および最適化するプロセスを合理化

迅速な信用リスク評価を用いて顧客サービスを高速化しリスクを制御

データサイエンスを用いて犯罪に対処:適切なリソースを適切な場所に適切なタイミングで配備

データサイエンスと機械学習を使用して野生生物の健康を維持

品質管理に機械学習を活用してよりスマートな工場を実現

O’Reilly社:ビジネスのためのアジャイルAI

AIは今後10年間で13兆ドルの新たなビジネス価値を生み出すと予測されています。しかし、AIを導入するための標準的なプラクティスがなく、プロジェクトが失敗するリスクを低減することは困難です。アジャイルAIプラクティスについて理解を深めてチームを勝利に導こう、と専門家であるCarlo Appugliese氏、Paco Nathan氏、William S.Roberts氏は述べています。

お客様向けご相談窓口

お客様ご相談窓口

初期費用やお客様の要件に合わせた構成についてもご相談可能です。
ビジネスでのデータ / AI 活用のご相談がございましたら、お気軽にお問い合わせください。

* 「How to choose the right data science and machine learning platform」Gartner Research、2019年3月

** 「What Data Scientists Really Do, According to 35 Data Scientists」(IBM外のWebサイトへ)Harvard Business Review、2018年8月

*** 「Why data scientist is the most promising job of 2019」(IBM外のWebサイトへ)TechRepublic、2019年1月