データ・ストラテジーはあらゆるユースケースに不可欠ですが、人工知能（AI）の急速な進化により、明確に定義されたストラテジーの重要性は大幅に高まっています。
すべてのAI機能はデータ駆動型であるため、1つのAI対応データ・ストラテジーが、すべてのAIユースケースに適用できると思いがちですが、従来のAIと生成AIでは、データ要件が異なります。生成AIから最大限の価値を引き出すには、非構造化データの管理に役立つデータ・ストラテジーが必要です。
そこで、まずデータ資産やデータ・インフラストラクチャー、さらにはビジネス・プロセスにおける現在のデータ使用量など、データ環境を把握します。また、データ・リテラシー文化を組織内に浸透させるとともに、データの民主化とAIの基本的な理解を通じて、従業員に権限を与える必要があります。これは簡単なタスクではありませんが、重要であり、達成可能なものです。以下のフレームワークは、組織のビジネス目標を達成し、AIで成功を収めるための適切なデータ・ストラテジーを設計するのに役立ちます。
経営級幹部と会って、組織の最重要目標と優先事項を明確に理解してください。これらの会話は、重要な質問を投げかけ、データ戦略の最善の方向性を描く機会となります。
企業データの質に加え、そのデータがビジネスの異なる領域間でどのように流れているか、あるいは流れていないか、について理解することで、まだ見つかっていないビジネス価値を解き放つことができます。
データ・ストラテジーが具体化したら、利害関係者に継続して確認を取ります。彼らの優先事項や問題点を最優先に考えます。
最も説得力のあるユースケースを特定する
適切なデータとビジネス目標を整合させるということは、「どのようなビジネス上の問題に取り組もうとしているのか、という問いを最初から最後まで常に考えるということです」と、IBMでデータ・ストラテジー、コンサルティング、トランスフォーメーション・エンゲージメントの責任者を務めるTony Giordanoは語ります。
説得力のあるユースケースを探す際には、明確で達成可能な成果を最優先に考えます。優れたCDO（最高デジタル責任者）は、ビジネスを推進する要因と、データ分析を結び付けて優先度の高い成果を生み出すことの重要性を理解しています。¹
投資を保護する
既存のインフラストラクチャー、テクノロジー、スキルを活用して、データ・ストラテジーを次のレベルに引き上げます。組織のテクノロジー・エコシステムを熟知することで、データがビジネス成果の達成に役立つ場所と方法を判断します。データを真に理解していれば、ビジネス戦略に合致しない時代遅れのデータ・アーキテクチャーを突き止め、資金提供されたイニシアチブをより有効に活用し、改善すべき領域を特定することができます。
障壁とギャップを特定する
最終目標とリーダーシップの賛同を得れば、真のデータファーストのエクスペリエンスを構築するための障壁を特定できます。データ統合、データ管理、ワークフローに関する課題の根底には、サイロ化があることがよくあります。実際、ITリーダーの81%が、データ・サイロがデジタル・トランスフォーメーションの取り組みを妨げていると回答しています。²
データ・アクセスが障害となってはなりません。
ユーザーは、優れた成果をもたらすデータにアクセスできる必要があります。そのデータの保存場所や、そのデータの管理やコンプライアンス状況を考える必要はありません。必要なデータを自信を持って使用できる必要があります。
データ・ストラテジーのためのデザイン思考
デザイン思考のアプローチは、複数のユースケース、事業部門、個々のチームにわたって戦略的価値を提供する組織の問題点を浮き彫りにするのに役立ちます。このプロセスは、観察、反映、創造の継続的なサイクルで実現可能な解決策を生成するのに役立ち、継続的な会話として問題と解決策にアプローチします。
人材とスキルを把握する
データを自分だけで変更することはできません。AIの急速な進化とIT業界全体の変化に対応できるよう、組織がトレーニングを継続的に行っていることを確認してください。IBM IBV調査によると、優れたCDOの85％がトレーニングを拡充し、 77％が社内スタッフの再教育を行い、70％が組織全体のデータ・リテラシーを向上させるために新たな人材を確保しています。³
ガバナンスを優先する
生成AI時代には、エンドツーエンドのガバナンスを実現する必要があります。重複エラーや信頼性の低い検索、プライバシー侵害なしにシステムを運用するには、重要な規制されたデータ要素を常に把握することが不可欠です。データ・ポリシーの現在の所有者、管理者、策定者、さらにはそのガバナンスがセキュリティー、プライバシー、コンプライアンスに与える影響を検討します。データを効果的に管理するために、決定権、説明責任のフレームワーク、外部リソースを適切な関係者に与えます。
データの目標状態を定義する
「多くのデータ環境は時代遅れになっており、今日のデジタル環境の中で進化できるような柔軟性をほとんど備えていません」と、Giordanoは語ります。一貫したデータ品質を確保するため、最新のデータ・アーキテクチャーを管理、統制、保護する必要があります。それには、デジタル・チャネルとともに、進化する柔軟性が必要です。
目標に向けて進捗状況を測定する
データ・リーダーはしばしば変革を推進することを期待されていますが、その成功は戦術的で短期的なビジネス目標に照らして測定されます。AWSが実施したCDO調査によると、CDOの74％が、成功はビジネスに重点を置いた成果の観点から測定されるか、ビジネスとテクノロジーの目標に均等に分けられると回答する一方で、技術的な業績のみによって成功が定義されたと回答したのは3％にとどまりました。 ⁴
データ目標に焦点を当てます。AIを使用してビジネス価値を高める最善の方法を検討する際には、データ・ユーザーからの洞察を活用します。
データ・ガバナンス・ポリシーの概要を説明する
強固なガバナンス・フレームワークは、品質、プライバシー、セキュリティーをベースにしています。すべてのデータ、分析、およびAIの取り組みに対するメタデータとガバナンス層により、データの保存場所に関係なく、組織全体の可視性が高まり、コラボレーションが促進されます。データ・ガバナンス・ポリシーは、データ品質、データ・プライバシー、データ・セキュリティー、データ管理に関する行動を形成すると同時に、AIが規制への取り組みを合理化している分野を明らかにします。
データの推進者を特定する
組織の中で、データが仕事に与える影響について熱心に取り組んでいる従業員を見つけます。彼らは成功を後押ししてくれるパートナーです。定期的な会議や標準化の取り組みに参加してもらいましょう。
AIモデルを構築しているデータ・エンジニア、データ・アーキテクト、データサイエンティストなど、データ・チーム内において成功を後押ししてくれるパートナーを見つけることができます。データ分析に頼っているチームの業務部門（LOB）リーダーも最適な候補者と言えます。彼らはおそらく、ビジネス・プロセスを改善し、データの価値を最適化するのに役立つ新しいテクノロジーの使用経験があると思われます。
スプリント・サイクルを設定する
データとAIストラテジーを定着させるためには、多くの場合、組織は新しい概念と環境に合わせて企業文化を再構築する必要があります。
まず、すぐに達成でき、価値があり、実現可能な目標を設定します。このような目標に対して、部門横断的なチームを編成します。次に、短いスプリント・サイクルと、結果を証明するのに役立つ実行可能なマイルストーンを設定します。最後に、経営幹部、テクノロジー・チーム、ビジネス・ユーザー全員が、同じゴールを目指していることを確認します。
小さな勝利を集める
小規模で反復可能なユースケースは、データとAI投資の価値を迅速に証明するのに役立ちます。最も困難な問題に最初から取り組む必要はありません。シンプルながらもインパクトのあるユースケースは、テクノロジーに関する重要な洞察を収集し、早い段階で成功を積み重ねる機会を提供してくれます。AI導入の初期段階でパイロット・プログラムに投資することにより、将来的により大きな成果を挙げるために必要なエクスペリエンスを得ることができます。
中央データ・カタログを作成する
中央カタログは洞察を保管および共有し、データ消費を簡素化することができます。このカタログ内では、データは、目的に合ったストレージにより、元の形式とキュレートされた形式で増強されます。データ・アクセス・ツールは、個々のアプリやプロセスの先に目を向けて、データがどのように消費され、どのような知識が生まれているかを評価します。この詳細なレベルにより、ユーザーは、組織のあらゆる部門のデータを考慮した意思決定をリアルタイムで行うことができます。
データ・コンシューマーに導入を促す
新しいデータ管理フレームワークを使用して、全社での導入を促します。このようにして、ビジネスのコミュニケーション方法に影響を与え、主要なワークフローを改善し、セキュリティーを最適化し、新しいビジネス・モデル、市場機会、運用効率を引き出すことができます。
ショーアンドテル
ユースケースは、導入を後押しする重要な力の源となることでしょう。Harvard Business Reviewの最近の記事によると、CDOとAIリーダーは、「データをすべての人のビジネスにする」ことで、より大きな成功を収めています。⁵したがって、ユースケースをデータサイエンス、業務分析、デジタル・トランスフォーメーション、ビジネス・インテリジェンス、生成AIの新しい取り組みなどに活かすことで、複数のチームがデータを活用して企業に変化をもたらすことができます。
人材の採用（と再教育）を行う
スキル・ギャップを埋めるということは、従来の雇用やトレーニング・ストラテジーを超えたところに目を向けるということです。企業が人材のニーズに応えようと奮闘する中、多くの企業が役割を果たすためだけに教育プログラムとエクスペリエンスの要件を調整しています。トレーニングや雇用だけでは不十分な場合は、組織がどのようにAIとオートメーションを活用してスキル・ギャップに対処できるかを検討してください。
組織全体で強力なパートナーシップを築く
最も基本的なレベルでは、データ・リーダーとしての仕事は、組織がデータの収集、管理、使用に関して最も賢明な決定を下すのを支援することです。あらゆるレベルでパートナーシップを構築し強化する際には、フィードバックとコラボレーションを積極的に受け入れてください。
データファーストの企業を構築すると、興味深いことが起こります。あなたのビジョンが組織のDNAに深く根付くほど、従業員が意欲的に学び、新しい役割を担うような文化をサポートするだけで、リーダーとしての負荷が軽減されます。
あなたの組織はあなたの背後に結集しています。既存のテクノロジーを補強し、新しいソリューションを導入してデータ・アクセスを簡素化する際には、効率化を図り、新たな洞察を推進するだけでなく、データの可能性を最大限に活用することに熱心な文化を構築していることを忘れてはなりません。
脚注
¹データを価値に変える、IBM Institute for Business Value、2023年4月。
² ITリーダーの85％がAIによる生産性向上を認識... 、Salesforce、2024年1月。
³ 2023年最高データ責任者調査、IBM Institute for Business Value、2023年3月。
⁴ CDO Agenda 2024、AWS、Thomas H. Davenport、Randy Bean、Richard Wang、2023年10月。
⁵最高データ責任者と最高AI責任者がなぜ… 、Randy Bean & Allison Sagraves、2023年6月