AI、データ、分析戦略の連携を成功させる方法

CDOは、企業がデジタル・トランスフォーメーションにデータとテクノロジーを利用できるように支援する上で重要な役割を果たしますが、それにはデータと分析のストラテジーとビジネス全体のストラテジーとの間の調整が必要です。最近のIBV最高データ責任者の調査によると、調査対象となった上位のCDOの63%が、調査対象となった他のCDOの48%と比較して、ビジネス戦略と一致していることが明らかになりました。データから価値ある実行可能な洞察を得るには、データと分析ストラテジーをビジネス目標に結び付け、何がビジネスを推進するのかを理解する必要があります。

調査済みの平均的なCDOは、年間収益の2.32%をデータ管理とストラテジーに割り当て、収益成長率を1%増やしているという事実を考えてみましょう。しかし、調査済みの上位CDOは、2.27%を配分しても同じ成果を達成しています。大きな違いには見えませんが、数百万ドルのコスト削減、ROIの大幅な向上、長期的な成果の向上につながる可能性があります。

データ・ストラテジーとビジネス・ストラテジーが一致している場合、データへの投資を活用して新しい価値の源泉を追求し、組織の戦略目標に合わせて組織内のイノベーションを促進することができます。実際、収益のより少な割合をデータに配分しつつ、同等以上のビジネス価値を生み出している組織では、エリート・グループの最高データ責任者の10分の9近くが、このようなデータ投資を利用しています。

データ・ストラテジーとビジネス・ストラテジーを整合させるということは、各部門に存在するさまざまなフレームワークやガイドラインを統合し、全員が同意するデータ・ランドスケープの単一の統合ビューを実現することを意味します。ビジネス・ユーザー、テクニカル・ユーザー、そして全体的なビジネス成果のつながりを活用するために、今日のデータ・リーダーには、データ・アクセスを簡素化し、セルフサービスによるデータ消費を促進するデータ・ファブリックのような最新のデータ・アーキテクチャが必要です。データ・ファブリック・アーキテクチャーを使用して社内外のパートナーのチャンスを促進し、データ・ランドスケープ全体にわたってチームを強化するための4つの重要な方法を紹介します。

1. 適切なデータ・ガバナンスを備えた実用的なデータ基盤を構築し、データ・ランドスケープ全体でデータ・プライバシーとセキュリティーを確保します。

データ・アーキテクチャーの最も重要な特性を尋ねたところ、大半のCDOは他の分野よりもセキュリティーがはるかに優れていると回答しました。強力なデータ基盤には、データ・アーキテクチャーを使用して強化できる組織のデータ品質、プライバシー、セキュリティー実践を導くデータ・ガバナンス・ポリシーの定義が含まれます。しかし、データを最大限に保護し、セキュリティーを確保していると回答したのは、CDOの回答者の3分の2未満です。現在の保護やセキュリティー・プロセスに対する自信の欠如を形成する課題には、データ法やデータ基準の完全遵守、運用データ（管理、財務、サプライチェーン、在庫、人員）が保護され安全であり、顧客のデータも安全であると感じることが含まれます。

データ・ファブリック・アーキテクチャーのこのガバナンス基盤により、どのようなデータが存在するか、誰がどのデータ・セットにアクセスすべきか、そして拡張データ・カタログを使用することで、大規模なコンプライアンスによりデータ環境全体のデータ品質とリネージュを向上させる方法が明確になります。

また、自動化されたメタデータ生成と、データ品質、データ・プライバシー、セキュリティー基準が維持されることを保証するガバナンス・レイヤーも提供します。つまり、あらゆるクラウド上のすべてのデータ、分析、AIイニシアチブの可視性とデータマスキングを向上させることで、規制と監査のニーズへの準拠を確保します。

詳しくは、電子書籍「データリーダーのためのデータガバナンス」をご覧ください。

2. 責任感があり、透明性が高く、説明可能な人間中心の原則に基づいたAIアプローチにより、ワークフローと意思決定を合理化します。

CDOは、より良い意思決定を促進するだけでなく、リスクを軽減するAIソリューションの作成を促進するデータ基盤を構築する上で重要な役割を担っています。AIのアルゴリズムとモデルは、実用的で価値を高めるために確実に動作する必要がありますが、インサイトの可視性と説明責任も必要です。エンドユーザーは、データの処理に使用されるデータの基準を理解し、AIとアルゴリズムを適用するための倫理的なフレームワークを定義する必要があります。成果が正しく見えるようにすることに関与する多様なチームは、無意識のバイアスを回避します。そうでなければ、データ駆動型組織を育成するためのテクノロジーや組織のチェンジ・マネジメントへの投資（データ・リテラシー）が無駄になります。

データ・ファブリックは、AI導入の段階に関係なく、エンドツーエンドのAIライフサイクル全体にわたってAIモデルをベンチマークおよび評価するための明確なプロセスによってサポートされる技術的基盤を提供します。

強力な部門横断的なチームによって形成されたテクノロジー、人材、プロセスの組み合わせにより、チームは最初からプロアクティブに行動し、AIプロジェクトにガバナンスを導入できるようになります。また、このアプローチはリスクを最小限に抑えると同時に、チームが倫理原則や官公庁・自治体規制を満たす能力を強化します。

詳細については、電子書籍「AI governance for data leaders」を参照してください。

3. オートメーションにより、モデルの構築とデプロイメントを簡素化する。

AIは優れたAIモデルを形成するデータサイエンスなしでは存在できませんが、調査対象のCDOのうち、データ・アーキテクチャーの重要な特性として説明可能で包括的な成果を挙げているのはわずか33％です。データサイエンスには、ハイブリッド・マルチクラウド環境内のさまざまなソースからさまざまなデータ型をオーケストレーションできるデータ・ファブリックのような最新のデータ・アーキテクチャーが必要です。これにより、AI機能を活用してモデル構築などの運用ワークフローを合理化および自動化するMLOpsなどの、より生産的な作業方法が可能になります。

詳しくは、電子書籍「Data science and MLOps for data leaders」をご覧ください。

4. データの場所に関係なく、ITランドスケープ全体でデータを接続する。

接続されたデータセットがなければ、組織はユーザーに明確なストーリーを伝えられない異種の複雑なデータをとどめることになります。これにより、組織にビジネス価値を提供し、収益成長を加速する有意義なデータ製品を作成することはほぼ不可能になります。

データ・ファブリック・アーキテクチャーは、健全なマルチクラウド・データ統合のストラテジーを実現し、必要な場所にデータを提供することで、データ・アクセスを民主化し、途中で特定のベンダーにロックインする必要がなくなります。また、ミッションクリティカルなデータを中断することなく、データをリアルタイムで同期できます。

その結果、ビジネスおよび技術データのユーザーは、データ・ランドスケープの全体的で説明可能なビューを示すセルフサービス・データにアクセスできます。したがって、どのようなデータを持っているか、そして、それを使用すれば最もビジネス価値を高められる場所を正確に特定することができます。

詳しくは、電子書籍「Data integration for data leaders」をご覧ください。

調査済みCDOの上位8%の行動は、重要なのはデータだけではないことを示しています。統合データからの洞察がビジネス・トランスフォーメーションにどれほど貢献するかが重要です。CDOはクリティカルにトランスフォーメーションを推進するために、データ管理とデータ・ガバナンスの基本的な基盤を必要とします。

データ・ファブリック・アーキテクチャーは、特に銀行のような規制の厳しい業界において、最終的には、真のビジネス・イノベーションに必要なガバナンスを備えたデータの相互接続性を提供します。これにより、組織の価値が高まり、特に計画的なストラテジーと組み合わせた場合に、ビジネス目標と結びついています。