ビッグデータ分析がビジネスの勝敗を分ける──カギはデータサイエンティストの育成
いつもご覧いただき、ありがとうございます♪
最新ニュースをお届けします。
「洞察でニッポンをもっと元気に ──「個」客の理解で差をつけろ」をテーマに、11月8日に開催された「第25回 ITmedia エグゼクティブフォーラム」。基調講演には、アクセンチュア 経営コンサルティング本部 アクセンチュアアナリティクス 日本統括マネジング・ディレクターの工藤卓哉氏が登場し、「本当は理解されていない意思決定のための科学」と題して講演した。
●多様化するデータをいかに取り扱うか
アクセンチュアのアナリティクスグループは、米国直轄のグローバル部門というユニークな位置づけにある。世界各国に展開されている23カ所のイノベーションセンターを拠点に、相互排他的にサービスを構築することで、世界のリソースを重複なく最適化し、効率的な経営体制を実現している。その中の東京イノベーションセンターを統括するのが工藤氏であり、研究開発テーマのひとつがアナリティクスである。
アナリティクスを一言でいえば、多様化するデータをいかに取り扱うかということである。従来型の構造化された企業データはもちろん、ソーシャルメディアの情報や各種センサー情報、位置や地図の情報、画像、動画など急増する非構造化データを、いかに有効活用するかがこれからのビジネスの勝敗を分けるといっても過言ではない。そこで注目されているのが「ビッグデータ分析」である。
現在、ビッグデータは、3V（Volume：量、Variety：種類、Velocity：頻度）をはじめ、さまざまな定義がなされている。その背景のひとつとして、ストレージが非常に低価格になっていることが挙げられる。また以前は、大量のデータを即時処理する仕組みを実現することが難しかったが、デバイスの高速化によりリアルタイムのデータ処置を容易に実現することが可能になっている。
「ビッグデータの処理においては、並列分散処理が有効になるが、これは人工知能の研究から生まれた仕組みである。人間の脳は、約1200億のニューロンが並列処理をしており、情報の伝達速度は時速350〜400キロといわれている。1つのニューロンが死んでしまっても、処理が停止しない頑強性も備えている。こうした仕組みに基づいて、並列分散処理やMPP、Hadoopなどが開発されている」（工藤氏）
一方、ビッグデータを取り扱うときの注意点について工藤氏は、次のように語る。「データ活用の話をするときに、個人情報保護について聞かれることが多くなってきた。1年前にはなかったトレンドだが、大量の位置情報データなどを利用する場合、個人情報保護が問題になりつつある。ビッグデータの活用において、個人情報保護法の問題をクリアしておくことが必要になる」
個人情報を構造化すると、取得、保管管理、第三者提供という3つのプロセスになる。この3つのプロセスに関する個人情報保護法を慎重に検討しなければならない。工藤氏は、「特に問題となるのは、データを取得する場合に利用範囲の確認をとっていないことである。第三者に提供した後に、"その使い方は想定していないのでやめてほしい"と言われたときに、そのデータを除外する仕組みが必要になる」と話している。
●データサイエンティストの育成が重要
世界トップ3のデータサイエンティストの1人といわれているJeffrey Hammerbacher氏は、"インフラに投資する場合、まず必要なのはデータであり、次が問い合わせ。まず蓄積して、次に構造化である"と語っている。工藤氏は、「時と場合にもよるが、データの利用方法は刻々と変化するので、構造化を考えすぎて機会を逃すのは本末転倒。データを蓄積しておいて構造化や問い合わせを考えることに関して異論はない」と言う。
「日本では、大学におけるデータサイエンスの教育が遅れている。そこで慶應大学と実験的にアナリティクスの授業に取り組んでいる。授業では、探索的データ解析、多変量解析、機械学習の大きく3つの解析領域を取り上げている。この領域では、統計学だけでなく、並列分散処理やストリーミング処理など、バックエンドを支えるICT基盤やストレージなどのコンピューティング環境も含まれている」（工藤氏）。
こうした取り組みの一環として、現在アクセンチュアが取り組んでいるのがアナリティクス分野における活用事例の充実である。その中から「Google Glassによる臨床医療（教師なし機械学習）」「導線分析（教師なし機械学習）」「薬剤の相互作用（教師つき機械学習）」という、3つの活用事例が紹介された。
Google Glassは、米Googleが開発したヘッドマウントディスプレイ方式の拡張現実ウェアラブルコンピュータである。自然言語による音声コマンドなどを利用して、ハンズフリーで操作したり、情報を表示したりすることができる。アクセンチュアではPhillips社と共同で、このGoogle Glassに、患者の電子カルテ情報を表示して、迅速かつ効果的な治療に生かすなど、医療現場で利用する実証実験に取り組んでいる。
また、導線分析を活用すれば、例えば大勢の人が町中を移動した4億件以上の地理空間情報から、「隠れマルコフモデル」と呼ばれる統計モデルを利用して、意味のある、特定の人の動きをだけを抽出し、その情報を地図上に展開することで新たな知見を創出することができる。この事例は、テレビの情報番組でも紹介されており、11月にはWire＆Wirelessと共同開発したサービスも発表している。
さらに将来的には、予防的医療決定支援システムを活用して、外来予約から往診・問診、予防医療、検査・連携、処方箋までの医療情報連携による医療の質の向上と病院の効率的経営に貢献することが期待されている。
●OSSで小さくはじめて大きく育てる
ビッグデータは、何ができるかよく分からないので、初期投資をあまりしたくないという声をよく聞く。そこで注目されているのが、オープンソースソフトウェア（OSS）の利用である。工藤氏は、「OSSを利用して、まずはビッグデータで何ができるのかをクイックに見せることが有効になる」と話す。
ビッグデータ分析の導入ステップの一例として、まずはクラウド環境にClouderaのCDH（Cloudera's Distribution Including Apache Hadoop）を導入し、ビッグデータ分析のPOC（Proof of Concept）を実施する。次にクラウド環境をオンプレミス環境に移行して、本番運用を開始。Apache Flumeなどの活用により、処理のリアルタイム化を実現する。
ビッグデータ分析を実現するためには、その手前にある膨大なデータの前処理も重要になる。工藤氏は、「データを抽出し、加工する作業は、モデル構築の中で最も負荷が高く十分な要員の配置と支援体制が重要になる。あるプロジェクトでは、データ探索の作業が14営業日であったのに対し、データの抽出・加工は32営業日必要だった」と話す。
このプロジェクトでは、特にETL（Extract：抽出、Transform：変換、Load：ロード）ツールの独自開発に時間を割いたという。工藤氏は、次のように語る。「データサイエンティストという職種は、聞こえは良いが、最初にこうしたドロドロした作業があるということも理解しておかなければならない」
前処理の次に重要になるのが「発射台」と「着地点」を明確にすることである。工藤氏は、「ビッグデータ分析といっても、伊豆諸島まで旅行をしたいのか、ロケットを月に飛ばしたいのか、目的が明確でなければ、どれだけの準備をすればよいかが分からない。またロケットを飛ばす場合、地面がぬかるんでいるとうまく飛ばすことができない」と話す。
つまり経営課題や分析の処理基盤、データの品質などを考慮せずに分析しても、期待した結果を得ることはできないということである。工藤氏は、「ゴミを入れるとゴミが出てくるというたとえがあるように、どれだけお金をかけても、入口が悪ければ、正しい出口にたどり着くことができない。そこで、発射台と着地点が重要になる」と言う。
工藤氏は、「企業からデータサイエンス部門を立ち上げたいという話をよく聞くが、データサイエンス部門を立ち上げるためには、経営企画・営業推進、マーケティング部門、情報システム部門、分析部門など、非常に多くの部門が関わり、チームワークを発揮しなければ実現できない。アクセンチュアでは、こうした企業を今後も支援していく」と話し、講演を終えた。
【山下竜大】
（ITmedia エグゼクティブ）
http://headlines.yahoo.co.jp/hl?a=20131218-00000049-zdn_ep-sci
※この記事の著作権は配信元に帰属します。
焼きショウロンポウの店【王府井】
最新ニュースをお届けします。
「洞察でニッポンをもっと元気に ──「個」客の理解で差をつけろ」をテーマに、11月8日に開催された「第25回 ITmedia エグゼクティブフォーラム」。基調講演には、アクセンチュア 経営コンサルティング本部 アクセンチュアアナリティクス 日本統括マネジング・ディレクターの工藤卓哉氏が登場し、「本当は理解されていない意思決定のための科学」と題して講演した。
●多様化するデータをいかに取り扱うか
アクセンチュアのアナリティクスグループは、米国直轄のグローバル部門というユニークな位置づけにある。世界各国に展開されている23カ所のイノベーションセンターを拠点に、相互排他的にサービスを構築することで、世界のリソースを重複なく最適化し、効率的な経営体制を実現している。その中の東京イノベーションセンターを統括するのが工藤氏であり、研究開発テーマのひとつがアナリティクスである。
アナリティクスを一言でいえば、多様化するデータをいかに取り扱うかということである。従来型の構造化された企業データはもちろん、ソーシャルメディアの情報や各種センサー情報、位置や地図の情報、画像、動画など急増する非構造化データを、いかに有効活用するかがこれからのビジネスの勝敗を分けるといっても過言ではない。そこで注目されているのが「ビッグデータ分析」である。
現在、ビッグデータは、3V（Volume：量、Variety：種類、Velocity：頻度）をはじめ、さまざまな定義がなされている。その背景のひとつとして、ストレージが非常に低価格になっていることが挙げられる。また以前は、大量のデータを即時処理する仕組みを実現することが難しかったが、デバイスの高速化によりリアルタイムのデータ処置を容易に実現することが可能になっている。
「ビッグデータの処理においては、並列分散処理が有効になるが、これは人工知能の研究から生まれた仕組みである。人間の脳は、約1200億のニューロンが並列処理をしており、情報の伝達速度は時速350〜400キロといわれている。1つのニューロンが死んでしまっても、処理が停止しない頑強性も備えている。こうした仕組みに基づいて、並列分散処理やMPP、Hadoopなどが開発されている」（工藤氏）
一方、ビッグデータを取り扱うときの注意点について工藤氏は、次のように語る。「データ活用の話をするときに、個人情報保護について聞かれることが多くなってきた。1年前にはなかったトレンドだが、大量の位置情報データなどを利用する場合、個人情報保護が問題になりつつある。ビッグデータの活用において、個人情報保護法の問題をクリアしておくことが必要になる」
個人情報を構造化すると、取得、保管管理、第三者提供という3つのプロセスになる。この3つのプロセスに関する個人情報保護法を慎重に検討しなければならない。工藤氏は、「特に問題となるのは、データを取得する場合に利用範囲の確認をとっていないことである。第三者に提供した後に、"その使い方は想定していないのでやめてほしい"と言われたときに、そのデータを除外する仕組みが必要になる」と話している。
●データサイエンティストの育成が重要
世界トップ3のデータサイエンティストの1人といわれているJeffrey Hammerbacher氏は、"インフラに投資する場合、まず必要なのはデータであり、次が問い合わせ。まず蓄積して、次に構造化である"と語っている。工藤氏は、「時と場合にもよるが、データの利用方法は刻々と変化するので、構造化を考えすぎて機会を逃すのは本末転倒。データを蓄積しておいて構造化や問い合わせを考えることに関して異論はない」と言う。
「日本では、大学におけるデータサイエンスの教育が遅れている。そこで慶應大学と実験的にアナリティクスの授業に取り組んでいる。授業では、探索的データ解析、多変量解析、機械学習の大きく3つの解析領域を取り上げている。この領域では、統計学だけでなく、並列分散処理やストリーミング処理など、バックエンドを支えるICT基盤やストレージなどのコンピューティング環境も含まれている」（工藤氏）。
こうした取り組みの一環として、現在アクセンチュアが取り組んでいるのがアナリティクス分野における活用事例の充実である。その中から「Google Glassによる臨床医療（教師なし機械学習）」「導線分析（教師なし機械学習）」「薬剤の相互作用（教師つき機械学習）」という、3つの活用事例が紹介された。
Google Glassは、米Googleが開発したヘッドマウントディスプレイ方式の拡張現実ウェアラブルコンピュータである。自然言語による音声コマンドなどを利用して、ハンズフリーで操作したり、情報を表示したりすることができる。アクセンチュアではPhillips社と共同で、このGoogle Glassに、患者の電子カルテ情報を表示して、迅速かつ効果的な治療に生かすなど、医療現場で利用する実証実験に取り組んでいる。
また、導線分析を活用すれば、例えば大勢の人が町中を移動した4億件以上の地理空間情報から、「隠れマルコフモデル」と呼ばれる統計モデルを利用して、意味のある、特定の人の動きをだけを抽出し、その情報を地図上に展開することで新たな知見を創出することができる。この事例は、テレビの情報番組でも紹介されており、11月にはWire＆Wirelessと共同開発したサービスも発表している。
さらに将来的には、予防的医療決定支援システムを活用して、外来予約から往診・問診、予防医療、検査・連携、処方箋までの医療情報連携による医療の質の向上と病院の効率的経営に貢献することが期待されている。
●OSSで小さくはじめて大きく育てる
ビッグデータは、何ができるかよく分からないので、初期投資をあまりしたくないという声をよく聞く。そこで注目されているのが、オープンソースソフトウェア（OSS）の利用である。工藤氏は、「OSSを利用して、まずはビッグデータで何ができるのかをクイックに見せることが有効になる」と話す。
ビッグデータ分析の導入ステップの一例として、まずはクラウド環境にClouderaのCDH（Cloudera's Distribution Including Apache Hadoop）を導入し、ビッグデータ分析のPOC（Proof of Concept）を実施する。次にクラウド環境をオンプレミス環境に移行して、本番運用を開始。Apache Flumeなどの活用により、処理のリアルタイム化を実現する。
ビッグデータ分析を実現するためには、その手前にある膨大なデータの前処理も重要になる。工藤氏は、「データを抽出し、加工する作業は、モデル構築の中で最も負荷が高く十分な要員の配置と支援体制が重要になる。あるプロジェクトでは、データ探索の作業が14営業日であったのに対し、データの抽出・加工は32営業日必要だった」と話す。
このプロジェクトでは、特にETL（Extract：抽出、Transform：変換、Load：ロード）ツールの独自開発に時間を割いたという。工藤氏は、次のように語る。「データサイエンティストという職種は、聞こえは良いが、最初にこうしたドロドロした作業があるということも理解しておかなければならない」
前処理の次に重要になるのが「発射台」と「着地点」を明確にすることである。工藤氏は、「ビッグデータ分析といっても、伊豆諸島まで旅行をしたいのか、ロケットを月に飛ばしたいのか、目的が明確でなければ、どれだけの準備をすればよいかが分からない。またロケットを飛ばす場合、地面がぬかるんでいるとうまく飛ばすことができない」と話す。
つまり経営課題や分析の処理基盤、データの品質などを考慮せずに分析しても、期待した結果を得ることはできないということである。工藤氏は、「ゴミを入れるとゴミが出てくるというたとえがあるように、どれだけお金をかけても、入口が悪ければ、正しい出口にたどり着くことができない。そこで、発射台と着地点が重要になる」と言う。
工藤氏は、「企業からデータサイエンス部門を立ち上げたいという話をよく聞くが、データサイエンス部門を立ち上げるためには、経営企画・営業推進、マーケティング部門、情報システム部門、分析部門など、非常に多くの部門が関わり、チームワークを発揮しなければ実現できない。アクセンチュアでは、こうした企業を今後も支援していく」と話し、講演を終えた。
【山下竜大】
（ITmedia エグゼクティブ）
http://headlines.yahoo.co.jp/hl?a=20131218-00000049-zdn_ep-sci
※この記事の著作権は配信元に帰属します。
焼きショウロンポウの店【王府井】
