接続詞（and、for、but、yetなど）がなければ、私たちはすべてのアイデアを短く単純化された一連の文章で表現することになります。「私は走るのが好きです」「私は走るのが好きだ」「走るのが好き」「料理が好き」「長い列を待つのが嫌い」接続詞を使うと、より複雑でエレガントな文章を作ることができ、複数の短文が混在するスタッカート的な切れ味の悪さを避けることができるのです。
特に、"and "という協調接続詞は強力です（大学で英語と文学を学んだ者として、そう言っているわけではありません）。Mirriam-Websterによると、"and "の主な定義は、「特に同じクラスまたはタイプのアイテムの接続または追加を示す機能語としての使用」だそうです。今頃あなたは、「キャティ、細かいことはもういいよ。何が言いたいんだ？」と質問したくなるでしょう。
多くの場合、"and "は2つのもの（同じランク）のどちらかを選ぶ必要はなく、むしろ両方を持つことができることを表しています。これをDataikuのEveryday AIプラットフォームに当てはめて、"and "という言葉がどのように、人々が一方の機能や能力を他方から選ぶ必要がないようにサポートしているのかを見てみましょう。
1. フルコード AND ローコード
私たちは、全従業員がAI開発とAI活用に関連するインプットを持っていると信じていますが、その貢献の具体的な性質は異なるでしょう。データおよびアナリティクスの専門家はDataikuのコードファースト機能のユーザーである可能性が高く、ビジネス側のドメイン専門家はノーコードまたはローコードエクスペリエンスを好む可能性が高いです。
Dataikuでは、ビジネスユーザーはポイント＆クリックのツールを使って簡単かつ効率的に、またはカスタムコードを書いて最大限の柔軟性を得ることができます。すべてのステップで、選択肢はユーザー次第です。それがDataikuの魅力であり、誰も孤立することはありません。カスタムコード要素はフローの一部であり、視覚的な要素と同様にデータパイプラインで透過的に文書化されます。誰もが共通環境でデータプロジェクトに参画し、同時に貢献することができます。どちらか一方を選ぶ必要はなく、Dataikuは両方に対応しています。
2. 個人 AND チーム
個人レベルでは、Dataikuの直感的で視覚的なインターフェイスにより、共通のステップをより迅速に進めることができます。チームレベルでは、チームメンバーが単一の共有環境で共同作業を行うため、コラボレーションがより円滑に進みます。特定のユースケースについては、プラグアンドプレイのDataikuソリューションを使用して、数ヶ月ではなく数時間で本格的なAIソリューションを展開できます。最後に、組織レベルでは、あるチームの成功事例を基に、それを組織全体に普及させることができるため、Everyday AIへの進展が加速します。
また、Dataikuは垂直的なコラボレーション（例：データサイエンティストからデータサイエンティスト）だけでなく、水平的なコラボレーション（例：アナリストからデータサイエンティストやビジネスユーザー）の両方を可能にします。このプラットフォームは、個人でもチームでも、さまざまなタイプの専門知識を持つ人たちが、Everyday AIへの旅路で利用できるように設計されています。もう一度言いますが、どちらか一方を選ぶ必要はなく、Dataikuは両方に対応しています。
3. データ分析 AND 機械学習
データ分析でも機械学習でも、Dataiku はどこにいてもあなたを満たします。分析とビジネスインテリジェンスに関して言えば、アナリストとビジネス エキスパートは、100以上のネイティブ データ トランスフォーマーのおかげで、面倒なデータの準備と強化を自動化するのに役立ち、論争に費やす時間を減らし、より多くの時間を分析に費やすことができます。チームはカスタムの数式とコードを記述して組み込みツールを拡張し、オーダーメイドの変換と最大限の柔軟性を実現したり、ビジュアル ツールを使用して最大限の速度を実現したりできます。
そして、機械学習が始まると、Dataikuは、データサイエンティストとアナリストが同様に、複数のプロダクションレディのモデルを構築し、比較できるように、ガイド付き方法論、組み込みガードレール、および説明可能性によってモデル開発プロセスを強化します。高度なデータ専門家は、Pythonのカスタムアルゴリズムを追加してビジュアルな機械学習インターフェースを拡張したり、Python、R、Scale、Julia、Pyspark、その他の言語を使用してプログラム的にモデルを開発できます。Dataikuは、ユーザーがプロセスの一部を分離するのではなく、1つの場所で両方を行うことを可能にします（デプロイメント、モニタリング、およびガバナンスもそこで行われます！）。
4. エラスティッククラウド AND ガバナンス
企業におけるAIに関しては、複数の次元でスケールが求められます。ユーザー数（データの専門家だけではありません）、処理されるデータ量、導入されるサービス数などです。例えば、Dataikuがスケールを実現する方法の1つは、主要なクラウドコンテナサービス と互換性のあるフルマネージドKubernetesソリューションの提供です。
ビッグデータ分析や機械学習で生じる大規模かつ動的な負荷を処理する方法として、クラウドサービスによるエラスティック・コンピューティング が最もコスト効率の良い方法であることが多いだけでなく、ガバナンスも効いています。管理者とITセキュリティは、誰がどこで何をしているかを確認でき、特定のプロジェクトに割り当てられたKubernetesノードの数を完全に制御することができます。つまり、組織はガバナンスを犠牲にすることなく、クラウドリソースで弾力的に拡張することができるのです。
5. ITコンプライアンス AND セルフサービスアナリティクス
セルフサービス・アナリティクス を成功させるためには、IT部門とビジネス部門のコラボレーションとエンゲージメントを促進する必要がありますが、これは言うは易く行うは難しです。組織は、ビジネスラインが必要なデータにアクセスできるようにしつつ、ビジネス上必要のないアクセスは制限する、堅実で（かつ柔軟な）戦略を構築する必要があります。
また、データアクセスの問題を回避するために、ユーザーが持っていない（しかし必要な）アクセス権を獲得できるように、実行可能なフィードバック戦略を維持する必要があります。このバランスは、Dataikuのような集中管理された環境で取るのが最適で、役割や権限を管理し、義務や優先順位が時間とともに変化しても簡単に更新することができる。理想的には、IT部門からの直接のサポートがなくても、業務担当者やアナリストがデータを使って洞察やデータの可視化を行うことができるようになることです。一方、IT部門はデータプロダクト（開発環境から本番環境への移行を管理したり、自動化を支援したりする）、およびデータプラットフォーム自体のメンテナンスに責任を持ちます。
どちらも手に入るのに、なぜ妥協するのか？
もし、組織が1つの要素（例えば、個人のエンパワーメントだけ、あるいはチームのエンパワーメントだけ）に焦点を当てると、そこまでの成果を得ることはできません。しかし、どちらか一方を選択するのではなく、両方を同時に行うことで、AIイニシアティブから飛躍的に多くの価値を引き出すことができます。各個人が継続的にスキルアップし、アナリティクスやAIのプロセスに定期的に参加できるようなトレーニングや教育を受けることで、データに精通した社員がデータを使ってより多くの意思決定を行うことができるようになります。最終的には、時間の経過とともに、チームがすべてのプロセスや業務にAIを組み込むことができるようになります。今後、2つの選択肢を選ぶことになったとき、なぜ両方を手に入れることができないのか、自問してみてください。
Dataikuのフルスクープを入手する
このデモ動画では、Dataikuがデータとドメインのエキスパート間のコラボレーションを確保しながら、あらゆる業界やユースケースに対して効果的なビジネス成果をもたらす様子をご覧いただけます。