The Executive’s Guide to Data, Analytics and AI Transformation, Part 2: Identify and prioritize use cases - The Databricks Blogの翻訳です。

本書は抄訳であり内容の正確性を保証するものではありません。正確な内容に関しては原文を参照ください。

本記事は、データ&AIトランスフォーメーションのイニシアチブに取り組んでいるシニアエグゼクティブにキーとなる洞察と戦術を共有するシリーズのパート2です。パート1はこちらをご覧ください。

ビジネスを変革するためにデータ、分析、AIを活用する重要なステップは、下剤の状況(人材、プロセス、インフラストラクチャ)で実現可能なユースケースに優先度をつけつつ、ビジネス価値を生み出すユースケースを特定することです。通常、データやAIから価値を得ることができるユースケースは企業に数百存在しますが、すべてのユースケースの実現可能性や重要度がすべて同じわけではありません。リーダーは、ユースケースの特定、評価、優先度づけ、実装に対するシステム的なアプローチを必要としています。

潜在的ユースケースの一覧を作成する

最初のステップは、組織のさまざまなステークホルダーからのアイデアを募り、全体的なビジネスドライバー、特にCEOや取締役会によってモニタリングされるべきドライバーを理解することです。2番目のステップでは、ビジネスにおけるステークホルダーとのコラボレーションを通じて、ユースケースの機会を特定し、当該ユースケースの実装に必要なビジネスプロセスとデータを理解します。次に、期待されるROIを計算することで、これらのケースの優先順位づけをおこないます。データ/ITチーム内のペットプロジェクトになることを避けるために、エグゼクティブレベルでのLOBチャンピオンを含めることが重要です。

複雑なユースケースと、ローハンギングフルーツと考えられるユースケースとの間のバランスを取る必要があります。例えば、webの訪問者が既存顧客か新規顧客かを判別するには、webブラウザのクッキーデータと特定の個人、家庭で使用されるデバイスとの相関関係を活用する非常に単純なアルゴリズムを必要とします。しかし、アカウントの地理的、時間的情報、店舗情報、顧客の購買挙動を考慮する高度なクレジットカード不正モデルには、分析を実行するために必要な広範なデータを必要とします。

パフォーマンスに関しては、ユースケースを実行すべきスピードに対する検討が必要です。通常、パフォーマンスが高いほどコストが高くなります。このため、ユースケースを3つのカテゴリーに分類することが有用です:

秒以下のレスポンス
数秒のレスポンス
数分のレスポンス

サービスレベルアグリーメント(SLA)に対して現実的になることで、設計やインフラストラクチャに対する過度なエンジニアリングを避けることで時間と費用を節約することができます。

「データ資産」について考える

機械学習アルゴリズムにはデータが必要であり、実験を行い、モデルをトレーニングし、プロダクションにデプロイされた際にはモデルを実行できるように、利用可能で高品質、適切なデータが必要となります。これらの機械学習ステップで用いられるデータの品質と真正性は、明確なROIをもたらすプロダクション環境にモデルをデプロイする際の鍵となります。

特定のユースケースでデータを利用できるようにするためにどのようなステップが必要なのかを理解することが重要です。検討すべき一つのポイントは、類似あるいは隣接するデータを活用するユースケースに優先度をつけるというものです。皆様のエンジニアリングチームが1つのユースケースで活用するデータを準備する必要があるのであれば、関連するユースケースでデータを利用できるように、エンジニアリングチームがインクリメンタルな作業を行えるかどうかを検討しましょう。

成熟したデータ&AI企業は、組織におけるデザイン戦略とデータ資産ロードマップを導入する重要性を示す「データ製品」というコンセプトを受け入れています。このアプローチを取ることで、ステークホルダーは単一のユースケースのみに当てはまる目的特化のデータセットを避ける助けとなり、より多くのビジネス機能の燃料となるデータ資産に対するフォーカス検討のレベルを引き上げます。「データ資産」ロードマップは、データソースの所有者が作成すべきデータ資産の優先度と複雑性を理解する助けとなります。このアプローチを用いることで、データは企業の骨組みと一部となり、文化を進化させ、組織のビジネスアプリケーションやその他のシステムのデザインに影響を与えるようになります。

最高のインパクト/優先度を決定する

以下の表に示すように、3つの要因(戦略的重要性、実現可能性、明確なROI)を考慮するスコアカードアプローチを用いて、特定のユースケースを評価することができます。戦略的重要性は、ユースケースが直近の企業ゴールの達成に寄与するのか否か、成長の促進やリスクの削減のポテンシャルがあるのかを計測します。実現可能性は企業にユースぇー巣を実装するために必要なデータとITインフラストラクチャ、データサイエンス人材が存在するのかどうかを計測します。ROIスコアは、組織で容易に損益に対するインパクトを計測できるのかどうかを示します。

ビジネスリーダーシップとテクノロジーリーダーシップの調和をとる

ユースケースの優先度づけにおいては、攻めのユースケースと守りのユースケースの間のバランスを取ることが必要となります。エグゼクティブは、機会の成長(攻め)とリスクの削減(守り)に関してユースケースを評価することが重要です。例えば、データ漏洩やコンプライアンス違反によるコストが新規顧客獲得よりも高くなる場合には、データガバナンスやコンプライアンスのユースケースは攻めのユースケースよりも高い優先度になるべきです。ユースケースのデリバリーとインパクトを成功させるためには、企業のゴールと戦略的優先度の調和をとるために、テクノロジーステークホルダーは密接にビジネスリーダーと取り組みを進めなくてはなりません。

まとめ

あなたが、データ&AI変革ジャーニーをスタートしたばかりであっても、すでに取り組みを進めているのであっても、ユースケースを特定し、優先度づけを行い、ビジネス価値をドライブするためにこれらの戦略は適用可能です。インパクトの強いユースケースのデリバリーを加速するために、Databricksでは業界にフォーカスしたソリューションアクセラレーターのライブラリを提供しています。詳細に関しては、我々にコンタクトしてください。

より詳細を知りたいですか？我々のeBook Transform and Scale Your Organization With Data and AI をチェックしてください。

Databricksクイックスタートガイド

Databricksクイックスタートガイド

Databricks無料トライアル

Databricks無料トライアル