毎日のデータを蓄積することに意味はあるの?経営戦略や意思決定に必要な【データレイク】とは?
こんばんは。
今日はAIやDXにおける大切な考え方。「データを蓄積する」ということについて話していきます。
昨今AIやDX、さらにはロボットなどが注目を浴びていますが、その前提は「データがあること」から始まります。逆にそれがなければ始まらないといっても過言ではありません。
そんな基盤とも言える大切なことをお伝えしていきます。
未来は日々の「変化」の数値化から
コンサル先や地方企業に話を聞くと、「日々のデータ」は数値で見ているが、データは「蓄積していない」という会社様をちらほらみます。日々の実態がうまくいっているのであればいいですが、これはさらに会社をよくする上では宝の持ち腐れです。さらにはうまくいっていない会社でこの状況ならば、問題解決を「もぐらたたき」的に潰していくしか出来ない、なんて状況もあります。
結果は。。。やる必要もないくらい自明でしょう。
物事の良し悪しを見るのに最も大切なことは、「変化」です。変化を見るにはデータを点で捉えるのではなく、前後関係を伴った「時系列」で見ることで変化を捉えることができます。
これにはデータの「蓄積」が必須になります。
例えばとあるデータがあったとして、時系列で見ると次に来るものが予想できることは結構あったりします。
上記くらいはっきり変化をしていると変化には体感でも気付くのですが、これが情報に埋もれて現代の時間の速さでは気づかない変化になることも多数あります。
AIはインプット情報がないとできない
AIはそもそも人工知能なので、何か「学ぶべき対象」があって初めて効果を発揮します。ということは、あくまでデータがあることが大前提になります。
このデータはいくつも種類があり、数値化されているデータもあれば画像のようなデータもあります。
大切なのは、その時点では必要か不必要かわからないデータについても蓄積しておくことが後の大きな一歩になる可能性がある、ということです。
データの蓄積は①蓄積②クレンジング③分析
では、データの蓄積をするには何をしたらいいかに触れていきましょう。
大きく分けると、
●蓄積
●クレンジング
●分析
この3点に分類されます。
<蓄積>
例えば魚の分類を例に見てみましょう。海から網で魚を取ることを想定します。その時に、取れた魚の種類を分けることを考えます。
この時はまず網にかかった状態のまま、分別することなく捉えます。(蓄積)
この段階での分類は、担当者のフィルターがかかっているので本当に必要なデータも削ぎ落としてしまう可能性があります。まずは生データをそのまま保存しましょう。
<クレンジング>
そして次にクレンジングです。この網には魚以外にも砂や貝など不必要なものが混在します。そういったものを削ぎ落とし、必要なもののみにするのがクレンジングです。
魚に例えるとわかりづらいですが、これを需要予測などに置き換えるとピンとくるのではないでしょうか。例えばとある小売チェーンで商品に必要な商品数を算出するとき。過去の出荷データから算出しようとすると、去年キャンペーンをしたせいか突発的な売り上げが。
これを真面目に取り組むと、不必要な期間に不必要な在庫を用意する羽目になります。こうなると在庫が増え、黒字倒産の話は以前お伝えしましたね。
特に強化学習などではこういったキャンペーンデータなども含めて学ぶことも可能ですが、線形予測などの統計処理ではこういった柔軟性は皆無です。そのため、インプットするデータを正しいデータに加工してあげなければなりません。
<③分析>
クレンジングしたデータを保管し、いよいよ分析のフェーズです。ここでは手段は統計処理なのか、AIなのか、DXなのかは問いません。各場面に最適な手段を模索する形になります。
分析を進めることで日々の変化に気づくことができ、さらには経営層へ数値を持って提案が出来る。もしくは経営者が数値を持って会社の方向性を決定できる、ということになります。
次の一手を効率的に進めるために
個人においても、仕事においても「効率的」に進めることが大切です。そのためには、物事を定量的に数値に落とし込むことが大切です。
会話の一部から、「数値」で話すことが相手を納得、説得できるきっかけになったりするかもしれませんね。
では。
この記事が気に入ったらサポートをしてみませんか?