データを活用して組織を改革する

どのような企業にとっても、長期的な成功を維持することは困難です。組織は、常に変化し続け、時代の変化に対応する必要があります。クラウドの登場は、イノベーションの波を引き起こしました。データは、次のイノベーションの原動力となります。リーダーは、事実に基づいて適切な判断を下し、先を見据え、行動を起こす必要があります。現在および将来にわたって時代の変化に対応したい企業にとって、データ戦略の構築は不可欠です。

新しいアイデアを受け入れるリーダーは、真実の追求に粘り強く取り組まなければなりません。これには、機会や脅威に応じて方向転換するために必要なツールを持つことも含まれます。これを実現するには、データ主導型にならなければなりません。

データは再発明への道を推進します。

データ駆動型の組織は、データを特定の部門の所有物ではなく資産として捉えています。重要なデータを収集、保存、整理、分析し、それを必要とする人やアプリケーションが安全にアクセスできるシステムを構築します。

これらの企業は、データの収集、保存、整理、および情報に基づいた行動を容易にするために、データを一元化されたデータ レイクに統合しています。また、機械学習 (ML) テクノロジーを採用して、運用効率の向上、プロセスの合理化、新しい製品や収入源の創出、より優れた顧客体験の創出など、データから価値を引き出しています。

たとえば、Moderna やその他の製薬会社は、データと分析を利用して、かつてないほど迅速に医薬品やワクチンを市場に投入しています。BMW やその他の多くの企業は、データを使用して供給ネットワークを最適化し、生産能力を高めています。また、エネルギー業界の他の企業と同様に、ENGIE はデータを活用して革新的な方法を開発し、野心的で意欲的な環境目標を達成しながらクライアントのコストを削減しています。

重要な懸念と困難

企業が一般的に直面する最初の問題は、日々管理するデータの膨大な量と複雑さ、そして年々急増するデータを認識することです。実際、今後 36 か月間で生成されるデータは、過去 30 年間の合計よりも多くなります。

1. 古いオンプレミス テクノロジーと古いデータ リポジトリでは、今日の期待に応えることはできません。今日見られる膨大なデータ量と大幅なデータ増加に対応するために、企業は、現在処理しているギガバイトやテラバイトから、将来管理するペタバイトやエクサバイトまで、ビジネス ニーズの変化に応じて拡張および進化できる新しいデータ ストアを求めています。
2. 2 番目に、企業は、ログ ファイル、クリックストリーム データ、音声、ビデオなど、より広範なデータに容易にアクセスして分析できる必要があります。これらのデータ タイプはさまざまなソースから生成され、多数のデータ ストレージにまたがってサイロ化されています。組織はデータ サイロを解体して、チームが、データがどこに存在するかに関係なく、関連するすべてのデータにアクセスして分析し、このすべてのデータから重要で最新の洞察を生成できるようにする必要があります。
3. 企業が直面する 3 つ目の主な困難は、クライアントの好みや市場の動向の変化に、ますます緊急に適応することです。組織は、従業員にデータへの安全なアクセスと、データに対する分析と機械学習を俊敏かつコスト効率の高い方法で実行し、より適切かつ迅速な選択を行う能力を提供する必要があります。古いオンプレミス データ インフラストラクチャに依存している組織は、ハードウェアとソフトウェアのインストール、パフォーマンスと可用性のためのインフラストラクチャの構成、システムを拡張するためのキャパシティ プランニングに多大な時間を費やしています。こうした余分な作業により、俊敏性が低下し、意思決定が遅くなります。
4. 機械学習を機能させることは 4 番目の課題です。機械学習は革新を推進する破壊的技術ですが、企業は業務に機械学習を拡張する上で大きな進歩を遂げるのに苦労しています。ガートナーの分析によると、過去 2 年間で AI の専門知識を持つ企業が AI 概念実証パイロットのわずか 53% を本番環境に導入しました。ML スキルの欠如、組織の惰性、トレーニング用データの不足は、この重要なセクターの開発を妨げている障害のほんの一部にすぎません。
5. 最後に、データ セキュリティ、プライバシー、コンプライアンス ルールがますます重要になっている世界では、企業は実証済みのデータ ガバナンスとセキュリティ ポリシーを使用して、特定のデータへのアクセスを適切に識別、監視、規制できる必要があります。これは、特定のデータ サイロ内のデータだけでなく、すべてのデータ リポジトリにわたって包括的かつ一貫した方法で実行する必要があります。