拡張分析：2019年に知っておくべきこと

企業がデジタルトランスフォーメーションの旅を開始または継続するにつれて、扱うデータの量と複雑さが増します。

従来の分析（データの準備と分析、結果の解釈、およびそのデータを使用したスト​​ーリーの伝達）は、手動で時間のかかるプロセスです。 そして、それはデータの継続的なバーストに対処しようとしている企業にとって重大な課題をもたらします。

デジタルトランスフォーメーションの市場対応のタイムラインを満たすために、手動分析の時間のかかる作業を減らすことが不可欠になっています。

これを行うために、機械学習（ML）と人工知能（AI）を使用して人間のデータサイエンティストを強化し、分析ジャーニーの各ステップをスピードアップできます。これは拡張分析と呼ばれます。

過去12〜18か月間、フィールドとしての拡張分析が成長し、より多くの企業がこのプロセスを受け入れ始めています。

製薬、小売、製造などの多くの業界でデジタルトランスフォーメーションを実施している企業は、拡張分析を使用し始めています。

来年には、この新しい分野がより広く使われ、理解されるようになると私は信じています。

拡張分析の簡単な背景

2000年代半ばには、クラウドストレージと大規模に利用可能なコンピューティングパワーがより主流になりました。 これにより、ビッグデータ分析が爆発的に増加しました。

これは重要な変更でしたが、プロセスは依然として非常に手動でした。つまり、分析の専門家は依然として大量のコードを作成する必要がありました。

ビッグデータ革命の前は、企業は意味のある洞察を得るために数千のフローをスキャンする必要があったかもしれませんが、今日は数百万のフローについて話しています。

問題は、分析の高速化=市場投入までの時間の短縮= ROIの向上を認識しながら、データ分析が必要な時間を大幅に短縮しながら、同じ価値をどのように提供できるかということです。

これが拡張分析の目的です—データ分析の分野をスピードアップしてより多くの価値を引き出します

増大するデータ量を整理して理解する必要があるため、拡張分析はこの研究分野の大きな変化を表しています。

拡張された分析は、分析の解釈、作成、共有にすでに混乱を引き起こしています。 これにより、データサイエンティストは、従来の手動による方法よりも、データの探索に費やす時間を減らし、最も関連性の高い洞察に基づいて行動する時間を増やすことができます。

このアプローチは、企業がより応答性と俊敏性を高めることを可能にする強力なメカニズムです。これは、デジタルトランスフォーメーションの必要な側面です。

まず、拡張分析の主な利点と、この手法が従来のビジネスモデルをどのように変えているかを見てみましょう。 拡張分析：

• データの準備と発見のプロセスを加速します。
• ビジネスに精通していないユーザーのためにデータ分析を民主化します。
• エグゼクティブチームおよび組織全体で実用的な洞察を採用できます。

デジタルビジネスにとってのこれらのメリットの重要性は重要です

組織がデジタル時代に競争するためには、データが関連性のある実用的な洞察を得るための鍵であることはよく理解されています。

しかし、手動分析プロセスに固有の根本的な複雑さは、多くの障害を生み出します。

一つには、データサイエンスの実践に熟練し、ビジネスモデルと運用についても鋭い理解を持っているデータサイエンティストはまれです。

さらに、データサイエンティストの時間は貴重ですが、この時間の大部分は、クリーニングとラベル付けによってデータを手動で準備するために費やされています。 この時間と容量の不足は、ほとんどのデータ分析がデータのごく一部で実行され、データ資産の大部分はマイニングされないことを意味します。

上記の利点を調べて、本当に破壊的な拡張分析がどれほどあるかを見てみましょう。

拡張分析の3つの主な利点

1.データの準備と発見を加速します

手動で実行する場合、データの準備は面倒で複雑な作業です。

データサイエンティストが何百万ものレコードを調べなければならない場合、たとえば、特定の地域からすべての顧客を見つけるというおそらく単純なタスクは、文字通り数か月かかる可能性があります。

大規模な特殊紙製品の小売業者を例にとってみましょう。 デジタルジャーニーの一環として、顧客をよりよく理解する必要がありましたが、レガシーシステムからのデータの品質は低かったです。

調査するデータが大量にあるだけでなく、さまざまな分野で矛盾があり、それらを1つの統一された形式に調整することは困難でした。

1200の異なるXMLファイル形式で、評価する2600万のレコードがありました。

手動プロセスでデータをクリーンアップするには、6〜12か月かかります。 拡張された分析データ準備手法とMLアルゴリズムを利用することで、小売業者は約3週間でデータをクリーンアップすることができました。

これらの反復ステップを自動化することにより、データの準備と検出の時間全体を50〜80％短縮できます。

この場合、データ分析チームの生産性と効率がどれほど向上するか想像してみてください。

2.データ分析を民主化します

データが準備された後、拡張分析は、ビジネスモデルに影響を与えるシグナルを検出します。このシグナルは、ビジネスに精通していないデータサイエンティストが見つけるのに熟練していない可能性があります。

拡張分析を使用すると、データサイエンティストは、結果を得るために使用する適切なアルゴリズムを決定したり、コードを記述したりする必要がありません。

拡張分析ツールセットは、データに対して8〜10個のアルゴリズムを実行し、それを共通の形式に適合させて、パターンと外れ値を検出します。

たとえば、大企業は、ベンダーからの請求に関する洞察を求めて、さらに調査が必要な外れ値があるかどうかを判断する場合があります。

世界中に事業と従業員がいるため、これは毎月数千または数十万のベンダーからの請求に匹敵する可能性があります。

基礎となるデータに基づいて、拡張分析はパターンの検出を開始し、外れ値分析を自動的に作成して、月額50,000ドルの請求を一貫して行う特定のベンダーが500,000ドルの請求書を送信するタイミングを検出します。

これは不正行為として自動的にフラグが立てられることはありませんが、通常よりも多い量は、データ分析の専門家がさらに調査するためのものとしてフラグが立てられ、この発見を行うためのアルゴリズムを最初に作成する負担がなくなります。

言い換えると、拡張分析は洞察を民主化し、ビジネスユーザーが複雑な洞察を簡単に抽出できるようにし、そのための時間を大幅に節約します。

3.経営幹部および組織全体で実用的な洞察を採用できるようにします

シグナルとパターンが決定されたら、結果を経営幹部に伝える必要があります。

レポートやダッシュボードの作成など、これを行う従来の方法では、通常、プラットフォームにログインして独自のデータ解釈を行う時間がないエグゼクティブに追加の負担がかかります。

拡張分析を使用すると、ツールはグラフまたはレポートを読み取り、その情報を「地域Xで売上が減少している、過去数か月にわたって続いている傾向」などの自然言語ステートメントに変換します。 または、「競合他社Yに市場シェアを失っています。」

チームリーダーは、「売上高は幅広いレベルで10％増加しましたが、各地域レベルでのマージンはどうですか？」などの質問に対する回答を得ることができます。 このレベルの実用的な洞察を提供することで、データ主導の意思決定が可能になり、組織全体での採用が促進されます。

洗練された分析システムは、音声および自然言語処理機能を提供し、エンタープライズ検索インターフェイスおよびBIプラットフォームに組み込まれています。

これを想像してみてください。データサイエンティストは、「当社の営業活動は競合他社と比較してどうですか？」などの質問をするだけで、自然言語を使用して拡張分析プラットフォームと対話できます。

拡張分析は、舞台裏の複雑さに対処し、ビジネスユーザーと市民データサイエンティストの両方にとってデータ分析プロセスをシンプルにします。

拡張分析をどのように進めることができますか？

上で概説した利点と、この大きな混乱を可能にする利用可能なテクノロジーを考えると、問題は、拡張分析を採用すべきかどうかではありません。 問題は、いつ、どのように開始するかです。

上記のさまざまな手順に対応するツールにはいくつかの種類がありますが、すべての機能を実行したり、すべての組織に適合したりするツールは1つではありません。

企業が前進するための最良の方法は、分析および新しい拡張分析ツールセットと方法論に幅広い経験を持つコンサルティングパートナーと協力して、カスタムロードマップを作成することです。 前進するための成功した道を作るためには、人、プロセス、テクノロジーの適切な組み合わせが一緒になる必要があります。

拡張分析はまだ進化している分野です。 今日、ほとんどの企業は、エンドツーエンドのプロセス全体に拡張分析を採用していませんが、1つの小さな部分から始めています。これは良い方法です。

今後数年間でそれが変化し、組織はデータ分析のライフサイクル全体で拡張分析を使用するようになると思います。

2019年、拡張分析が提供する重要なメリットは、考慮すべき重要な領域です。スピード、民主化、幅広い採用です。

これらの機能により、組織は、顧客のニーズを理解および予測し、ビジネスプロセスを調整および改善し、現在および将来にわたって成功するための位置付けを行うことができます。