300社超の調査で判明
データサイエンティストのスキル不足は大問題、「技術についていけない」の声も
多くの企業は、今日のビッグデータとデータサイエンスがもたらすチャンスを認識しているが、一方でそのエコシステムの複雑さに手を焼いている。
ビジネスインテリジェンスとデータウェアハウジングに関する教育とリサーチサービスを提供するTDWI（Transforming Data with Intelligence）が最近実施した調査により、熟練したデータサイエンティストの不足は今もなお企業が直面している重要な課題であることが明らかになっている。
TDWIの調査では、企業におけるデータサイエンスの最大の課題は適切なスキルを持つ人材を見つけること（出典：TDWI）《クリックで拡大》
「多くの企業がデータサイエンスに関連して直面している最大の課題は、適切なスキルを持つ人材を見つけることだ。そんな話は絶えず耳に入ってくる」。TDWIでバイスプレジデントと研究部長を兼務するファーン・ハルパー氏は、同社が最近実施した調査結果を紹介するWebキャストでそう述べている。
その調査では、ビッグデータとデータサイエンスの経験について300社を超える企業にアンケートを実施した。企業が過去数年間にわたって集めた膨大な量のデータを解明できる人材が必要になるにつれて、ビッグデータとデータサイエンスという2つのトピックは融合するようになっている。
調査の回答者が挙げている他の一般的な課題には、データの所有者が不明瞭であること、ビッグデータツールに対する理解不足、ビッグデータの活用に必要なエンタープライズアーキテクチャの不足、セキュリティとプライバシーの問題、管理手順が整っていないことなどが含まれている。
ビッグデータとデータサイエンスは非常に厄介なものに見えた。過去数年の間に「Aapache Hadoop」「Apache Spark」、Pythonなど多くの新しいツールが登場し、進歩についていくのに企業は苦労している。「一部の回答者は、テクノロジーが多過ぎ、かつ過剰な宣伝がなされていると考えている。このような回答者は何をしたらよいか分かっていない。物事が急速に変化していると考えている回答者もいるが、彼らは最適なアーキテクチャを維持できるほどの機敏さを備えていない」とハルパー氏は言う
今のところ企業は、既知のツールを使い続けて、こうしたデータサイエンスの課題にある程度は対処している。調査回答者の約80％は、主なデータソースとしてデータウェアハウスツールを現在使用していると答えている。分析については、シンプルなクエリとデータ視覚化ツールが最もよく使用されているという結果が出ている。2019年まではデータウェアハウスツールが重要なツールであり続けるだろう。だが、その間に企業が追加を計画しているテクノロジーの上位2つにはHadoopとオープンソースのR言語が挙がっている。
この調査結果は、機械学習を含む非構造化データの照会や予測分析の明確な勢いを示しているとハルパー氏は語る。ただし近い将来、これらの新たに出現したツールが実績のあるツールに完全に取って代わるようには思えない。
「データウェアハウスが消滅することはない。だが、他の種類のプラットフォームに取って代わられており、新たなエコシステムが形成されているのが実情だ。予測分析に関しては、たくさんの動きがある。予測分析は今流行のテクノロジーで、機械学習が予測分析を盛り立てている」とハルパー氏は語る。
Copyright © ITmedia, Inc. All Rights Reserved.
この記事の著者
関連記事
新着ホワイトペーパー PR
-
製品資料
[株式会社MatrixFlow] 「物流リソース最適化」ガイド：人員・配車・傭車を出庫依頼の確定前に決めきる -
製品資料
[株式会社キーエンス] なぜRPA導入は頓挫する？ シナリオ作成の壁を乗り越える解決策とは -
製品資料
[株式会社セールスフォース・ジャパン] 「CRMは設計と無関係」は本当か？ PLMとの融合で実現する高速開発 -
事例
[日本ヒューレット・パッカード合同会社] AIエージェントの時代にどう備える？ 「新たな働き手」を支える3要素とは -
製品資料
[日本ヒューレット・パッカード合同会社] “横並びの自動化”から脱却、AI活用で生産性と競争力を高める秘訣
こんなメディアも見られています
TechTargetジャパンに関連する情報をお探しであれば、こちらのメディアもお役に立てるかもしれません。
ベンダーコンテンツ PR
From Informa TechTarget
SpecialPR
アクセスランキング
-
1
ChatGPTは“検索しまくり”でGeminiは“淡泊”？ データが明かすAIの裏側
-
2
なぜ「全社配布Copilot」は使われないのか？ 失敗に学ぶAI定着
-
3
法務と開発者で「言葉が通じない」問題 トヨタやソニーが語るOSS管理の真実
-
4
「IBM iはDXのボトルネック」は誤解 意外と知らない今風モダナイズの効果
-
5
「朝8時にバッチが終わらない」データ爆発の危機をJPX総研はどう乗り越えたか
-
6
損保ジャパンはなぜ「COBOL」を捨てなかったのか？ 脱メインフレームの真相
-
7
AI導入後に発覚する「社内文書を読めない」問題 情シスは何を直せばいい？
-
8
情シスの約8割が転職や退職を意識 調査で分かった“辞めたくなる最大の理由”
-
9
「中堅・中小企業のネットワーク・セキュリティ運用実態」に関するアンケート
-
10
IT製品の導入に関するアンケート「PC＆デバイス」編
ホワイトペーパーランキング PR
-
1
不審メールの経路や見せ方に変化？ 2026年夏の3事例から見えた動向と対処方法
-
2
家庭用Wi-Fiルーターの業務利用は危険？ 避けるべき理由と具体的な対策
-
3
Microsoft 365を安全に運用 うっかりミスやサイバー攻撃に備えるデータ保護術
-
4
プログラミング不要で誰でも実現できる、ネットワーク運用管理の自動化とは
-
5
財務部門がAIを最大限に活用する方法 無駄のない戦略的リーダーシップへの道
-
6
LLMが兵器化？ 元FBI高官が鳴らす警鐘とセキュリティツール統合のポイント
-
7
なぜRPA導入は頓挫する？ シナリオ作成の壁を乗り越える解決策とは
-
8
HDDを使わない「SSDオンリー」が無謀なのはなぜ？
-
9
「オンプレミス回帰」せざるを得ない“合理的な理由”
-
10
“あのファイル転送”で暗躍するノーウェアランサム
TechTargetジャパン SNS
@techtarget_itmをフォロー
インフォメーション
注目情報をチェック
TechTargetジャパンをフォロー