ビッグデータへの取り組みは「砂金探し」のようなもの

　アプライアンス製品やインメモリデータベース（関連記事：インメモリデータベースで高速処理化が進む最新OLAP分析ツール）の最大の強みは、何と言ってもその処理能力の高さにある。これまで汎用のハードウェアとデータベースソフトウェアで何時間もかかっていたデータ分析処理が、こうした新しいテクノロジーの導入で数分間にまで短縮されると、自ずと新たなデータ活用の動きが起こってくる。

　「短時間で処理が終わるのであれば、『今度はあのデータとこのデータを突き合わせてみよう』といった具合に、気軽に何度も異なるパターンの分析を試みることができるようになる。何度もトライ＆エラーを繰り返すことで、さまざまなデータの組み合わせの中から新たな知見を見いだせるようになる」（生熊氏）

　この延長線上にあるのが、いわゆる「ビッグデータ」の考え方だ。ビッグデータという言葉からは、単に大量のデータを対象にした分析手法であるかのようなイメージを受けるかもしれないが、必ずしもそうではない。むしろ、これまで取り上げてこなかったたぐいのデータを取り上げて、分析してみることにその意義がある。

　「これまでのBIやDWHの主な用途は『過去の実績データの分析』だったが、今日多くの企業が注目しているのが、『新たなビジネスチャンスを掘り起こすための手段』としてのデータ分析だ。そのためには、これまで取り上げたことがなかった種類のデータの中から、まるで『砂金探し』のように新たな知見を掘り起こしていかなくてはいけない。とはいえ、ビッグデータ分析ではめったに金は出てこない。ほとんどが砂だ。従って今後は、どこに行けば金が見つかりやすいのか、あるいは効率的に金を見つけるにはどうすればいいのか、そんなノウハウを身に付けた企業が、ビッグデータをビジネスに有効活用できるようになるだろう」（生熊氏）

　ちなみに、こうした「砂金探しの手段」として近年注目を集めているのが、Hadoop（関連記事：Hadoop技術解説　注目の背景にはクラウドの普及）をはじめとするNoSQL系のオープンソース技術だ（関連記事：NoSQLデータベースがビッグデータ対象のDWH基盤に適しているわけ）。ソーシャルメディアのデータやWebログといった非構造化データを高速処理するための技術として、特にビッグデータの文脈で取り上げられることが多い。しかしこれらの技術は現状では、必ずしも商用RDBMS製品と同等の完成度を備えてはいないと生熊氏は指摘する。

　「これらのオープンソース製品をそのまま商用RDBMSと同じ感覚で使うのは難しい。排他制御などのデータ処理の特性を理解しなければ、予期せぬ結果を招くこともある。また、足りない機能を補完する必要が生じる場合もある。従って使いこなすためには、ユーザー自身でソースコードを修正できるぐらいの高度なエンジニアスキルが必要とされる」

　しかし一方で、こうした状況も徐々に変わりつつあるという。

　「EMCの『Greenplum HD EE』や、IBMの『InfoSphere BigInsights』など、ベンダーが正式にサポートする商用製品が出てきている。多くの日本企業のIT部門は、オープンソース製品を直接修正して運用できるスキルを持ったエンジニアを十分確保していないので、こうした商用製品の登場はソリューションの選択肢が広がるという意味で大きな価値がある」（生熊氏）

情報資産をしっかり管理するデータガバナンスの確立が重要

　ただし生熊氏は、こうしたデータ分析システムを単独で構築するだけでは、ビジネス上の実効性はないとも指摘する。

　「データ分析の結果、『この商品が売れる』ということが分かったとしても、その商品自体が手元になければ売ることはできない。つまり、生産やサプライチェーンをつかさどる基幹系システムと連携し、ビジネスフローとして回すことができて初めて、ビジネスに貢献できるデータ分析が可能になる。これができなければデータ分析は単なる数字遊びに終わってしまう」

　さらに言えば、システム投資うんぬんの前に、まずは「ビジネスにとってデータは高い価値を持つ」ということを企業がきちんと認識する必要があると同氏は言う。その際に鍵になるのが、データを「企業資産」として捉える発想だという。

「基本的なデータ管理ができていない状態で、『Facebookのデータを取り込んでビッグデータ活用だ！』と意気込んだところで、とてもではないが実効性のあるデータ分析は望めない」（生熊氏）

　「少し前から、『情報は企業にとってヒト・モノ・カネと並んで重要な資産だ』といわれてきた。しかし、ヒトを管理するための人事システムや、カネを管理する財務・会計システムはあっても、情報という資産を管理するためのシステムはこれまでなかった。さらには、情報資産を管理するための専門部署や役職もなかった。人事部長や財務部長がいるのであれば、情報部長やデータ部長といったポストもあってよいのではないか」（生熊氏）

　ちなみに海外の先進企業では、既にデータ管理のための専門部署や役職を設けているところが少なくないという。これらの部署では、社内の各部門でどのようなシステムが存在しており、そしてどのようなデータが存在しているのかを全社横断的に管理する。これができて初めて、「では、あのデータとこのデータを突き合わせて分析してみよう」という発想が生まれてくるのだ。

　「日本ではまだあまり知られていないが、既に組織的なデータ管理の手法を体系化してまとめた『DMBOK』というガイドも、米国DAMAインターナショナル（The Data Management Association International）が出している。ビッグデータに限らず、ビジネスにデータを活用するためには、まずはこうしたデータガバナンスの取り組みをしっかり行うことが重要だ」（生熊氏）