PayPalに聞く、ビッグデータ分析の今後【第1回】
PayPalも苦戦? ビッグデータ活用で解くべき2大課題
ビッグデータ活用に当たり、企業のCIOは「かなり苦戦する」。大量の取引データを顧客分析に生かす、米PayPalの主席データサイエンティストはこう語る。その理由とは?
米電子決済サービス大手のPayPalには、データが日々、滝のように流れ込む。こうしたデータには、PayPalのシステムを取引に利用しているマーチャント(売り手)とバイヤー(買い手)に関して、PayPalが知りたい情報が全て含まれている。問題は、欲しい情報を手に入れるために、ビッグデータ分析をどのように活用すればよいかということだ。
PayPalの主席データサイエンティストであるモック・オー氏は、こうした大量の取引データの背後にある心理的な根拠を読み取る仕事をしている。同氏が扱うデータセットは、非常に大規模だ。同氏の目標は、マーチャントとバイヤーの結び付きを深くし、取引の可能性を最大限に高めることだ。ひいては、それがPayPalの収益アップにもつながる。
オー氏は先頃、米TechTargetのインタビューに応じ、ビッグデータ分析の現状や課題について語った。同氏は目下、人々の潜在意識を探るべく、「誰が、何を、いつ、なぜ購入しているのか」を調査中だという。こうしたデータは非常に有益であり、遅かれ早かれ、全ての企業がそうしたデータを欲しがるようになると同氏は考えている。ただし、そのためには、かなりのコストが掛かりそうだ。
―― PayPalでどのような仕事をしているのですか?
オー氏 私の肩書は、主席サイエンティストです。ですから、広く科学に関する社内の諸問題、一切合切を引き受ける心づもりでいます。私は、心理学と社会学を本格的に活用したいと考えています。どちらの学問も、コンシューマーに関して私たちがしたいことと大いに関連しています。私たちが特に重視するのは、消費活動について、人々がどう考え、どう行動しているのかを理解することです。目下のところ、私はビッグデータとデータサイエンスに重点を置いています。
―― あなたは以前、「ビッグデータ分析に関して、私たちは今、どっちつかずの過渡期にいる」と発言し、その状態を「Analyst 1.5」と呼びました。「企業とその顧客が生み出す膨大な非構造化データから有益な情報を取り出すために、データサイエンティストから統計学者まで、さまざまな分野の専門家で構成されるプロフェッショナルな集団を必要とする段階」とのことでした。
オー氏 そうです。今は「Analyst 1.0」から「Analyst 2.0」への過渡期にあります。限定的ながらも、データの整理、分類、分析のプロセスを十分に理解するのが、Analyst 1.0の段階です。ツールが進化を遂げ、直観力のあるビジネスパーソン、つまりデータに最も近い立場にあり、どのような質問をすべきかについて優れた見識を持つ人物であれば、ビッグデータを活用して競争上の強みにできるというのが、Analyst 2.0の段階です。
―― では、Analyst 3.0は、どのような段階になるのでしょうか?
オー氏 いや、まだそこまで考えたことはありません。Analyst 2.0ですら、まだ「絵に描いた餅」のように思えるのですから。もちろん、いずれAnalyst 2.0が実現することは確かです。ただし、それがいつになるのかは、私には分かりません。5年後かもしれませんし、10年後かもしれません。リスクアナリストやビジネスアナリストが、データと能力をシームレスに活用できるようになれば、それがAnalyst 2.0に到達したということです。今まさに大規模企業では、こうした変化が起こりつつあることを示す兆候が多数あります。
そしてAnalyst 3.0ですか? 私には全く見当もつきません。Analyst 2.0に到達した暁には、私も大いに興奮するでしょう。でも実際、この中途半端な過渡期を抜け出すには、少なくともあと5年から10年はかかると思っています。
―― では、過渡期にある今のこの状況で、ビッグデータツールを活用しようとした場合に、CIOが直面する現実について教えてください。現在、どのような制約があるのでしょうか? そうした制約は、どのように回避できるのでしょうか?
オー氏 かなり苦戦するでしょうね。理由を説明します。まず、ビッグデータの問題は、2つの側面に分けて考える必要があります。1つはビッグデータそのもの、もう1つはその分析です。多くの企業は現在、「ビッグデータをどのように保存するか」、あるいは「人々がビッグデータへアクセスできる場所をどのように用意するか」ということにばかり重点を置いています(参考:ビッグデータを生かすコツは「管理」でなく「分析」にあり)。Fortune 500企業のCIOの多くは、インフラを構築して、ビッグデータへのアクセスに必要となる大掛かりなツールを手に入れるのに、何千万ドルものコストを費やすことになるでしょう。
ただし、これは戦いの半分にすぎません。ビッグデータにアクセスするだけでは十分ではない。つまり、インフラだけ整えてもビッグデータとはいえないのです。配管が整っただけです。データは保存できるようになりました。で、その次は? これが問題なのです。つまり、データを使って何をするかということです。
第2回「PayPalも苦慮、ビッグデータツールはなぜ使えないのか」では、PayPalがデータ分析をする動機やビッグデータの活用で可能になること、現状のビッグデータ活用ツールに欠けている要素などを聞く。
Copyright © ITmedia, Inc. All Rights Reserved.
PayPalに聞く、ビッグデータ分析の今後
この記事の著者
新着ホワイトペーパー PR
-
事例
[Neatframe株式会社] 「AIへのデータ受け渡し精度」が決め手 船井総研HDが選んだ会議システムは? -
事例
[Neatframe株式会社] 会議はスピードが命 レックの“爆速商品開発”を生み出す会議環境とは -
事例
[Neatframe株式会社] オフィス回帰で発生する「会議室不足」 NECはどう解消したのか? -
事例
[ServiceNow Japan合同会社] 大阪市の未来を創る「行政DX」の本質と、その取り組みを支える統合基盤の実力 -
事例
[ServiceNow Japan合同会社] 【行政DX先進事例】横浜市が「市民に大切な時間を返す」を実現できた理由とは?
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
PC選びの妙で差がつくAI時代 通常PC、AI PC、Copilot+ PCをどう使い分ける?
-
2
企業が「Microsoft Azure」を選ばざるを得ない理由
-
3
Microsoft 365侵害企業の9割はMFA導入済み 1002人調査で見えた盲点
-
4
IT製品の導入に関するアンケート「セキュリティ」編
-
5
なぜノートPCの更新が「4年→6年」に? AIインフラ急拡大の余波
-
6
なぜ「Microsoft Teams」がランサムウェアの入り口になるのか?
-
7
「最新のセキュリティ脅威とオープンソースの対策状況」に関するアンケート
-
8
IBM iのブラックボックス化を打破 資産継承と進化を実現する「IBM Bob」の実力
-
9
ホワイトハッカーが警鐘、侵入口となる「見落とされたネットワーク機器」
-
10
NVIDIA、フアンCEO辞任で揺らぐ“AI帝国” IT調達計画への影響は?
ホワイトペーパーランキング PR
-
1
「IT史に名を残すシステム障害」8選
-
2
AIが苦手な「汚いデータ」になっていない? AI投資を無駄にしないための注意点
-
3
急増する高度なフィッシング詐欺 先回りしてブロックするには何が必要?
-
4
法人向け光回線のプランはどう選ぶ? 機能面/保守体制/コストを一覧で比較
-
5
サイバー脅威「トップ50」完全解説ガイド、新たな攻撃手法に対抗するには
-
6
SNMPより詳細で、パケット解析より簡単な「トラフィック可視化・分析」の方法
-
7
三井ホームに学ぶ「無線LAN環境」構築 快適なオフィスと高度なIT運用の両立法
-
8
Microsoft 365のメールセキュリティ、3つの“死角”と追加で検討すべき対策とは
-
9
自社のメール環境は本当に安全? チェックシートですぐ分かる“今必要な対策”
-
10
「RPA導入の成果が出ない」を防ぐ、成果につながる自動化対象業務の選び方
TechTargetジャパン SNS
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