シーツばかり勧める「偽のレコメンドエンジン」を実装……

ビッグデータ活用、“しくじり案件”から学ぶ7つの教訓（2/3 ページ）

公開 2015年09月07日 15時01分

更新 2015年09月14日 20時43分

著者

Nicole Laskowski

[TechTarget]

印刷する

4．ビッグデータ分析スキルの欠如：

　ある小売企業の最高経営責任者（CEO）は米Amazonの一部にはなりたくないと考えていた。そこでCEOはレコメンデーションエンジンを自社構築するようCIOに依頼し、上層部は半年でエンジンを完成させると約束した。だが同社のチームは、協調フィルタリングなどの手法を自社で実現できないとすぐに気が付いた。チームメンバーの1人は、ベッドシーツを唯一のお薦め商品として扱う「偽のレコメンデーションエンジン」を構築することを提案した。

　このエンジンは次のような形で機能したという。「ミキサーの購入者がよく購入しているのはベッドシーツで、ハイキングの本の購入者もベッドシーツを購入している。さらには書籍の購入者もベッドシーツをよく購入していた」つまり、全ての購入を対象にベッドシーツをデフォルトのおすすめとして使用したのだ。

　アイデアは悪くなかった。このデフォルトレコメンデーションによって同社の売り上げは増加した。だが本物のエンジンを構築できなかったことは、ビッグデータ分析スキルの不足が原因だ。スキルの向上には長い時間を要するとシキュラー氏は言う。だが、ビッグデータの導入には複数の段階を経て行われるというプラスの側面もある。各段階がどのようなものかを把握することで、CIOはビッグデータに備えられる。ビッグデータの導入段階は次の通りだ。

最高幹部が承認する
ビッグデータ戦略の計画を立てる
実験を開始し、試行錯誤を重ねる
プロセスを実装して仕上げる（方策段階）
投資利益率を具現化し、企業でビッグデータの価値が認識される（戦略的段階）
技術先進企業はカスタムデータ製品の構築を始める（変革段階）

分析に関する失敗

5．データの過信：

　米Googleは2008年にインフルエンザの流行を予測するサービスを公開した。その出足は好調で、米Centers for Disease Control and Preventionよりも2週間早くインフルエンザの流行を予測した。だが数年後、Googleはインフルエンザ発症者数を50％も過大に見積もった。メディアはGoogleの成功ばかりを話題にしていた。そのため、世間はGoogleでインフルエンザについて検索するのではなく、Googleの「Google Flu Trend」の予想が的中することを期待するようになった。この状況がデータをゆがめる結果となったとシキュラー氏は指摘する。

　CIOはデータを入手したら、そのデータに対してさまざまな観点から調査することを求めなければならない。具体的には、データの出どころ、データの検証法、未加工のデータが必要かどうか、事前管理が必要かどうか、そういったことを把握しておく必要があるとシキュラー氏は言う。

次ページへ適切な問い掛けが欠落したことによる失敗