データ分析がより身近なものに
「Watson」だけが目立つ時代は終わった、5つの2016年分析トレンド予測（2/2 ページ）
その3：データサイエンス、予測的分析、指示的分析の融合
ビッグデータが誕生した当時、CIOと分析の専門家は、「ビッグデータは従来の分析とは完全に別物だ」と考えなければいけなかった。またビジネスに関与する膨大な量のデータを収集して利用するために、分析グループとは違う全く別のグループが必要になると考えられてきた。IIAの調査によると、そうした考えが変化していることが明らかになった。
「多くの場合、これらはそれぞれ1つに統合される。そして、データサイエンスグループが分析グループから派生した専門グループとなるだろう」とダベンポート氏は言う。
既存ビジネスにビッグデータが浸透する中、2016年にはデータサイエンスと分析の区別が、さらに曖昧でぼんやりしたものになることが予想される。「分析グループ全体がデータサイエンスグループと呼ばれたり、データサイエンスグループが分析グループと呼ばれたりする状況を目の当たりにするだろう」とダベンポート氏は語る。
その4：分析の人材不足の軽減
CIOなら2011年に米コンサルティング会社McKinsey & Companyが発表した予測を覚えているだろう。それは、2018年までに、米国で専門スキルを持つデータサイエンティストが14～19万人不足する状況に陥るだろうというものである。だが、優秀な分析の人材を探す難しさは、ある程度緩和されたとダベンポート氏は見ている。
専門的な分析スキルを持つ人材を育成するために、大学のカリキュラムを利用する企業は少なくない。またデータサイエンスに従事する分析人材や分析に従事するビジネス人材を教育するためのプログラムを用意している企業もあるとダベンポート氏は言う。1つの例として挙げるのが米Cisco Systemsだ。同社は社内のデータサイエンスの人材強化に注力するだけでなく、人材強化プログラムの仕組みを理解する経営幹部を育成することで、そうした仕組みをビジネスユニットや職務に組み込めるようにしている。
IIAのダン・マジェストロ氏
全ての人がダベンポート氏に同意しているわけではない。あなたが誰で、どこにいて、どの業界に所属しているか。また、面白いチャレンジができるかどうかによって状況は異なるとマジェストロ氏は異論を唱える。例として、匿名で中東の2社を挙げる。
これらの企業は、人材が特定の都市に転居するように説得することの難しさについて同氏にこぼしていたという。「恐らく全体的な分析の人材不足は予想していたほど深刻ではない。だが、より細かいレベルや地域レベルでは、人材不足が現実問題となっている」とマジェストロ氏は指摘する。
その5：分析がデータを管理する
分析の専門家やデータサイエンティストにとって、データの準備は非常に時間がかかる作業の1つである。だが、「データの分析と管理によく使用する分析論」を適用した新しいツールが登場しているとダベンポート氏は言う。
ダベンポート氏がアドバイザーを務める米Tamrや米Paxata、米Trifactaのようなデータ管理ベンダーが提供するツールは、企業がデータを一元管理するトップダウンの手法ではなくボトムアップで機能する。また、機械学習を活用してデータ管理を洗練させている。これらのツールは2014年頃に発展し、2016年も発展し続けると同氏は予想している。
「大企業では、物事が複雑過ぎてトップダウンで分析を実行することは不可能だ。同じ事象に関連したデータソースが5000個あることも珍しくない」とダベンポート氏は語る。
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
[日本ビジネスシステムズ株式会社] 専門家が教える、Microsoft 365の「テナント統合／分離」を成功に導く秘訣 -
製品資料
[rakumo株式会社] Microsoft 365での情報埋没を防ぐ、社内ナレッジを資産化する情報ポータル活用 -
技術文書・技術解説
[NTTインテグレーション株式会社] 「耐量子計算機暗号」（PQC）に今、取り組むべき理由とは？ 実現の道筋も解説 -
製品資料
[株式会社リンプレス] どうしたら非デジタル人材を「自走するDX推進者」に変えられるのか？ -
製品資料
[アステリア株式会社] 既存システムをAIレディに変える「連携型モダナイゼーション」の手法とは？
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
半数がブルーカラー転向を視野に？ ベテランエンジニアを追い込む“54歳の壁”
-
2
「Windows」の不要なファイルを安全に消して容量を空ける方法
-
3
生成AIが普及しても「技術書」を手放せないエンジニアの本音
-
4
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
-
5
OpenAIやAnthropicでさえ制御不能 2026年夏「3大サイバー攻撃」の衝撃
-
6
PHP脆弱性「PHP2Shell」で2260万件に影響 情シスの緊急チェックリスト
-
7
なぜ「Gemini 4 Argon」は出遅れたのか？ Googleが狙う“逆転のシナリオ”
-
8
「アップグレードできないJava」をどう守る IBMとRed HatがAIで400件超修正
-
9
「Microsoft 365」が乗っ取られる MFAを破る“本物の画面”の恐怖
-
10
ChatGPTは“検索しまくり”でGeminiは“淡泊”？ データが明かすAIの裏側
ホワイトペーパーランキング PR
-
1
AI駆動攻撃にどう対抗する？ 超速の攻撃からエンドポイントを保護する方法
-
2
最速72分でデータが流出？ 最新の脅威トレンドや侵入手法から分かった防衛策
-
3
2026年のサイバーセキュリティには何が必要か？ 最新データに学ぶ傾向と対策
-
4
経験豊富な即戦力人材に直接アプローチできる、「攻めの採用」への転換術
-
5
「IT史に名を残すシステム障害」8選
-
6
SASE選定は「見極め力」で大きな差――本当に必要な製品を選ぶための6つの視点
-
7
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
-
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
AI駆動開発のスピードと安全性を両立 「品質・セキュリティ管理」の実践ガイド
-
10
「標的型攻撃メール」事例・サンプル集
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