「ビジネスインテリジェンス」（BI）は、経営者や従業員が十分な情報に基づいた意思決定をするためのデータ分析の手法だ。BIを実現するために、企業は自社のITシステムや外部のリソースからデータを収集して、分析用に準備する必要がある。（続きはページの末尾にあります）
企業に求められるデータサイエンティストになるには、さまざまなスキルの習得が必要だ。どのような教育を受ければよいのか。コストや時間はどれほどかかるのか。5つの習得術を紹介する。
データに基づいた意思決定の必要性が高まる中、データサイエンティストの需要も高まりを見せている。企業から求められるデータサイエンティストを目指すには、どのようなスキルが必要なのか。4つのスキルを紹介する。
Qlikが新たに発表したeiPaaS（エンタープライズ統合プラットフォームサービス）「Qlik Cloud Data Integration」は、データ活用の準備に必要な機能が充実している。その具体的な中身とは。
シャドーITはデータ分析にも影響を及ぼし始めている。データドリブン経営を本気で目指すのであれば、シャドーITの野放しはやめた方がよいという。どういうことなのか。
数学スキルがあればデータ分析は可能だ――。その考えには一理あるが、それでもスムーズなデータ活用には他の専門知識が不可欠だ。その理由と必要な知識を説明する。
データ管理部門は完璧なデータ管理を強いられている。彼らをこの「不可能への挑戦」から解放し、データ品質を向上させるにはどうすればいいのか。
データ主導型企業を目指す上で重要なのが、従業員のデータリテラシー向上だ。その実現のためには何をすればよいのか。データリテラシーに関する独自のトレーニングプログラムを始めたRed Hatに聞いた。
全社的なデータ分析の浸透に重要な役割を果たす「セルフサービス分析」は、着実に進化している。最近の注目技術である「拡張分析」は、セルフサービス分析にどのような影響をもたらすのか。専門家に聞いた。
拡張分析はユーザー企業にどのような恩恵をもたらすのか。今回は代表的な5例の中からシチズンデータサイエンティスト、組織内の知識活用、洞察の自動化について紹介する。
BIや分析をクラウドに移行するには戦略が必要だ。何を詳しく調査し、どのような点に注意して、どんなことに取り組むべきか、専門家やIT担当者からヒントを得る必要がある。
セルフサービスBIツールが広く利用されるに伴い、サブスクリプションの料金モデルにも変化が起きている。例えば、クラウドやグループのデータ使用状況、データの共有方法に応じた選択肢が登場している。
セルフサービスBIは、自然に成功するわけではない。企業はデータの品質を確保し、アナリストの仕事の仕方に目を光らせる必要がある。セルフサービス文化を実現するために何をし、何を避けるべきなのか。
データの可視化によって表示するデータが正しく解釈されるには、表示の整合性が必要だ。本稿で紹介する設計手順に従えば、表示の信頼性を高めることができる。
従来のビジネスインテリジェンス（BI）ツールでも、価値ある情報を得ることはできるが、より高度なツールを備えた大掛かりな分析プラットフォームにBIを組み込めば、情報の価値はさらに高まる。
データサイエンスとビジネスアナリストの違いは、データサイエンティストがデータを深く掘り下げて、独自のビジネス解決策に行き着かなければならない点だ。もちろん違いはそれだけではない。
中堅・中小企業にはさまざまなリソースの制約がある一方で、小回りが利き意思決定が速いという強みもあります。この特徴を踏まえ、データ分析プロジェクトを成功させる秘策を探ります。
新しいデータソースを分析することで、Sustainable Silicon Valleyは、長期にわたってアメリカ西海岸を苦しめている干ばつを緩和する方法を模索している。
ビッグデータの登場により、企業が持つデータの重要性が認識されるようになった。米Microsoftはビジネスデータを可視化するツールとして「Power BI」を発表したが、Excelとはどう違うのか紹介する。
データドリブン志向を強める企業が増える中、ベンダー各社は最新のセルフサービス型ツールでこうした要求に応えようとしている。だがデータドリブン型組織を作ることは文化であり、ツールではない。
データ分析を混乱なく浸透させるにはどうすべきだろうか。大手ITベンダーで最高データ責任者（CDO）を務める人物が、データ主導の企業文化を形成するための基本事項について説明する。
BIツールは、収集したデータを分析し、ダッシュボードで分析結果を可視化したり、レポートを作成したりする。ユーザー企業はBIツールの分析結果を、業務の意思決定や戦略立案に役立てることが可能だ。
自社の収益の増加や業務効率の向上、ライバル企業よりも強い競争力の獲得のために、より良い意思決定を促すことが、BIの目標だ。この目標を達成するために、BIツールはデータ分析やデータ管理、レポート作成機能を備えている。
BIツールで扱うデータは通常、組織全体のデータを蓄積する「データウェアハウス」（DWH）や、事業部門ごとのデータを蓄積する「データマート」といったデータストアに格納する。「Apache Hadoop」などの分散データ処理技術をベースにした「データレイク」に格納することもある。
DWHやデータレイクは、分析用データの保管に適している。特にデータレイクは構造化データだけではなく、業務システムから取得したログファイルやセンサーデータ、テキストデータなどの非構造化または半構造化データの保管に使用可能だ。
BIは、さまざまなデータソースからデータを取得する。データソースが生成した生データは、データソースごとのデータの差異を解消して一元的に扱いやすくする「マスターデータ統合」や、データ項目の表記揺れや欠損などを補う「データクレンジング」といった処理をしてから、BIツールで分析に使用できるようになる。
登場当初、BIツールは主にBIやITの専門家が使用することが一般的だった。現在は、経営幹部やビジネスアナリスト、事業部門の従業員が自らBIツールを利用することがある。これは「セルフサービスBI」ツールが進化しているためだ。セルフサービスBIツールは、エンドユーザーが自分でBIデータを分析して可視化したり、ダッシュボードを設計したりできる仕組みになっている。
ITmediaはアイティメディア株式会社の登録商標です。
