最新記事一覧
データ保護、データセキュリティ、データプライバシーはいずれも、データを守ることに関する概念だ。それぞれ、目的や方法はどう異なるのか。混同しがちなその違いとは。
()
データ活用に苦戦している企業はいまだ多い。こうした中で注目されているのがデータ分析の民主化であり、自社データにとどまらないデータ活用だ。中でも、自社データとWebデータを組み合わせることで成果を上げる企業が増えてきた。
()
データを守ることに関する概念は混同しやすい。「データセキュリティ」と「データプライバシー」の違いを押さえておこう。
()
データに基づく意思決定を実現するためには、高いデータクオリティーが必要だ。データクオリティーの向上に「データリネージ」がどう役立つのかを紹介する。
()
データを有効活用するには、データクオリティーを高いレベルで維持することが必要だ。その上で「データスチュワードの設置」がどう役立つのか、そしてその先にある「データドリブン文化の確立」とは何かを紹介する。
()
データサイエンスの取り組みを局内に浸透させるために、英国公共放送局のデータサイエンス責任者は“ある工夫”をしているという。それは何なのか。BBCとChannel 4のデータサイエンス責任者が明かす。
()
データドリブンを目指してデータを蓄積し始めた企業が陥りがちなのが「ためたデータを活用できない」「データを把握し切れない」といった問題だ。オンプレミスやクラウド、エッジに点在するデータを効率よく運用管理する方法が求められる。
()
データの圧縮や重複排除はストレージ容量の節約に効果的だが、処理方式によってはシステムの書き込み速度を劇的に低下させるリスクがある。不要なデータを整理しつつ、性能を損なわずに効率化するにはどうすべきか。
()
自社が抱えるデータの不備が壁となり、データドリブン型経営の推進に二の足を踏むといった問題が後を絶たない。信頼できるデータの条件である「データ完全性」を実現するには、何をすればよいのか。
()
航空会社Jetstarはレガシーなデータ基盤の運用を減らし、新たなデータ基盤を使ってサービスの最適化を図っている。具体的に何ができるようになったのか。
()
多様なデータがビジネスで活用されるようになる中で、データ流出を防ぐ対策の重要性が増している。具体的にはどうすればいいのか。データ流出を防止するための「11個の要点」を紹介する。
()
AIエージェントのブームが勢いを増す一方だ。これまではカスタマーサービスや開発分野での活用が多かったが、Googleがデータエンジニアリングとデータサイエンス用AIエージェントを発表した。
()
データ駆動、データ主導が叫ばれて久しいが、60％の経営幹部はデータを信頼していない。経営にデータを生かすには、データ品質の向上が不可欠だ。その答えは2つある。
()
洞察を引き出せるデータは企業においてますます重要になっている。ただしデータをため込むほど、攻撃者に狙われたときのリスクが大きくなる。対策の第一歩として、何を考えるべきか。
()
英国の眼鏡店Specsaversは、店舗スタッフのデータ活用を容易にするツールを用意し、従業員にデータ分析を広める取り組みを続けている。同社データ分析チームが重視している方針は。
()
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。
()
民泊サービスのAirbnbは、起業当初からデータの価値を認識していた。同社は、データを「民主化」するツールを構築し、トレーニングを考案した。その結果、従業員はデータサイエンティストへと変貌を遂げた。
()
ハイブリッド環境でセルフサービス型分析の需要が高まる中、データ基盤には高い要件が課せられている。そこで注目されるのが、データカタログやスキーマの統合でデータの扱いを簡素化し、安全なデータレイクを構築できるソリューションだ。
()
データを経営に活用したくても、膨大なデータを前に「何から着手すべきか」を悩んでいる企業は珍しくない。データの整理に時間を奪われないための秘策は。
()
データの活用が競争力に直結する現代において、データインフラ基盤への要求はますます高度化している。運用負荷やコストを抑えつつ、データの柔軟かつ安全な活用を実現するために、運用担当者が考えるべきアプローチとは。
()
「データ保護」は、保管中の動いていないデータだけではなく、使用中や移動中のデータも考慮する必要がある。どのような技術が役に立つのか。
()
企業がデータ活用を始めるときに「データが分析できない形式で蓄積されている」「そもそもどうデータ活用すればよいのか分からない」といった課題に直面することがある。こうした課題を解決し、データ活用を成功させるための方法とは。
()
ビジネスにおいてデータ駆動型の意思決定が欠かせなくなった。企業がより深い洞察を得るためにまず押さえておきたいデータサイエンスの基礎を学ぼう。
()
データの発生場所がパンデミックで変わった。ネットワークを介してさまざまな場所でデータを処理する動きが世界中で加速している。データが増える現状と背景を分析する。
()
TENTIALは本格的にデータ分析基盤の構築に取り組み、今では誰もが自由にデータを扱えるデータドリブン組織となった。同社はどのようにしてデータ活用企業へと生まれ変われたのか。
()
PCのリプレースや廃棄で必要になるのがデータの消去作業だ。安全かつ確実に機密情報を消去すると同時に、消去証明書を発行できるデータ消去ソフトウェアを4つ紹介する。
()
生成AIの台頭を機にデータ活用を始めようとする企業は多いだろう。ただ、データ活用を進めるには、まずは散在する自社データを“活用できる状態”にする必要がある。企業はどこから手を付ければいいのか。
()
企業が抱えるデータ量が増えれば、データ管理のコストや運用負荷は膨らむ。DX推進によってデータの価値が高まる中、簡単にデータを捨てることもできない。将来を見据えてデータを保管するには、どのような方法が有効なのか。
()
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。
()
クラウドサービスをはじめとするITは、DXのためのデータ活用を支える大事な要素だ。とはいえITを導入すればデータ活用が必ずうまくいくわけではない。ではどうすればよいのか。
()
AIモデルの開発にはデータが欠かせないが、常に十分なデータを収集できるとは限らない。そこで注目されているのが「フューショット学習」という手法だ。
()
バックアップやセキュリティ対策といったデータ保護のクラウドサービス「DPaaS」は、データ保護の運用効率化とデータ損失を防ぐ対策強化に有効だ。DPaaSを最大限に活用するヒントを紹介する。
()
世界的なデータ量の増大で、ストレージの需要が高まっている。しかしHDDやSDD、テープといった従来のストレージは、データの記録密度や耐久性に限界がある。Microsoftが開発中の“透明なストレージ”は、こうした課題の突破口となるのか。
()
PCを廃棄する際、安全かつ確実にデータを消去することは、企業のコンプライアンス順守において重要だ。そのために役立つデータ消去ソフトウェアやツールを4つ紹介する。
()
組織がデータを生かすには、データ分析ツールの導入やデータ専門家の配置だけでは十分ではない。組織内の「分析文化」をどう育み、定着させるかが重要だ。MLB球団レンジャーズが進めた取り組みを追った。
()
ストレージにかかる費用を削減しつつ性能も維持するのは至難の業だ。安易なクラウド移行は予期しない費用増加を招く恐れがあり、オンプレミス回帰も進んでいる。システムが複雑化する中、データをどこに置くべきか。
()
長野県の千曲市教育委員会内の小中学校は、成績や教職員名簿などの校務データ、教育コンテンツなどを管理するファイルサーバを刷新。GIGAスクール構想でデータが増える中、データを削減しながら運用している。
()
エンドユーザーが生成するデータを利益に変えることが珍しくなくなる一方、データプライバシーやデータ所有権を巡る議論や規制が活発化している。次世代Web「Solid」が動き出したのは、こうした動きと無縁ではない。
()
個人情報などのデータを収集する上でコンプライアンスは間違いなく重要だ。だが法律に違反しないデータ収集であれば問題は一切ないのか。データ保護やデータプライバシーをコンプライアンスと倫理の両面で考える。
()
企業のデータ収集や活用における倫理的な正当性に関心が集まる一方で、手に入るデータ全てを当たり前のように取得しようとする企業もある。こうしたギャップを放置したままだと、企業はどのようなダメージを受けるのか。
()
膨大なデータを抱えていながら、その大半を活用できないまま“塩漬け”にしている状態は、企業に共通する悩みだ。この「宝の持ち腐れ」状態を、AI技術で解決しようとするスタートアップの事例を紹介する。
()
企業が扱うデータ量が著しく増加する中で、コストをかけずに大量のデータを安全に保存し、適切に利用できるストレージ環境が求められている。そこで、大容量データ時代に即した、エンタープライズレベルのストレージシステムを紹介する。
()
DX推進では、デジタルサービスが生み出すデータを迅速に分析し、そこで得た洞察をビジネスに生かせるかどうかが重要だ。サイロ化したデータを統合し、柔軟に活用するには、どのようなデータ基盤を構築すべきなのか。
()
Appleの「iCloudの高度なデータ保護」は、「iCloud」のデータ保護強化を実現するセキュリティ機能だ。セキュリティ専門家とFBIとの間で評価が真っ二つの、iCloudの高度なデータ保護。その中身とは。
()
アナリティクスの高度化を進める上で必要なのは、AI技術や自動化技術だけではない。両者ほどの派手さはなくても、それらと同等か、それ以上に重要な要素がある。それは「データ品質」「データガバナンス」だ。
()
AI技術が進化する中で、人間の仕事の一部はAI技術に代替される可能性がある。AI技術によって代替されにくいのはどの職種なのか。データに関連する職種を紹介する。
()
データ連携のプロセスを適切に管理していないと、BIや分析のアプリケーションで整合性に欠けるデータが生じる可能性がある。こうした問題を回避する手順を幾つか紹介しよう。
()
オンライン教育の普及は、教育機関の間で「データマネジメント」や「データ分析」に関する取り組みの差を拡大させている。教育機関が直面する課題と、取り組むべき対策とは。
()
ビジネスでのデータの重要性がますます高まり、その質や量も大きく変化している。そこで問題となるのが、どのようにして貴重なデータを守り、管理していくかということだ。どのような環境があれば、この問題を解決できるのだろうか。
()
データドリブン経営の重要性が叫ばれる一方で、多くの企業がデータ環境に問題を抱えている。現場でリアルタイムに分析できない、部門横断で情報を見られない、分析能力が足りない……こうした企業はデータ基盤をどう見直せばよいのか。
()