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。
()
生成AIによる「合成データ」は、プライバシー保護とデータ不足解消の切り札とされる一方、不適切な管理はモデルの精度低下や組織的な詐欺を招く。安易な導入が「データ汚染」や「再特定」という致命的なリスクを引き起こす実態を解明。情シスが今すぐ講じるべき、ガバナンスと検証の鉄則を提示する。
()
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。
()
生成AIやデータ活用の拡大に伴い、企業ではデータ整備の負担が増加傾向だ。一方、無料のデータ分析ツールにはセキュリティの壁がある。その壁を壊すのが、「Tableau Desktop」の無償版だ。そのメリットは。
()
データ保護のためには、バックアップを作成するだけでは不十分だ。システムのダウンタイムやデータ消失、データ保護に関する法規制違反を招く恐れがある。どうすれば確実なデータ保護を実現できるのか。
()
高い処理能力を求めるCADデータと、膨大な容量を要求される検証データ。要件が異なる2つのデータを単一システムに集約すると、運用の硬直化や費用増大を招くリスクがある。マツダがこの難題を排した解決策とは。
()
生成AIの普及により、会議の録画やチャット履歴は検索・再利用可能な「企業資産」へと変貌した。しかし、無計画なデータ蓄積はコンプライアンス上の重大なわなとなる。情シスが今すぐ取り組むべき、UCデータを「負債」にしないための管理ルールと規律とは？
()
データの爆発的増加に伴い、従来の物理的な機器管理に限界が近づいている。バックアップの不備やパッチ適用の遅れは、災害による取り返しのつかないデータ消失を招きかねない。今見直すべきストレージ運用の盲点は。
()
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。
()
企業におけるデータ活用の重要性は高まりつつある。一方、“データを集めさえすれば価値を生み出せる”という誤解も広まっている。企業のデータ活用を失敗させないための考え方を整理する。
()
消費財大手のライオンは、システムの老朽化とデータのサイロ化を解消するためGoogle Cloudを採用。BigQueryによるデータ分析基盤の構築やCCoEの設立を通じ、データ駆動型経営への変革を推進しています。
()
AI導入を急ぐ中「データはあるが使えない」状況に直面する企業が多い。AI Readyな状態へ導くには何が必要か。日立のデータとAI、それぞれのスペシャリストが課題解決の鍵となるデータマネジメントの本質と支援を語る。
()
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。
()
英国の約50万人分の匿名化医療データが、中国のECサイトで販売されていた。本事件からは、データ共有体制の限界が浮き彫りになった。企業が取るべき対策は。
()
データ主権のリスクを理由に企業がAI導入を遅らせているという調査結果がある。リスクを軽減するために、オンプレミスに回帰する動きもある。データの統制と柔軟性を保持するにはどうすればいいのか。
()
AWSやGoogle Cloudに置いたデータが、米国の法的命令により開示を求められる可能性がある。自社の大事なデータを海外クラウドに預けっぱなしでよいのか、ハイパースケーラーが語りたがらない「主権侵害」の核心に迫る。
()
Dellが提唱する「AI Factory」は、AIを実験から実運用のフェーズへ押し上げる。しかし、最大の障害は技術そのものではなく、バラバラなシステムに散在するデータの未整備だ。情シスが直面するデータガバナンスのわなを回避し、AIによる顧客体験を最大化するための鉄則と、組織が取るべき現実的なアプローチを解き明かす。
()
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。
()
「データは増え続けるが予算と設置場所には限りがある」問題は、IT部門の悩みの種だ。この“あるある”な課題に対し、性能を維持しつつ容量を倍増させ、データ量を3割削減したJAXAのストレージ刷新事例を紹介する。
()
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。
()
ログ収集はシステム監視に欠かせないが、データ量が膨れ上がると費用爆発の引き金になりかねない。Riot Gamesはベンダーの料金引き上げによって数百万ドル規模の支出増に直面した。この危機をどう乗り越えたのか。
()
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。
()
日々の会議やチャット、顧客対応から生じる膨大な「業務データ」。その多くは活用されず、価値のない“排ガス”として捨てられている。本記事では、Lenovoの事例を交え、AIを用いてこれらのシグナルを具体的な意思決定につなげる手法を詳説する。
()
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。
()
日本総合研究所は関連クレジットカード会社のデータシステムに「Dell PowerScale」を採用した。年率約20％で急増するトランザクションによるメインフレームの負荷増大を解決したシステム構成とは。
()
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SSD、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。
()