定義・導入メリットから実装戦略までを役立つ形で解説 第1章:データガバナンスとは? 1-1. データガバナンスの定義 データガバナンスとは、「誰が、どのようなデータを、どのような状況で、どのような方法で利用できるか」を組織的に定義・統制するためのルール、プロセス、そしてそれらを支えるテクノロジーの包…
現代のビジネスにおいて、AI(人工知能)や機械学習の活用は、単なる効率化の手段を超え、企業の競争優位性を決定づける核心的な戦略となりました。しかし、多くの企業がAIの実装を急ぐ中で、かつてないほど巨大な壁に直面しています。それが、複雑化したデータの「統治」と「品質」、すなわち統合データガバナンスの欠…
「DX人材育成」と聞いて、まず思い浮かべる施策は何でしょうか。多くの企業が、SQLやPythonのプログラミング研修、統計学の基礎講座といった「分析スキルの習得」に多大なリソースを割いています。 しかし、いざ育成した人材を現場に投入しても、思うような成果が出ないという声をよく耳にします。「きれいなレ…
「データ活用を推進できる人材が不足している」「せっかく人材を採用してもすぐに辞めてしまう」──。 DX推進において、多くの企業が「デジタル人材不足」を最大の課題として挙げます。しかし、その本質的な原因は市場の人材枯渇だけにあるのでしょうか。 dotDataでは以前、データ活用推進のための人材と組織変…
企業のデジタルトランスフォーメーション(DX)が「業務のデジタル化」から「データによるビジネス変革」へと深化するなか、データを活用した意思決定を担うデータアナリストとは何か、どのようなスキルが求められるのかといった人材定義があらためて問われています。dotDataでは以前、ブログ記事『データ活用推進…
金融業界では、AI技術や生成AIの実用化が進み、データ分析を基盤とした新しい金融サービス提供が競争優位性を左右する時代になっています。金融機関が直面する課題は、顧客対応の高度化、業務効率化、リスク管理の精度向上など多岐にわたります。こうした背景から、人工知能や機械学習を活用したユースケースが拡大し、…
製造業の現場におけるAI導入の課題 AI技術の進化により、企業が持つ膨大なデータを活用しやすくなった今、製造業でもAIの導入は避けて通れないテーマとなっています。生産性向上、業務効率化、品質の安定といった目的を達成するために、AIを活用した取り組みが進められています。 しかし、現場には「分析の進め方…
導入 データ分析を前提としたデータ管理のアーキテクチャは、メダリオンアーキテクチャのような革新的なフレームワークへ進化しています。このアプローチは、データパイプラインの管理とデータガバナンスの強化に対する体系的な方法を提供します。このブログでは、メダリオンアーキテクチャのコンポーネントとして、特に、…
DatabricksのFeature StoreとAutoMLの紹介 DatabricksのAutoMLと特徴量ストアとは、Databricksのエコシステムにおいて重要な組み合わせで、データサイエンスと機械学習の分野に革新をもたらします。このブログでは、これらのツールの基本を解説し、これらが機械学…
特徴量設計とは? 例えば、機械学習や人工知能を応用した顧客の解約予測、製品需要予測、商品の売上予測など、ビジネス上の重要かつ複雑な問題に取り組んでいるとしましょう。機械学習による予測分析では、よりよい機械学習のアルゴリズムや手法を選ぶことが成功の鍵であると思われがちです。ロジスティック回帰、決定木、…
はじめに 生成AI(ジェネレーティブAI /生成系AI)は、さまざまな業界で大きな変革を起こし始めています。このブログシリーズは、企業におけるデータ活用の新しい地平を開く、生成AIの可能性について解説します。その第二弾となる、本ブログでは、生成AIの仕組みであるLLM(大規模言語モデル、Large …
はじめに 生成AI(ジェネレーティブAI /生成系AI)は、さまざまな業界で大きな変革を起こし始めています。企業における生成AIの活用の鍵となるのは、企業内のデータです。また、データを活用する上で必要とされる人材にも、大きな影響を与えています。 このブログは、企業におけるデータ活用の新しい地平を開く…