Table of Contents
前回は、デジタルトランスフォーメーションが生き残りの鍵となる理由を説明し、データドリブンの組織を紹介しました。
ここでは、データドリブン企業になるための個々のステップに照準を当て、ビッグデータ管理とAIを基にしたデータ解析の重要性について学んでいきます。他企業の失敗を繰り返してはいけません。体系的なアプローチが、デジタルトランスフォーメーションを成功に導きます。
概要
- データドリブン企業は、デジタルトランスフォーメーションを十分に進め、ビッグデータに基づき戦略的なビジネス判断を行っています。
- データドリブンを成功させるため、社内の関係者と社外のパートナーの両方を考慮した、戦略的で透明性の高いアプローチを行うことが重要です。それによって、失敗を回避することができます。
- データの収集は、バリューチェーンの最初の段階に過ぎません。データは様々な場所に散在するため、データの蓄積、処理、解析を行うには、合理的なデータ管理が必須です。
- 組織全体でデータにアクセスできるようにすることが、データの民主化の第一歩です。
データドリブン企業とは?
デジタルトランスフォーメーションの主な目的の一つは、データの解析と解釈に基づき、戦略的なビジネスの意思決定を行うことです。データドリブンなアプローチによって、企業は、プロセス、製品ポートフォリオ、品質、顧客サービスの向上を目的としたデータの活用が可能になります。デジタルテクノロジーが業界を大きく変えていく中で、既存企業へのプレッシャーはますます大きくなっています。従来の市場を壊すような新興企業の出現は、この圧力に拍車をかけています。
ビッグデータとAIへの適応は、新時代における生き残りをかけた緊急課題です。真のデジタルトランスフォーメーションは、企業のビジネスに多大な影響を与えます。トランスフォーメーションやイノベーションの活動は、4つの異なる側面（プロセス、ビジネスモデル、ビジネス領域、文化的側面）に分類することができ、その1つだけに焦点を当てるのは視野を狭め、大きなリスクを伴います。データドリブン企業になるには、総括的なアプローチが必要です。
実際に、デジタルテクノロジーの導入により、新しいスキル習得が必要になり、業務プロセスも変化していきます。しかし、マッキンゼーの調査は、このプロセスがいかに難しいかを示しています。調査の回答者のうち、組織のデジタルトランスフォーメーションによって長期的に業績が向上したと答えたのは、わずか16％でした。組織内のあらゆる大規模な変革プロセスと同様に、デジタルトランスフォーメーションは非常に複雑な取り組みであり、成功するためには十分に構造化したアプローチが必要です。
私達は、製造業、通信業、農業など多くのお客様のDXを支援してきた経験から、大企業特有のニーズや構造的な課題を理解しています。この記事では、デジタルトランスフォーメーションを成功させ、データドリブン企業になるためのロードマップをご紹介します。このロードマップは6つのステップで構成され、「なぜこれを行うのか？」という最も本質的な質問から、自動化プロセスの導入について解説していきます。さらに、この時代の企業の2大資産である、「人」と「データ」に特に重点を置いています。
1. 定義: なぜDXを行うのか?
デジタルトランスフォーメーションのプロセスは、通常、経営幹部レベルの人達が開始しますが、成功の為には、全部署の協力と理解が欠かせません。残念ながら、多くの企業は、デジタルトランスフォーメーションが全社的、業務を俯瞰的に理解しながらアプローチする必要があることを認識していません。ビジネスの各分野で、最初は各々独自の理解があるかもしれませんが、最終的にはそれらの整合性が鍵となります。
デジタルトランスフォーメーションの戦略を構築する際に、まず、「どうやってDXを行うか？」ではなく、「なぜDXを行うのか？」を考えましょう。真のデータドリブン企業になるための根本的な意図に焦点を当て、プロセスに向けた各々の期待値の調整が必要です。
デジタルトランスフォーメーションへの情熱はもちろん必要ですが、次に、構造的なアプローチと定量化された目標を設定する必要があります。そのために、会社の現在のニーズや課題、戦略的目標、市場の可能性、業界の脅威などを明確に理解することが必要です。
例えば、エネルギー業界や建設業界での保守作業は、必要不可欠なものです。鉄橋の腐食、建設機械の錆びやボルトの緩み、風力発電機の不具合などは、円滑な運用を妨げる大きな脅威となるだけでなく、公共の安全をも脅かします。
手作業での検査は、高度な技術者が必要で、コストや手間がかかり、危険を伴うこともあるため、企業の大きな負担となっています。そこで、デジタルテクノロジーの導入目的として、「保守作業に伴う労力、リスク、コストを削減し、効率化とサービス全体の質を向上すること」が挙げられます。
2. 社内調整: 文化の変革を進める
デジタルトランスフォーメーションは、大きな文化の変革も伴います。企業戦略や目標を設定した後、各部署のリーダーや企業のコミュニケーション部門情報共有において重要な役割を果たします。
このプロセスの中心となるのは人間であり、プロセスに関わる人達は、変革が行われる事実を認識するだけではいけません。彼らが変革を受け入れ、共通認識をもつためには、必然的に生じる不確実性をしっかりと伝え、話し合うことが必要です。ビッグデータやAIの時代、個人に対する役割や期待はどう変わるのでしょうか？デジタルテクノロジーは個人に取って代わるのか、それとも、私達の仕事を楽にしてくれるのでしょうか？
組織の文化変革は、一度きりの仕事ではありません。多くの企業では、実際のテクノロジーの導入部分と、コストにばかり関心が向いています。しかし、新しいテクノロジーの導入が多くの協力とリソースを必要とする複雑な仕事であるのと同様に、文化的な側面もまた重要です。
率直な話し合いと、従業員スキルアップのための高度なトレーニングを確立することが必要です。変革プロセスの全体で、共通のマインドセットを作り出すためのコミュニケーションが必要とされます。
3. チーム作り: 戦略的にパートナーとリソースを得る
多くの組織は「自分達の力だけでデータドリブン企業になろう！」と思ってデジタルトランスフォーメーションを開始しますが、失敗に終わってしまうことがあります。近年は非常に競争が激しいため、独自で変革プロセスを開始したいと考えるのは当然のことです。
しかし、既存の企業は、日常のビジネスや特定の市場では強力でも、他の業界のデジタルテクノロジーのトレンド（IoTデバイス、画像解析ツール、データ管理プラットフォームなど）の知識が不足していたり、熟練した人材（データサイエンティストなど）が社内には不足している場合があります。
デジタルトランスフォーメーションのプロセスを開始するには、外部企業との協業が効果的であることが証明されています。デジタルトランスフォーメーションとAIのコンサルティング会社やアドバイザーのようなパートナー企業がいれば、競合他社へ機密情報が渡る心配をせずに、業界の専門知識を活用することができます。
彼らは、同じビジョンを共有し、構造的な課題や潜在的なリスクを広く理解しています。熟練したパートナー企業は、単に利用可能なインフラを提案するのではなく、IoT、ビッグデータ、AI、機械学習、拡張現実、ロボティクスなどのテクノロジーで、実際に組織の課題をを解決できるかどうか、どのように解決できるかを示すことができます。
たとえば、エネルギー業界や建設業界における負担の大きい保守作業について、解決策の一つとして、ドローンにセンサーやAI画像解析技術を組み合わせて活用することが考えられます。このように、テクノロジーを検証、導入する際には、「市場で最も経済的で拡張性の高いツールを見極めつつ、最大限の効率性を実現するためカスタマイズを提供し、スタッフの配置や研修プロセスまで支援できる」ベンダーに相談することが鍵となります。人材への投資は、最先端のテクノロジーや経験豊富なパートナー企業への投資と同じくらい重要なのです。
4. 始動: 小さくても戦略的に
過剰な情熱や焦りは、リスクを高めます。1枚のカードに全てを賭け、失敗して貴重なリソースを失うリスクもあります。データ収集用のIoTデバイス、画像解析技術を備えたエッジAIデバイス、総括的なデータ管理システムなどの導入を検討する組織では、まず、データの学習工程が必要となります。
小さく始めれば、失敗しても大丈夫。私達は長い間、失敗は何としても避けるべきだと言われてきました。しかし、スタートアップやイノベーションの文化の影響を受けて、この考え方は大きく変わりました。失敗は、学習するため、ゴールに近づくために必要なステップです。この場合のゴールとは、会社、従業員、顧客のニーズを解決するために、これまでにないソリューションを提供することかもしれません。
新しいテクノロジーを組織に導入する際には、小さくても戦略的に核心を突く、測定可能な取り組みから始めます。この段階を「概念実証」（PoC）と呼んでいます。PoCは、その新技術が実際にコスト削減や社内プロセスの最適化、顧客体験の向上などに適しているかどうかを評価する、重要な段階です。
PoCの段階では、例えば機械学習のモデルでは、すぐに使用できるサンプルデータや社内でラベルを付けたデータを使って学習します。風力タービンや橋梁の点検に実際のドローンを活用する前に、過去に撮影した画像データを使って、AIモデルを学習させることができます。目的は、特定の問題（風力タービンの欠陥検出や橋梁の腐食検出など）に対応できるAIアルゴリズムを検証することです。通常、この段階では試行錯誤が行われます。
通常、企業はサンプルデータを用意し、私達のような外部パートナーがPoCを担当します。私達は、データの評価やAIモデルの開発から、インフラ全体（データプラットフォームなど）を設計するデータアーキテクトや、データコネクターやパーサーを開発するデータエンジニアの提供まで、幅広く担当します。
PoCの結果、意図したソリューションが期待した結果をもたらさなかったり、ランニングコストが高すぎたり、処理が複雑すぎることが判明する可能性もあります。この段階で、システムの運用方法を全面的に変更することも珍しくありません。改良を繰り返すことで、PoCの段階を完成させます。
自社のデータで何ができるか検討したい、と考えていらっしゃる企業様に対して、私達はAIによる画像解析のPoCを無料で提供しています。（無償PoCは、ラベル付けしてあるデータをお客さまがご用意できる場合に限ります。無償対応は事前告知なしに終了する可能性がございます。）
5. 適用: データの民主化を実現する
冒頭で、ビジネス資産としてのデータの重要性を紹介しました。通常、大企業は膨大な量のデータを持っていますが、そのデータは様々な形式で散在しているケースが多く見られます。このような状態からビッグデータを活用するには、データを収集し、蓄積し、処理し、解析する必要があります。これらを一から実施するのは、最初は気が遠くなる作業に思えるかもしれません。
前段階のPoCが成功すると、プロジェクトはより複雑な実行段階に進みます。この段階では、理論的な実現性を証明するより、ソリューションが組織のインフラに統合できることと、実際の状況でうまく機能することを証明することが重要です。
データからビジネス価値を引き出すには、データの収集から始めます。AIプラットフォームやデータ管理ツール（Avinton Data Platformなど）の導入により、これまでにない円滑なデータの取り扱いが可能になりました。Apache NiFiなど、最新で実績のあるオープンソーステクノロジーを活用することで、コストを最小限に抑えながら、システム間のデータフローを自動化し、管理できます。データの収集と蓄積を自動化することで、エンド・ツー・エンドのフローの質が劇的に向上します。
データから価値を生み出す次の段階として挙げられるのは、リアルタイムの処理と解析です。Apache Sparkは、ビッグデータを処理するためのツールとして急速に普及しています。大企業やデータドリブン企業の成功事例（SpotifyやAirbnb、CIAのような政府機関など）では、既にAIベースのデータ解析を活用しています。Apache Zeppelinは、デフォルトで Apache Spark に完全に対応しており、インタラクティブなダッシュボード、目に優しいビジュアライゼーション、最新情報にするためのアラート機能を提供します。
AIとビッグデータの時代において、データドリブンのビジネスには「データの民主化」が不可欠です。「データの民主化」とは、ITシステム技術者ではない一般ユーザーも含め、企業全体でデータにアクセスできるようになることを指します。企業内のデータの民主化は、ビジネスインテリジェンスの主要な局面となります。
6. スケールアップ: データドリブン企業の誕生
新たに導入したテクノロジーが実際のシナリオでうまく機能することが証明されたら、次のステップは、これらのプロセスを自動化し、スケールアップすることです。デジタルトランスフォーメーションは長期的なプロセスであり、ある特定のビジネス分野で始まり、徐々に組織の多くの場所や他分野に拡大させていきます。
組織のデジタルトランスフォーメーションが進むにつれ、新たな機会が生まれます。新たな機会での実現性を検討するため、学習とトレーニングの段階を経る必要があります。しかし、既に多くの有益な識見が前段階で収集されているため、通常はスケーリングと自動化を行うのがが効率的です。既存のAIモデルは新しいデータセットで再度トレーニングされ、新しい使用事例がデータプラットフォームに導入されます。
エネルギーや建設業界の保守作業のスケーリング(拡張性）例をもう一度見てみると、ドローンを使った風力タービンの検査を1カ所から全社拠点に拡大することを意味します。また、AIを使った画像解析やビッグデータ解析を他の分野にも展開することも考えられます。
組織全体のデジタルトランスフォーメーションに必須な要素として、スケーラビリティがあります。残念ながら、多くの企業は、使用しているツール（IoTデバイス、AIカメラ、データ管理プラットフォームなど）のカスタマイズ性と拡張性をあまり重視していません。しかし、最初からスケーラビリティを視野に入れるからこそ、これらのデジタルテクノロジーが、将来のニーズや増加するデータ量に妥当なコストで対応できることが保証されるのです。
結論
企業のデジタルトランスフォーメーションは、選択肢の1つではなく、生き残るために必須なことです。それは、特定の1つのソリューションを導入するだけではなく、長期的に考えるべきプロセスです。。IoTデバイス、AIによるデータや画像の解析、ビッグデータの活用が、ビジネスインテリジェンスの主な原動力となります。
データドリブン企業は、これまでにない膨大な識見を得ています。データを活用することで、社内プロセスの効率化、市場での新たな機会の創出、現在の製品やサービスの質の向上、顧客への新たなイノベーションの開発などが可能になります。
しかし、全てのデジタルトランスフォーメーションは、事前に定義した戦略的目標に、明確に照準を当てて行うことが必要です。外部のパートナー会社に相談することで、企業は大きく前進することができます。これらのパートナー会社は、業界を超えた幅広い経験を持ち、カスタマイズ性、経済性、拡張性に優れた適切なソリューションを提案することができます。
データドリブン企業を支援する私達のミッション
Avintonでは、AI、ビッグデータ、機械学習の大きな将来性を活用するデータドリブン企業になるための必要なリソースを、お客様に提供することに重点を置いています。今後の競争力と革新性を維持するため、戦略的な知識、人材、カスタマイズしたツールを提供することが、私達のミッションです。
Avintonの本社は横浜にあり、ITの様々な領域に精通した高度な技術を持つエンジニアでチームを構成しています。私達はお客様から依頼を受けた開発案件をすべて内製、社員で対応しており、高い品質と信頼性を担保しソリューションを提供しています。
Avintonは、世界中の最新で実績のある技術を活用し、お客様や社会に価値をもたらすソリューションを提供します（企業の社会的責任の目標(「SDGsへの貢献」)を参照）。私たちは、IoTデバイス、AIの解析、ビッグデータ管理について、「一律」のアプローチはしません。その代わり、お客様が定義した要件を満たすだけでなく、それを上回るようにソリューションをカスタマイズすることに努めています。また、データは情報資産で、慎重に扱う必要があるため、適切なセキュリティ対策を施し、データを不正アクセスから守るようにしています。
私達は、製造業から製薬まで、様々な分野のデータ関連プロジェクトを手がけています。お客様として、ノキア、エリクソン、楽天、トヨタグループなどが挙げられます。
競合他社に先を越されないためにも、今こそ、IoT、AI、ビッグデータに眠る大きな可能性を活用する時です。Avintonは、お客様が革新的なデータドリブン企業になるためにご支援します。
御社のデジタルトランスフォーメーションを円滑に進めるため、ビッグデータやAIの可能性を、私達と話し合ってみませんか？
ご質問等がございましたら、下記よりお気軽にお問い合わせください。
