分析チームを組織する
チームを作る上で最初にすべきことは、ビジネス部門の幹部とITのスポンサーをパートナーにすることだ。その両方が必要になる。
組織内にデータウェアハウスはあるかもしれないし、データマイニング技術者もいるかもしれないが、データサイエンティストはいないことが多いだろう。この人材を得るためには、いくつかの方法がある。
- 専門家を雇う。必要なのはプロフェッショナルだ。
- 十分な能力を持つ人材を雇い、学ばせる。
- 組織内で才能の芽が見られる統計の専門家を探し、連れてくる。
才能のある人間を見つけるには、手がかりを探すしかない。MailchimpのチーフサイエンティストであるJohn Foreman氏が、データサイエンスについてのブログを書いている。同氏の記事の熱心な読者がいれば、それは手がかりになる。一部のデータマイニング技術者には、芸術的才能があるかもしれない。クリックの記録から消費者の行動を見いだすことに懸命になっている人材がいれば、話してみる価値があるだろう。
それでも残るギャップ
電気通信事業者や世界規模の小売業者など、いくつかの大企業は長年の間、分析の課題に取り組んできている。これらの企業には専門家のチームや、自社製のツール、そして長年の経験がある。しかし、こうした企業の持つ高価で専門分野に特化した分析手法以外にも、まったく新たなビッグデータ分析の世界が現れてきている。この分野は、まだまだ立ち上がったばかりだ。
- 企業は、新しいデータを収集するよりも、既存のデータセットに対して新たな方法を試している。
- ビッグデータ関連のツールはいろいろあるが、ビジネスユーザーが使える水準のものは少ない。
- 世界中の多くの組織は、まだビッグデータの活用を始めていない。
- ノイズの中から有用な信号を抽出するには、マシンの学習能力も改善される必要がある。
ビッグデータから価値を引き出すには、統計的、技術的、そしてビジネス的な専門性を必要とする。分析ツールが存在する場合でさえ、ビジネスニーズに合わせて調整する必要がある。どんなものにも合うツールなど存在しない。
ビッグデータは、今世界のあらゆるところで活用され始めている。今度は、読者の番だ。一歩先に進んでみてほしい。
この記事は海外CBS Interactive発の記事を朝日インタラクティブが日本向けに編集したものです。
