「データ駆動型事業運営」シリーズ　第6回：実装の進め方

本シリーズ第3回、第5回ではデータ駆動型事業の事例や活用のポイント、第4回ではデータ分析環境を紹介した。第6回は自社でデータ駆動型事業を実装する時の進め方を紹介したい。

ビッグデータを業務に直接つなげて活用するデータ駆動型事業は、「データにより変化する挙動を扱う」点で通常の事業と大きく異なる。データを用いた意思決定では多くの要素を考慮して最適な判断を行う。過去のケースと全く同じ状況で判断を行うことは無く、一見似たような状況でも異なる判断が自動でなされる。加えて、判断を行うためのAIモデルは適時更新されシステムは常に変化する。最適な判断・行動のために必要ではあるが、このようなシステムをコントロールすることは簡単ではない。

データ駆動型事業では新たに収集したデータを用いてシステムの性能を上げていく。そのためにモニタリングと検証が重要であり開発とシステム運用、サービス運用を切り離すことができない。これら運用を巻き込みながら新たなデータから変化を把握し対応すること、それを回し続けることにデータ駆動型事業実装の難しさがある。

データを取り扱う一般的なプロセスとして業界標準のフレームワークであるCRISP-DM（CRoss Industry Standard Process for Data Mining）がある。ここではCRISP-DMに沿ってデータ駆動型事業を実装する際のステップを紹介する（図1）。

データ駆動型事業では一度実装して終わりではなく状況に応じて見直す必要がある。ここでは「営業成約率を上げるためのリスト作成」を例に、実装ステップの1サイクル目に実施すべきことと2サイクル目以降に実施すべきことをそれぞれ紹介する。

データ駆動型事業の実装ではこのサイクルを回し続ける必要がある。サイクルの期間は規模や対象によってさまざまだが、短い方が良く、1サイクルは3カ月以内とすることが望ましい。データマネジメント、データ分析、AI開発、ソフトウエア開発、運用など多岐にわたるタスクをマネジメントするには、ツールやマネジメントプロセスの導入が欠かせない。

データ分析やAI開発を進め、データ駆動型事業の実装を促進するためのソリューションとして、SADP（Secured AI Democratization Platform：セキュアなAI民主化基盤）が存在する。SADPは上記のサイクルを回すために有用である。そのインフラは、サイクルのすべてのステップで活用できる低コストかつ高速、セキュアな統合プラットフォームであるForePaaSで充足される。

SADPより上位のレイヤー、例えばソフトウエア開発部分はアジャイル開発手法を導入し相性の良いツール群を活用する。

AIモデル構築ではモデルの管理や再現性の確保を行うため、MLOps（システム開発／AIモデル開発／システム運用を一体として行う方法論）を考慮したプロセス・ツールの導入が必要である。プロセス、ツールともに活用事例のあるものが存在しており、適切に組み合わせて使用することが重要である。