AIの強力なデータ基盤の構築
第1章
読了時間: 4分
AI のためにデータのロックを解除する
データは現代のあらゆる組織の生命線であり、業界全体で前例のない速さで作成、保存および分析されています。 2025年までに、世界のデータ作成量は180ゼタバイトに達すると予測されています。1このようなデータの急増は、新しい製品や収益源の創出から規制リスクからの保護に至るまで、データを活用する準備が整っている企業にとって大きな機会となります。 データ管理に対応できない組織にとって、このようなデータの流入は革新のチャンスというよりも課題であることがわかります。
しかし、大量のデータを収集して保存するだけでは十分ではありません。企業は、このデータに途切れなくかつ安全にアクセスし、管理し、利用してデジタル変革を推進し、AIの導入を成功させる必要があります。
80%
フォレスター・リサーチによると、80%の企業が今後2年以内にAIの利用事例が増加すると予想しています。2
90%
9割の企業が、企業全体でAIを拡張することに困難を感じています。3
AIのための強固なデータ基盤を構築するには、企業は3つの主要分野でデータ管理の複雑さを解決する必要があります。
アクセス
データの量、種類、速度が増加していることを考えると、組織は、複数のクラウド、データ・ストア、場所、ベンダー、および異なるデータ・タイプを含む複雑なハイブリッドクラウド環境全体に広がるデータに迅速にアクセスする必要があります。
ガバナンス
適切な人に適切なタイミングで関連性の高い高品質の情報を提供し、セルフサービスでアクセスできるようにし、AI構想の価値実現までの時間を短縮するために、データのコンテキスト化とクラス分けを行う必要があります。
プライバシーとコンプライアンス
また、機密データをAIや分析に安全に利用できるように、規制コンプライアンスを確保しつつ、個人情報や機密情報を特定および保護する必要があります。
データ基盤の一般的な課題に対処することで、より正確なAIの成果とAIの実装の成功に向けた準備が整います。
DataOpsの方法論とデータ・ファブリックの最新のアーキテクチャー・パターンは、AIライフサイクルを通じて、企業がデータ・アクセス、ガバナンス、プライバシーに対処するのに役立ちます。 これらのアプローチを組み合わせることで、セルフサービスのデータ消費と複雑で面倒なデータ・エンジニアリング・タスクの自動化が可能になり、データ資産の価値を最大限に引き出し、AIを成功に導く強力なデータ基盤を確立することができます。
1 2010年から2025年までに世界中で作成、取得、コピー、および消費されたデータ/情報の量, Statista, 2021年6月7日。
2 障害を克服してAIを大規模に実現:AIに投資して規模を拡大し、業界のリーダーになる, Forrester, 2020年1月。
3 AIをスケールさせるための実証済みのコンセプト:実験からエンジニアリングの規律へ(PDF, 301 KB), IBM Institute for Business Value, 2020年9月。