ビジネスサイエンスに重要なテクノロジーと利用時の注意点（ZDNet Japan） - Yahoo!ニュース - Yahoo!ニュース

　前回は、人工知能（AI）で予測分析を可能にする「ビジネスサイエンス」の意義について説明しました。今回は、実際に分析を行う際に重要となるテクノロジーや気を付けておくべき点などについて解説します。意思決定を加速する強力な予測機能　AIを使った予測機能により、過去のデータから何が起きたかを理解するだけでなく、将来に起きる可能性のある予測と、現時点で取ることのできる推奨事項をもって、今日の意思決定に未来を反映できます。　過去データから未来を予測できるように学習パターンを蓄積した、機械学習プラットフォームが有効になります。事業について熟知したアナリストは、コードを書くことなく予測モデルを構築・展開できます。ユーザーはデータをロードして、使用したいビジネスメトリック、例えば、売り上げや利益の最大化、入荷待ち時間の最短化などを特定できます。データから自動的にパターンが発見されて、予測モデルが完成します。　予測モデルが分析やビジネスの文脈に合うものであれば、ユーザーは新しいデータを使用して一般的な予測が可能になります。AIの力により、ビジネスの文脈で容易に解釈できる分析や予測が可能になります。ビジネスサイエンスを生かすための注意点　ビジネスサイエンスを効果的に日々の業務や仕組みに取り入れ、その結果を意思決定に反映していくには、どのような点に注意したらよいのでしょうか。組織としてビジネスサイエンスを採用し、展開していく際に考慮すべき重要な点があります。協力体制の構築や倫理的に使用可能な適切なバランスが組織には不可欠です。

役割とプロセスの定義と承認　ドメインの専門家やデータサイエンティストの立場では、セルフサービスAIを使用した「ビジネスサイエンス」という新しい考え方を受け入れ、ビジネスサイエンスが利用されている環境に適応する必要があります。　ビジネスサイエンスのソリューションを実装する際には、アナリスト、ビジネスユーザー、データサイエンスチームが、役割や実行する必要がある作業、円滑で生産的な結果を生むために必要な新しいプロセス、各グループからどのようなレベルの関与と検証が必要かを定義し、合意することが重要です。新しいツールやプロセスと同様に、調整期間を設けて、最近定義された役割とプロセスをテストすることも必要です。全てのチームを成功させるために、オープンに対話を続けることは欠かせません。　アナリストとデータサイエンティストの役割も変わっていきます。 AIで強化されるアナリスト：ビジネスサイエンスは、上級アナリストの能力を高める機械学習（ML）を提供し、過去にデータサイエンティストが対応しなければならなかった作業の一部を、アナリストが実施できるようになります専門性を高めたデータサイエンティスト：アナリストの能力を高めることは、データサイエンスチームにも恩恵をもたらし、データサイエンティストは、より複雑なプロジェクトに集中できるようになります協力関係を成功させるための手法の確立　チームの間で対話を続けていくと同時に、継続的なコミュニケーションの方法を確立することが不可欠です。チャネルは既に存在するかもしれませんが、これらのチャネルを実際に使用する習慣を身に付けるには、意識的に努力する必要があります。また、質問、相談、検証、正直なフィードバックの共有などの機会を定期的に設定することで、AIを活用した分析とのチーム間のコラボレーションを成功させることができます。 AIの利用に人を介在させる　テクノロジーをベースに偏見や先入観に対抗することが有用であり、より多くの人々がよりスマートな意思決定の洞察と予測を得ることをサポートします。しかし、それだけに頼って、それが唯一の方法であってはなりません。過程のあらゆる段階を人が自分の目で見直すために、人が介在するタッチポイントを意図的に組み込んでください。アナリストやビジネスユーザーは、コンテキスト内のデータを理解するための専門知識を持っています。　また、機密データが倫理的に処理されない場合の、潜在的な影響を予見することもできますが、これは多様な経験を積んだ従業員がいるという前提でのみ成り立ちます。データ内のギャップや差別的な使用を特定することができる人材がいる、偏ったAIシステムによって最も悪影響を受ける過小評価された人々のために代弁できる人材がいることが重要です。機械学習と人間の専門知識は、必要なツール、人のレビュー、透明性、バイアス監視と組み合わせることで、組織がAIソリューションを安全かつ倫理的に適用するのに役立ちます。

Adblock test (Why?)