イノベーションにつながる「アナリティクス・ライフサイクル」は展開フェーズにあり

　ひと昔前、日本の製造業においての業務改善は発見フェーズにおける「事実を理解するための分析」だけで成り立っていた。効率化やコストの削減で、利益を増やすことができたからである。このとき、データアナリティクスは、ビジネスマネージャがビジネスアナリストに調査を依頼するだけで概ね成立する。

　しかし、今後日本の製造業が参入すべきIoT事業においては、以前の手法は通用しない。なぜなら、ビジネスの成功にはイノベーションの実現は必要不可欠だからだ。そして、イノベーションにつながるのは、展開のフェーズである「将来を予測し、行動を決定するための分析」。このデータアナリティクスには下記のような様々な職種の人間が関わらなければならない。

• ビジネスマネージャ：ビジネス全体のマネジメントを行う
• データ管理者：分析のためのデータを収集する
• ビジネスアナリスト：収集されたデータを評価し命題を導き出す
• データサイエンティスト：データのチューニングを行い、命題に応じた最適な手法で予測モデルを作成する
• ITシステム／データ管理者：作成されたモデルをシステムに組み込む

　先ほど紹介した「アナリスト・ライフサイクル」の後半にある「予測的アナリティクス」では、その予測値が正しいのか「ITシステム／データ管理者」が常にモニタリングを行い、必要であれば再学習をさせる。再学習しても精度が上がらなければ、「データサイエンティスト」が予測モデルを作り直す。予測モデルはサイクルが回るたびに増えていくため、より精度の高い分析が可能になっていく。そしてこのサイクルこそがまさに、イノベーションにつながる「アナリティクス・ライフサイクル」なのである。

　だが、ひとつ大きな課題がある。関わる人間が多くなるために、情報連携が取りにくくなるのだ。

SAS Instituteでは、この課題を解決するためのソリューションを提供している。必要なデータを一元的に管理することで、各部署の連携や情報共有のためのコストを最小限にしているのだ。