パンデミックによって企業のデジタルトランスフォーメーションが加速し、それに伴ってデータ生成量も増加しています。適切に管理・活用すれば、データは企業がより賢明な意思決定を行うための金脈となります。しかし、膨大なデータ量によってデータアナリティクスは扱いにくくなり、分析やアナリティクスには、ますます高度なツールと手法が必要になっています。この現実は、世界のデータアナリティクス市場が2028年までに250億ドル余りに達すると予測されていることに反映されています。
2021年が終わりに近づき、パンデミックがデジタルトランスフォーメーションを引き続き促進する中、2022年にはどのようなトレンドが登場するのでしょうか。ここでは、成長を続けるデータ経済にとって重要な意味と影響を含め、主なトレンドの一部を取り上げます。
データアナリティクスとは？
データアナリティクスを簡単に定義し、データ分析との違いを明確にすると、データアナリティクスには、データの収集、整理、保存、セグメンテーション、および可視化が含まれます。これにより、データをビジネスで活用できる、理解しやすい形にします。
データアナリティクスをデータ分析と混同してはいけません。データ分析はデータアナリティクスの一部にすぎず、データから意味を引き出すための準備を指します。ここでいう準備とは、データを収集、クリーニング、フォーマット、整理し、そこから意味を導き出すことです。
2022年に予想されるデータアナリティクスのトレンド
エッジコンピューティング
エッジコンピューティング業界は、2026年までに870億ドル超に成長すると予測されています。メーカーやエネルギー企業をはじめとする各業界がエッジコンピューティングの需要を押し上げる中、データセンターは文字どおりデータ利用者のいる場所に対応できるよう、よりローカル化していきます。エッジコンピューティングはデータアナリティクス技術を物理資産とそのネットワークに近づけるため、信頼性と拡張性が向上します。具体的には、レイテンシーを低減し、処理速度を高め、顧客のネットワークでより多くのリアルタイム機能を利用できるようにします。
Dellはエッジコンピューティングの先駆者の一例であり、マイクロモジュール型データセンター（MMDC）を提供しています。Googleには、クラウドサービスをエッジデバイスに提供するCloud IoT Edgeプラットフォームがあります。
今後は、柔軟性を最大限に高めるため、少なくともクラウドコンピューティングサービスと組み合わせてエッジコンピューティングを導入する企業が増えるでしょう。
関連記事：マイクロデータセンターが変えるエッジ
セルフサービスアナリティクス
データサイエンティストやデータエンジニアの需要が、育成のペースや職務を埋める人材の供給を上回る中、テクノロジーはそれに応えてきました。現在では、データへのアクセスや分析に高度な技術的専門知識は必要ありません。今日のデータアナリティクス市場には、誰でもクエリを実行し、レポートを作成し、データの可視化を開発できるローコード／ノーコードツールがあります。多くの場合、より大きなビジネスインテリジェンス（BI）プラットフォームの一部であるセルフサービスアナリティクスによって、主要な利害関係者は、必ずしもIT部門やデータアナリストに相談することなく、より迅速に賢明な意思決定を行えます。このトレンドは今後も、さまざまな役職や立場の従業員がデータアナリティクスに参加できるよう後押ししていくでしょう。
関連記事：データの民主化：ビジネスのための主要戦略
データサイエンスにおけるブロックチェーンの台頭
主に金融テクノロジー（Fintech）やヘルスケア業界で知られてきたブロックチェーン技術がIT業界にも進出し、分散型デジタル台帳で大規模なデータセットを管理しやすくしています。データの正確性がますます重要になる中、ブロックチェーンはデータを追跡・検証することでこの課題に対応します。デジタル取引や資産の履歴を本質的に記録するのです。ブロックチェーンはデータ準備のプロセスを分散型で処理し、中央集権的なデータアナリストチームを不要にすることで、より迅速な意思決定を可能にします。
関連記事：2021年のブロックチェーン・アズ・ア・サービス（BaaS）プロバイダー5選
AI、ML、AutoMLによるBIアナリティクスの拡張
AI／MLツールは、機能を強化するためにビジネスインテリジェンスプラットフォームで広く使われるようになっています。Beroe, Inc.の調査によると、データ・アズ・ア・サービスへの需要やセルフサービス型BI機能への需要など、さまざまな要因により、世界のビジネスインテリジェンス市場は2022年までに309億ドルに達すると見込まれています。
AutoMLは、データのクリーニングやトレーニングモデルの開発など、データをアナリティクスに利用できる状態にするプロセスを自動化し、ビジネス上の意思決定を迅速化します。そのためAutoMLは、データをより速やかに洞察可能な状態にするだけでなく、需要が高く採用が難しいデータサイエンティストを探して雇う必要性も減らします。
BIプラットフォームのAI／MLツールは、意思決定の結果を測定、解釈、予測し、必要に応じて意思決定のパラメーターを調整することで、そこから学習します。先進企業は、市場、顧客、アプリケーションなどに関する大量のデータにAI／MLアルゴリズムを適用し、予測分析を実行しています。
機械は、人間にはできない、あるいは人間がもはや行う必要のない機能をより多く担うようになっており、2022年に向けてもビジネス上の意思決定を形作り続けるでしょう。また、このトレンドによって、データと戦略的な取り組みや目標設定を整合させるために、ビジネスリーダー、IT部門、データアナリスト間の連携も強まると予想されます。
データセンターにおける、よりクリーンで環境に優しいAI
データセンターの二酸化炭素排出量と消費エネルギーを踏まえると、今後は「モデル効率」への関心が高まるでしょう。これは、より少ないリソースで複雑な問題を解決できる、シンプルで効率的なAIモデルを指します。つまり、AIモデルのニューラルネットワークに必ずしも多くの層を持たせる必要はありません。ベイズAIモデルは、より少ないデータ、計算能力、全体的なトレーニングで複雑な問題を解決できます。
関連記事：データセンターのサステナビリティ：グリーンデータセンターへの5つのステップ
スモールデータとワイドデータのアナリティクス
スモールデータにはより限られた範囲の情報しか含まれませんが、パターンの測定や解釈には十分な情報が含まれています。企業全体の指標について洞察を得て、より複雑な問いに答える大規模データセットとは対照的に、「スモールデータ」は顧客行動などに関する重要な洞察を提供します。そのため、マーケターは必ずしも膨大なデータを収集する必要はありません。代わりに、構造化データと非構造化データの両方を含む、さまざまなデータソースから少量ずつ収集したデータによって、製品やサービスを段階的かつタイムリーに改善できます。少量のデータでも、顧客の感情を理解し、顧客とのやり取りをパーソナライズするのに十分な情報が得られます。
DataOpsからXOpsへ
XOpsは、2022年に注目すべきデータアナリティクスの主要トレンドの1つであり、DataOps、ModelOps、AIOps、PlatformOpsを包含します。XOpsはDevOpsのベストプラクティスをデータアナリティクスや機械学習／モデリングに適用し、信頼性、再現性、再利用性を高め、重複を減らすことを目指します。IT分野を強力に組み合わせたXOpsは、シームレスで効率的なデータアナリティクスを可能にし、戦略的な意思決定とビジネス目標を推進します。
データファブリック
今日のデジタルトランスフォーメーションの結果、さまざまなデバイス、アプリケーション、データインフラの種類や形式からなる、複雑で相互接続されたエコシステムが形成されています。これらの要素をつなぐ単一のソリューションを見つけることは、データファブリックアーキテクチャが登場するまで、長年にわたる課題でした。このアーキテクチャは、地理的に分散した異なる要素をシームレスに結び付けます。
今後1年間で、企業全体のデータアナリティクスを可能にし、データの発見と探索、収集、統合、準備など、その背後にあるプロセスを自動化するデータ管理手法として、データファブリックアーキテクチャを利用する企業が増えるでしょう。これにより、企業の製品開発サイクルが短縮され、時間とコストを節約できます。
データアナリティクスはビジネス機能に不可欠な要素となっており、今後もその重要性は変わりません。ここで取り上げたトレンドは、新しい年に企業がデータを収集、管理、分析、活用する方法において、民主化、自動化、簡素化、連携が進むことを示しています。あなたの会社は、これらのトレンドのうちどれを採用しますか？