2023 年の 5 つのデータ分析トレンド

Rohit Amarnath は、 垂直は、スケーラブルなアーキテクチャに基づく予測的なビジネス インサイトを可能にする統合分析プラットフォームです。

議論の余地はありません。データは、今日のビジネスにとって最も価値のある資産の 1 つです。

データを取り巻くビジネス モデル全体を構築する組織もあれば、決定的なパターンの作成、洞察の取得、ビジネス成果の予測、消費者の行動の追跡、または顧客エンゲージメントの改善のために、大量のデータを定期的に取得、保存、分析する組織もあります。

Gartner は、企業が直感に基づく意思決定よりもデータ駆動型の意思決定をますます好むことを発見しました。これはおそらく、データ分析市場が複合年率 30% 近くで成長している理由を説明しています。

これらの要因を念頭に置いて、2023 年のデータ分析を形作る可能性が高い 5 つのマクロ トレンドを見てみましょう。

1. 分析は、より普及し、民主化され、構成可能になります。

ビジネス インテリジェンス (BI) と状況認識の需要が高まり続けるにつれて、分析の採用も追いつくでしょう。

おそらく、アナリティクスと BI は、すべての主要なビジネス セクターですでに遍在しています。 すべてのビジネス ユニットにわたる洞察に対するこの需要は困難であり、サイクルに合わせて拡張および縮小できるシステムを構築するという需要 (およびその背後にある技術者) に遅れずについていくために、アナリティクス リーダーは今後も挑戦し続けるでしょう。

「セルフサービス」または「民主化された」分析モデルは、データの専門家が目指す目標であり続けています。 すべてのビジネス ユニット (非技術部門も含む) がデータとインテリジェントな洞察にアクセスできるこのモデルは、セットアップとスケーリングが難しい場合があります。 これは、業界がこのニーズを満たすために進化できなかったことを意味するものではありません。 オンデマンド分析プラットフォームであるクラウド アーキテクチャは、需要を満たす機能を提供し、成長を続けています。 とはいえ、これを大規模に、そして組織内の全員にとって行うためのコストは、気が遠くなる可能性があります。 これらのコストを管理することは、より構成可能なテクノロジーにつながる可能性もあります。

Garnter によると、大規模な組織の大半が複数の分析ツールまたは BI ツールを追加していることに気付くため、これは注目すべきトレンドになるでしょう。 Gartner はまた、60% の組織が構成可能な分析テクノロジを使用すると考えています。 言い換えれば、組織は複数の分析ソリューションのコンポーネントを融合して、データのより豊富なビューを提供するビジネス アプリケーションを構築します。 明確な戦略がなければ、労力とデータの重複により、コスト超過が発生する可能性があります。

2. より多くの企業が AI を運用するようになります。

ほとんどの組織は、収集した大量のデータを分析するのに苦労しています。 これは、データの 90% 近くが構造化されていないか、スキーマが定義されていないためです。

AI と機械学習 (ML) テクノロジにより、企業はこの非構造化データをよりスマートかつ迅速に分析できるようになります。 これらのテクノロジーは、構造化されたデータのパターンやトレンドも見つけます。

AI および ML テクノロジーをデータ分析およびビジネス インテリジェンス (BI) ツールに組み込みまたは組み合わせることで、組織は最も複雑なデータ タイプに取り組み、非構造化データの隠れた価値を大規模に明らかにできるはずです。

現在、AI/ML 機能はすでに非構造化ドキュメントからデータを見つけて抽出することができ、その精度は 95% 近くに達しています。 AI ツールが成熟し続け、2023 年に人気が高まることを予測することは難しくありません。ただし、大規模言語モデル アプリケーション (ChatGPT など) が分析分野に影響を与えるかどうかはまだわかりませんが、興味深いイノベーションがいくつか見られました。これらのモデルを活用して、自然言語から SQL クエリを生成します。

3. メタデータ駆動型のデータ ファブリックは引き続き増加します。

組織が異種システムを統合および自動化し、AI/ML テクノロジーを活用して膨大なデータ プールを分析する際、従来のデータ ソースと最新の機能を組み合わせて、データ ファブリックの概念が登場します。 データ ファブリックは、組織が物理的または論理的に異なるシステム (オンプレミス、複数のクラウド、ソーシャル メディア、IoT デバイス、モバイル アプリケーションなど) からのデータを、統合された一連のオブジェクトの下で処理および分析するのに役立ちます。

とはいえ、データの所有者やアナリストは、「このデータは適切なコンテキストにありますか?」とよく尋ねます。 メタデータでデータ ファブリックを強化することで、アナリストはデータをより深く、より有意義に理解することができます。 これは、意味を提供するためにデータにコンテキストを追加することを意味します。 他の種類のデータとの関係を理解することで、より全体的なビジネスの洞察につながる可能性があり、最終的に、データの可能性を最大限に引き出すのに役立つ判断や行動を起こすことができます。

4. 分析は引き続きエッジに拡張されます。

世界は、モノのインターネット (IoT) および産業用モノのインターネット (IIoT) デバイスからの機械生成データの急増を目の当たりにしています。

このデータの量は非常に膨大であるため、すべてが中央で制御および分析される従来のコンピューティング モデルに大きな負担がかかります。 その結果、組織はより分散化されたコンピューティング モデル (別名エッジ コンピューティング) に引き寄せられ、分析、AI、意思決定インテリジェンスがエッジ アプリケーションに組み込まれています。

このモデルにより、組織はほぼリアルタイムでデータを分析し、より実用的なデータを意思決定者に提供できます。 エッジ コンピューティングは、分析の速度も大幅に向上させます。 いくつかの例を挙げると、データのエラーや不規則性はミリ秒単位で識別できます。 工場は予知保全を提供できます。 銀行は不正な取引をリアルタイムで発見できます。 ウェアラブル デバイスは、バイタル サインの変化を監視できます。 プライバシーに関する懸念から、データ漏洩を防ぐために特定の種類の分析がローカルで実行されることにもなります。 その結果、エッジでのコンピューティング オン デマンドは、エンド カスタマーに近いマイクロ分析の成長を促進する可能性があります。

5. 分析により、より適応性の高いリアルタイムの意思決定が可能になります。

AI と ML テクノロジーのおかげで、分析がより文脈に即した継続的なものになるにつれて、適応性も高まるはずです。 したがって、分析はもはや過去のデータに焦点を当てるだけではなく、代わりにリアルタイムでデータを処理し、コンテキストを理解し、それに応じてその動作を適応させる必要があります。

アダプティブ分析の主な利点は、組織が非常に高い精度でリアルタイム データに基づいて意思決定を行えるようになることです。 データはリアルタイムで継続的に分析されるため、システム自体が古くなったり古くなったりすることはありません。

結論

要するに、データは新しい石油ですが、データを効率的に抽出、精製、利用するには強力なエンジンが必要です。 堅牢な分析基盤と強力な分析文化と能力を構築する組織は、確実にイノベーションを起こし、より賢明な意思決定を行うことができます。


Forbes Technology Council は、世界クラスの CIO、CTO、テクノロジー エグゼクティブ向けの招待制コミュニティです。 私は資格がありますか?


.

Leave a Comment

Your email address will not be published. Required fields are marked *