詐欺と戦う、投資好き

私が発見したサイバーセキュリティに関する情報を報告するブログで、株式投資について調べた情報についても書くブログです。

IBMの資料を読む015

ビッグデータの普及を急増させた

原動力の1つ

である

大規模デジタル化

は、

個人と組織の力関係をも変えた。


力を持った

顧客や一般人

組織が理解し、

価値を提供するには、

顧客を個人として知ることに集中しなければならない。


また、

個々の顧客のやりとりや

嗜好に対する洞察を

より的確に把握するには、

新たなテクノロジー

高度なアナリティクス

投資する必要がある。


しかし、

今日の顧客

(最終消費者や企業間取引の顧客)

は、

ただ理解してもらうだけでは

満足しない。

顧客と有意義な関係を効率的に培うためには、

顧客が

有益である

と考える方法

で顧客とつながる必要がある。


よりタイムリーで、

より多くの

情報に基づいた、

より関連性の高い

やりとり

によって、

価値を創出することができる。


また、

やりとりの全体的な体験を強化するように、

基になる業務

向上させる

ことで、

価値を創出すること

できる。


どちらにしても、

アナリティクスによって

洞察を

ビッグデータから引き出すことができる。

その洞察は、

レベルの深い関係

顧客と構築するうえで

ますます求められている。





⭕️企業規模のビッグデータ

の青写真を策定する


青写真には、

組織におけるビッグデータに関する

ビジョン、

戦略、

要件

が含まれる。


ビジネス・ユーザーのニーズ

ITの実装ロードマップ

整合性

確立するには、

青写真が非常に重要である。


青写真によって、

企業が

どのようにビッグデータを活用して

ビジネス目標を向上させようとしているか

についての

共通の理解が生まれる。


効果的な青写真

策定するには、

まず

組織における

ビッグデータ

範囲

定義する。


そのためには、

🔴ビッグデータを活用する

主なビジネス上の課題、

🔴ビッグデータの使用方法を定義するビジネス・プロセス要件、

🔴それを実現するために必要なデータ、ツール、ハードウェアを含むアーキテクチャーを特定する

必要がある。


この青写真は、

組織が

実際的なアプローチに沿って、

持続可能なビジネス価値を創出するように

ビッグデータ・ソリューションを

開発し、

実装するための

ロードマップ

を策定する際の基礎となる。


⭕️短期的な成果を達成するために既存のデータから開始する



ビッグデータの取り組みを持続するための

勢いを保って

専門知識を

構築しつつ、

短期的な成果を

達成するには、

実際的なアプローチをとることが

非常に重要である。


回答者が明らかにしているように、

最も論理的

費用対効果の

高い

方法で

新しい洞察を見つけ出すには、

まず

企業内

から

始めること

である。



まず

内部を検討すること

で、

既存の

データ、

ソフトウェア、

スキル

の活用、

短期的なビジネス価値の創出、

重要な体験の取得

ができる。

その後、

より複雑なデータソース

データ・タイプ

に対応するように

既存の機能を

拡張すること

を検討すれば

よい。


ほとんどの組織では、

このようにして

既存のリポジトリ

(社内に蓄積してある筈だがそのライブラリのことである。

万が一、無ければ今から作ればよい。京都銀行がたぶんソレをいまやってる)

保存されている情報を活用しながら、

より大量

多様な

データ

処理するように

データウェアハウス

拡張するのがよいだろう。

(✳

https://www.ibm.com/jp-ja/analytics/data-warehouse


データウェアハウスの重要度



データウェアハウスは

AIを活用するハイブリッド・データ基盤

活用して、

お客様の意思決定

企業の業務に関する深い洞察

を獲得するために重要です。



⭕️データウェアハウスについて知っておくべき3つの事実


◎データウェアハウスとは


データウェアハウスは、

ビジネス分析

レポート作成

サポートするために一元的にさまざまなデータ・ソースを集約するツールです。

ODBCJDBCなどのデータベースを活用するドライバが大量にあるわけだ。Webアプリなら一個だけでOKなのだが大量て・笑)


データウェアハウスは

大量の履歴データ

に対して

堅牢な分析

を実行する能力を

組織に提供するだけでなく、

ペタバイト規模の情報

保存することもできます。

IBM

オンプレミス、

クラウド

統合アプライアンス・ベースのデータウェアハウス・ソリューション

を提供し、

高性能で

柔軟な

データ分析基盤を実現することで、

データ主導型

意思決定

を行うために

予測に基づく洞察

提供します。


AI機能

を搭載する3つのプラットフォームは

すべて

IBM Db2®ファミリーの製品

と連携し、

共通SQLエンジンを提供することで

クエリー

機械学習機能

の効率を

高め、

データ管理のパフォーマンスを

改善

することができます。


ビジネスの優先順位に基づいて

アナリティクス機能を構築する

世界中の組織が、

アナリティクス・ツールの多様化

に直面している

と同時に、

アナリティクス・スキルの重大な不足にも

直面している。



ビッグデータの有効活用は、

この大幅なギャップへの対処

にかかっている。

要するに、

組織は

ツールとスキル

両方の

獲得に

投資しなければならない。


このプロセスの一環として、

要求される

アナリティクス、

職務、

および

ITのスキル

バランスよく備えた個人について、

新しい役割

キャリア・モデル

出現することが予想される。

(CTC伊藤忠ソリューションズとかかね? なんかソレっぽいのだが)


組織固有の

ビジネス・プロセス

課題

をすでに熟知している社内アナリストの職能開発

キャリアアップ

への対応は、

企業の経営者層

最優先事項となる。

同時に、

大学や個人にも、

経歴や専攻に関係なく、

確かなアナリティクス・スキル

構築する義務がある。



⭕️測定可能な成果に基づいてビジネス・ケースを作成する


包括的で

実行可能な

ビッグデータ戦略

それに続く

ロードマップ

を策定する

には、

確固とした

定量化可能なビジネス・ケース

が必要である。

(ファンダメンタルズ分析みたいなハナシやね。売買タイミングに超能力とチャートと板をずっと見てるトレーダーより日興フロッキーの初心者の客、またいな⭐️)


そのためには、

このプロセスを通して、

1人以上

企業の経営者層

積極的な関与

スポンサーシップ

得ること

が重要である。

と同時に、

長期的な成功を達成するには、

ビジネスとITの

強力で継続的なコラボレーション

も重要である。