![ビッグデータを利活用したヘルスケア - 日立](https://i.ytimg.com/vi/Sjhv_z4gqgw/hqdefault.jpg)
コンテンツ
- ダークデータとは
- ビッグデータとダークデータの違い
- 企業がダークデータストックを蓄積する理由
- ダークデータの可能性
- 需要の予測と問題の解決
- よりスマートなサプライチェーンを構築する
- 顧客からのフィードバックによる製品品質の改善
- 結論
ソース:Agsandrew / Dreamstime.com
取り除く:
ダークデータは、決して日の目を見ることのないデータですが、この長い間無視されてきたデータは、組織に役立つ可能性があります。
ビッグデータの世界でダークデータの影響を表示するには、2つの方法があります。
- ビッグデータに隠された機会として
- ダークデータがもたらすリスクとして
ほとんどすべての企業は、分析することなく、さまざまな期間のダークデータを保存しています。そうする一方で、分析されていないデータが明らかにする可能性のある洞察を得る機会を失います。また、法的、財務的、評判的、競争上の優位性の喪失など、ダークデータを長期間保存することにはいくつかのリスクがあります。企業は、ビジネス面での改善だけでなく、リスクを最小限に抑えるためにも、ダークデータリポジトリをより活用する必要があります。
ダークデータとは
ほとんどすべての企業は、顧客の行動、ソフトウェア開発プロセス、会議時間、生産性、Webサイトの使いやすさなどについてより多くの洞察を得ることを目的として、膨大な量のデータを収集します。これらの洞察は、企業が改善された製品とサービスを提供するために対応するのに役立ちます。ただし、データの大部分が長期間使用されないのは驚くかもしれません。企業は分析せずに保存するだけです。このカテゴリのデータはダークデータと呼ばれ、このカテゴリのサイズは膨大です。 IDCは、生成された全データの90%がダークデータであると推定しています。これは重要な観測です。ガートナーは、ダークデータを次のように定義しています。
どのようなデータが分析されないままになりますか?次のカテゴリのデータは、ダークデータカテゴリに該当することが判明しています。
- 生の調査入力
- 顧客データ
- 以前の従業員データ
- 財務諸表
- 会話
- チャット記録
- コールセンターのトランスクリプト
- アカウントデータ
ビッグデータとダークデータの違い
ダークデータはビッグデータのサブセットです。そのため、収集されたビッグデータには、分析済みと未分析の2つの部分があります。分析されていないデータはダークデータです。興味深いことに、分析されていないデータがビッグデータの最大部分を占めています。
企業がダークデータストックを蓄積する理由
上記のデータ型のリストは、企業に多くの価値をもたらす可能性があります。それでも、彼らが無人で横たわっているのは驚くべきことです。これにはいくつかの理由がありますが、最も重要なのは投資の不足です。以下に、ダークデータストックが蓄積しているいくつかの理由を示します。
誰もソフトウェアの品質に関心がない場合、プログラミングスキルを向上させることはできません。
この理由は、投資不足に関連しています。データ収集が相互に対話しないテクノロジーによって実行される場合、これにより組織は包括的なデータポリシーを作成できなくなります。時代遅れの技術を持つ多くの組織は、コールセンターのチャット記録、ウェブサイトのクリックデータ、ビデオ会議データなど、さまざまなソースから収集されたデータを統合するのに苦労しています。さまざまな形式を処理して統合するには、適切なテクノロジーが必要です。
ダークデータの可能性
ビッグデータの90%がダークデータである場合、潜在的に未発見で無視されている可能性のある土地であることを理解するのに天才は必要ありません。上記の理由が指摘するように、企業は価値がほとんどないためにダークデータを利用していませんが、企業が所有している制限があるためです。したがって、ダークデータには多くの可能性があることが確立されています。製造業の助けを借りて、この可能性を理解してみましょう。
Frost&Sullivanの調査によると、「モノのインターネット、サービスのインターネット、ビッグデータ、および統合された産業は、製造バリューチェーンのすべてのセクションに決定的な影響を残します。」
- マシンログ
- 機器センサー
- 製品テレマティクス
- 消費者クリックストリーム
- ソーシャルメディア
需要の予測と問題の解決
顧客のクリックストリームデータを正確に分析し、製品のテレマティクスを取得することにより、企業は需要を正確に予測し、商品の供給を最適化して適切に対応できます。企業は、センサーやテレマティクスによって生成されたダークデータの助けを借りて問題を特定することにより、問題を解決することもできます。
よりスマートなサプライチェーンを構築する
需要の時間と量を正確に把握し、要件に適切に対応するには、企業はスマートで堅牢なサプライチェーンを必要とします。そのための1つの方法は、サプライチェーンの個々のコンポーネントの詳細な情報を取得することです。詳細な情報により、企業は品質とジャストインタイム配信を実現できます。また、サプライチェーンに関する詳細な情報を提供できるのはダークデータのみです。
顧客からのフィードバックによる製品品質の改善
こうした変化する時代において、顧客はもはや製品を消費するだけの人ではありません。ある意味では、顧客は口コミ、紹介、ソーシャルメディアを通じて製品を宣伝できるブランドアンバサダーです。製品管理、設計、エンジニアリングの各チームにとって、顧客のフィードバックを活用して製品の品質を向上させることは非常に重要です。ダークデータは、製品の360度ビューと市場での表示方法を提供することにより、製造会社を支援します。それで、会社は何ができますか?
- ダークデータを活用し、すべての利害関係者にフレームワークへのアクセスを提供する、適切に設計された分析フレームワークがあります。
- 誤動作や製品の故障を予測できるセンサーデータとテレマティクスの助けを借りて、予期しない製品開発のダウンタイムを削減します。
- テレマティクスとソーシャルメディアを統合して、顧客のフィードバックをリアルタイムでキャプチャし、データを関係部門に送信できるようにします。
- データを使用して、製品の機能を機敏に改善します。
結論
暗いデータの可能性は間違いありません。しかし、企業は、無期限のストレージとダークデータの不適切な処理に関連するリスクにも留意する必要があります。ダークデータには機密情報が含まれている可能性があり、不注意または故意による情報の漏洩はトラブルを意味する可能性があります。企業は、データを識別して分類できるように、優れたデータのタグ付けおよび構造化技術を備えている必要があります。これは、ビジネスのために分析するつもりがない場合でも必要です。そうでなければ、金銭的、規制的、競争上の優位性の喪失、および法的問題がすぐに起こります。