データと AI について学ぶ
学習の目的
この単元を完了すると、次のことができるようになります。
- データの概念と現代社会におけるデータの重要性を理解する。
- 現代の組織におけるデータに基づく意思決定の役割と、従来の意思決定との違いを説明する。
- AI の意味と現代社会における重要性を定義する。
このモジュールは OneNine AI との提携のもとに作成されています。Trailhead のパートナーコンテンツについてはこちらを参照してください (ログインが必要です)。
データの重要性
データとは、世界をさまざまな角度から見て分析するための手がかりとなる事実、数字、統計の集まりです。現代の生活や経済を回すためには、データは不可欠だと言えます。テクノロジーの進歩により、企業は大量のデータを収集、保管、分析して、業務や顧客に関するインサイトを得られるようになりました。
データは、現代社会では最も貴重な資産であると考えられ、さまざまな形態で収集されています。
データから得られる貴重なインサイトや情報により、個人や組織はより的確な意思決定を行えるようになります。今、データはかつてないほどのスピードで生み出されています。企業や政府は、データを利用して、顧客の行動、市場のトレンド、そして他の重要な要因に関するインサイトを得ています。
では、データが私たちの世界にどのような影響を与えるかを、業種別の例で見てみましょう。
| 業種 | 結果 |
|---|---|
|
ビジネスと金融 |
データを分析することで、新しい商機を見つけ出し、顧客のニーズに応える新しい商品やサービスを開発できます。 |
|
医療と製薬 |
データを分析することで、革新的な発見に繋がるパターンや相関性を見つけ出すことができます。データは、新しい治療法の開発においても重要な役割を果たします。 |
|
その他 |
データはほとんどすべての業種で活用でき、業務を改善して成功を推進します。 |
データに基づく意思決定
データに基づく意思決定とは、直感や個人的な経験ではなく、データ分析に基づいて意思決定を行うプロセスです。現代の組織では、大量のデータを利用できるようになったため、データに基づく意思決定がますます重要になっています。データに基づく意思決定により、業務の運営、顧客の行動、市場のトレンドに関する正確で信頼できるインサイトを得ることができます。
一方で従来の意思決定は、直感、個人的な経験、その他の主観的な要因に頼っています。状況によっては従来の意思決定が効果的であることもありますが、決定にバイアスがかかってしまったり、商機を逃したりすることにも繋がります。
組織でデータに基づく意思決定を行うためには、データを効果的に収集、保管、分析する必要があります。そのためには、データの視覚化、統計分析、機械学習 (ML) など、いろいろなツールやテクニックが必要です。
現代の組織においてデータに基づく意思決定がもたらす主な利点や結果をまとめると次のようになります
| 主な利点 | 結果 |
|---|---|
|
インサイトの提供 |
データを分析することで、他の方法では見つけられなかったパターンや相関性を特定できるため、より多彩な情報に基づいた意思決定が可能になります。 |
|
パフォーマンスの向上 |
データに基づく意思決定により、コストを削減し、効率を改善して、業務を最適化できる領域を見つけ出すことで、パフォーマンスを向上できます。 |
|
競争力の強化 |
データを利用して顧客の行動や市場のトレンドに関するインサイトを得ることで、顧客のニーズにより的確に対応した商品やサービスを開発できます。 |
AI の重要性
人工知能 (AI) とは、機械に学習させることで、本来なら人間の知性が必要なタスクを機械が実行できるようにするテクノロジーです。AI は、さまざまなタスクを自動化し、効率を改善して、コストを削減することに貢献しているため、現代社会においてますます重要になっています。AI は、医療、金融、運輸、製造など、あらゆる業種で活用され、業務を改善してより良いサービスを顧客に提供するのに役立っています。
AI が通常なら人間の知性を必要とするタスクを学習して実行し、あらゆる業種で業務やサービスを改善するためのインサイトを生成するためには、データが不可欠です。医療なら、AI が健康リスクを分析して特定するために、大規模な医療画像や患者データのデータセットが必要です。金融では、AI が大規模な金融データを分析して、投資の意思決定を行ったり、不正行為を検出したりします。製造であれば、AI がセンサーデータや製造データを利用して、機器のパフォーマンスを監視し、メンテナンスの問題を特定して、製造プロセスを最適化します。
各業界での AI の主要な応用例を次に示します。
- 医療: 医療の分野では、画像による医療診断、創薬、患者の監視に AI を活用できます。AI を駆使した画像による医療診断では、より正確に病気や怪我を発見できます。また AI を利用した創薬では、研究者が新薬をより早く開発できます。さらに、AI によって患者の状態をリアルタイムで監視することで、パーソナライズされた医療をより効果的に提供できます。
- 金融: 金融業界では、詐欺行為の検出、クレジットスコアリング、投資管理などに AI を活用できます。AI を駆使することで、銀行などの金融機関は詐欺行為をすばやく正確に検出できます。また、AI によるクレジットスコアリングにより、顧客の信用状況をより正確に評価できます。AI は投資の管理にも活用でき、金融アドバイザーは、より多くの情報に基づいて意思決定を行うことができます。
- 製造: 製造業界では、品質管理、予測メンテナンス、サプライチェーンの最適化に AI を活用できます。AI を駆使した品質管理は、欠陥を特定して製造品質を向上させるのに役立ちます。AI による予測メンテナンスは、ダウンタイムを減らして効率を高めます。AI は、サプライチェーンの最適化にも利用でき、製品をより効率的に配送できるようになります。
AI は、さまざまなタスクを自動化し、効率を改善して、コストを削減することに貢献しているため、さまざまな業種で不可欠なテクノロジーとなりました。企業は、AI によって業務を改善し、より良いサービスを顧客に提供することで、競争力を強化して結果を全体的に高めることができます。
この単元では、データの重要性とデータに基づく意思決定における役割について学習しました。また、AI の基礎や、いろいろな業種でも応用例も見ました。次の単元では、データの種別、データのクリーニング、データソースといったデータの概念について詳しく説明します。
リソース
- GitHub: Introduction to Data Literacy (データリテラシーの概要)
- GitHub: Keys Steps of Data Analysis (データ分析の主要なステップ)
- Tableau サイト: Cycle of Visual Analysis (視覚的分析のサイクル)
- GitHub: Understanding Data Visualizations (データの視覚化を理解する)
- 外部サイト: Data literacy for leaders (リーダーのためのデータリテラシー)
- Tableau サイト: Grow your data skills today (データスキルを伸ばす)
- Trailhead:「データリテラシーの開発」トレイル
- Salesforce ブログ: This New Data Glossary Will Demystify Data for You and Your Teams (あなたやチームに向けてデータの謎を解き明かす新しいデータ用語集)