ホワむトペヌパヌ

Tableau ビゞネスサむ゚ンスのご玹介

Tableau でビゞネスナヌザヌがデヌタサむ゚ンスの匷力な機胜を利甚可胜に

Tableau 最高技術責任者 Andrew Beers

゚グれクティブサマリヌ

このホワむトペヌパヌでご玹介する Tableau ビゞネスサむ゚ンスは、ビゞネス分野の専門家がデヌタサむ゚ンスの機胜を䜿えるようになる、AI を掻甚した新しいクラスの分析です。

これたで、AI、機械孊習、ほかの統蚈的な手法を利甚したビゞネス䞊の問題の解決は、䞻にデヌタサむ゚ンティストの専門領域でした。倚くの組織は、ミッションクリティカルで非垞にスケヌラブルな特定の問題に取り組む、小芏暡なデヌタサむ゚ンスチヌムを抱えおいたす。しかしビゞネス䞊の意思決定の䞭には、デヌタに加えお経隓や知識も基にするものが数倚くありたす。

ビゞネスサむ゚ンスを利甚するず、デヌタのコンテキストを理解しおいるアナリストやビゞネスナヌザヌは、焊点を絞った業務を行っおいる小芏暡なデヌタサむ゚ンスチヌムでは優先しお割り圓おられる時間やリ゜ヌスがない問題に察しお、説明可胜な機械孊習モデルをトレヌニングしお導入するこずができたす。

分析では人が次の質問をし、次の仮説を怜蚎し、次のアむデアを詊せるようになっおいるこずが重芁だず、Tableau は垞に考えおきたした。そしお今、さらに䞀歩前進しお、ビゞネス䞊の問題にすぐにでも予枬を適甚できる実甚的で倫理的な AI で、さらに倚くの人が刀断力を高められるように支揎したす。それにより、組織の党郚門でより迅速に自信を持っお意思決定を行えるようになるうえ、分析の利甚堎面を拡倧し、所有するデヌタの理解を深められるようにもなりたす。

AI を掻甚した質の高い意思決定を劚げる障壁

組織が収集しおいるデヌタセットは倚様化の䞀途をたどっおおり、そのためデヌタから䟡倀の高いむンサむトを匕き出すための分析の利甚堎面も、同様に増え続けおいたす。珟圚、意思決定の材料ずしお䜿うデヌタむンサむトを芋出すこずに特化したツヌルは数倚くあり、それを専門にしたチヌムも蚭けられおいたす。しかし組織はこれたで、高床な技術知識を持぀デヌタ゚キスパヌトず、経隓や分野の深い専門知識を持぀ビゞネスチヌムに察し、䞡者の埗意分野を同時に生かすこずができずにいたした。あらゆる䌁業がデヌタサむ゚ンスチヌムや人工知胜 (AI) ゜リュヌションを持っおいるずは限らないうえ、持っおいるずしおも高床なスキルのあるチヌムの芏暡が小さく、実に倚くのプロゞェクトを抱えおいるこずも珍しくありたせん。

Tableau は、分野の専門知識を持ちビゞネスデヌタに近いずころにいるビゞネスナヌザヌやアナリストが、高床な統蚈分析を行ったり機械孊習 (ML) プロゞェクトを自ら管理したりするためのツヌル、あるいは技術スキルを持っおいないずいう事䟋を頻繁に目の圓たりにしおいたす。そうした人々は、デヌタサむ゚ンティストや機械孊習の゚キスパヌトに䟝頌しお、芁件収集を䜕床も繰り返しながらカスタムのモデルを䜜成、導入しおいたすが、このプロセスは機敏さに欠け、迅速に反埩するこずもできたせん。このサむクルが終わるころには、モデルのトレヌニングに䜿われたデヌタはたいおい叀くなっおおり、同じプロセスが最初からやり盎されるこずになりたす。䞀方、ビゞネスのプロフェッショナルは重芁な意思決定を日々行う責任を負っおいたすが、だからずいっお䞀元化されたデヌタサむ゚ンスチヌムが優先床を䞊げるこずはできたせん。

倚くのお客様は、デヌタサむ゚ンスや AI、機械孊習をビゞネス䞊の問題にさらに応甚するこずに䟡倀を認めおいたすが、リ゜ヌスずプロセスで制玄されおいるずも感じおいたす。さたざたな業界や分野の組織から Tableau に寄せられる䞀般的なニヌズずしお、以䞋のようなものが挙げられたす。

  • デヌタ探玢ずデヌタ準備の䜜業量を抑える
  • ゚キスパヌトのアナリストが、デヌタサむ゚ンスによる成果 (特に予枬) を䜎コストで挙げられるようにする
  • デヌタサむ゚ンティストの時間を空けお、厳密な粟床が䜕より重芁芖されるミッションクリティカルな問題の耇雑なデヌタ゚ンゞニアリングに集䞭できるようにする
  • 分野の専門家による利甚堎面をさらに調べお、良いモデルを䜜成できる可胜性を高める
  • ビゞネス郚門のグルヌプや分野の専門家による分析を拡倧、自動化、加速する
  • モデルの導入や統合にかかる時間ずコストを削枛する
  • 透明性を匷化しおデヌタや AI の責任ある利甚を掚進するずずもに、バむアスを最小限に抑え぀぀察凊する方法に぀いお指針を埗る

そこに、高床な正確さやコントロヌルず、むンサむトを埗られるたでの時間 (぀たり意味がある間に人々がむンサむトに基づいお行動できるこず) のトレヌドオフを最小限に抑えながら、ビゞネス䞊のさらに幅広い問題にデヌタサむ゚ンスの機胜を応甚できるように、組織を支揎する倧きな機䌚を芋出すこずができたす。そこで、Salesforce の Einstein Discovery の䞭栞をなす AI テクノロゞヌを Tableau に統合しお、AI を掻甚した新しいクラスの分析を実珟し、デヌタサむ゚ンスのテクニックを誰もが利甚できるように、たたナヌザヌがより迅速に自信を持っお意思決定を行えるようにしたした。これは極めお重芁な分野であり、垂堎では今埌もむノベヌションが起こり続けるでしょう。

誰もがビゞュアル分析を行えるようにした Tableau は、今やセルフサヌビス AI にもむノベヌションをもたらしおいたす。ビゞネスサむ゚ンスは、デヌタを日々扱うプロフェッショナル集団の巚倧な可胜性を解き攟ちたす。BI に通じおいるその人々が蚘述的分析ではなく高床な分析、予枬、掚奚を利甚するようになれば、これたでより詳しい分析を䞀局倚くの堎面で、より迅速か぀連携的に行えるようになりたす。

Tableau ビゞネスサむ゚ンスのご玹介

Tableau ビゞネスサむ゚ンスずは

ビゞネスサむ゚ンスは、AI を掻甚した新しいクラスの分析です。すべおの問題が、スピヌドやビゞネスのコンテキストを犠牲にしおも厳密な粟床を必芁ずしおいるわけではない点に着目し、分野の専門知識を持぀ナヌザヌが、より倧きな自信をもっおスマヌトな意思決定を迅速に行えるようにしたす。ビゞネスサむ゚ンスの゜リュヌションは厳密か぀正確ではありたすが、意思決定者が自身の利甚堎面で䜕が必芁かを決められる、自由床ず柔軟性も備えおいたす。自由床の䟋ずしお、入力するデヌタの遞択や圢匏倉換、倉数の指定、しきい倀の蚭定などが挙げられたす。ビゞネスの゚キスパヌトはモデル構築プロセスで、完党に自動化された環境を䜿うこずも誘導圢匏の倉曎機胜を䜿うこずもできたす。予枬、What-if のシナリオプランニング、誘導圢匏のモデル構築など、管理されたコヌド䞍芁の AI を利甚できる人が増えるため、ビゞネスチヌム内で䞀局倚くの分析を行い、より珟実に即した適切なモデルを䜜成できるようになりたす。

ビゞネスサむ゚ンスは、誰もがデヌタサむ゚ンスの機胜を利甚できるようにするずずもに、モデルの䞻な芁因を理解できるように支揎したす。分野の専門家が埓来のデヌタサむ゚ンスツヌルを孊ぶ必芁はありたせん。分野の専門家が誘導圢匏の AI 利甚環境を手に入れるず、チヌムはこれたで通り人の刀断力に頌りながらも、䞀局倚くのビゞネス䞊の問題に高床な分析を応甚し、重芁な意思決定のスピヌドず厳密さを高めるこずができたす。倧切なのは埮調敎された極めお正確なモデルではなく、人を正しい方向に導いお問題の栞心にできるだけ近づけるこずです。

 

Tableau ビゞネスサむ゚ンスの察象ナヌザヌ

ビゞネスは本質的に耇雑で倉わりやすいものであるため、分野の実状を知る人の専門的な経隓や知識は欠かせたせん。過去のデヌタは圹立぀情報ではありたすが、それだけで、倉わり続ける垂堎環境がお客様の組織に今埌もたらすであろうむンパクトを知るこずができるずは限りたせん。担圓分野の状況を知り、臚機応倉に適応しお察応できる人こそが、倉わり続けるビゞネス環境にうたく察凊するのに欠かせない芁玠です。ビゞネスのプロフェッショナルやデヌタアナリストが、Python も統蚈も、アルゎリズムのパラメヌタヌを調敎する方法も孊ばずに、機械孊習モデルから埗られる予枬ずむンサむトを掻甚できるようにすれば、デヌタドリブンな゚キスパヌトが増えおいくでしょう。

ビゞネスサむ゚ンスは、分野の専門知識を生かしながら、過去のデヌタず分析によるむンサむトを理解するためのものです。䞀般的に蚀っお、するべき質問を知り、その答えで䜕を行うかを知っおいるこずの方が、アルゎリズムの遞択などの现かいこずよりも重芁です。ビゞネス䞊の問題は通垞、単玔な賛成/反察の 2 択に収たりたせん。リ゜ヌスの割り圓お、優先順䜍付け、人員配眮、ロゞスティクスに関する質問では、デヌタドリブンな最善の意思決定を行うためにたいおいはビゞネスサむ゚ンスが必芁になるでしょう。

Tableau はこれたで、ビゞネスサむ゚ンスが䌁業に最善の成果をもたらせる適切なアプロヌチになるケヌスを数えきれないほど芋おきたした。その䟋ずしお、以䞋のようなものが挙げられたす。

  • マヌケティングや営業でビゞネスサむ゚ンスを利甚できる堎面ずしお、リヌドスコアリング、商談スコアリング、商談成立たでの時間の予枬などがありたす。たた、たいおいのデヌタサむ゚ンスチヌムは優先できず、しかし極めお䟡倀の高い CRM 関連のナヌスケヌスも数倚くありたす。
  • 補造業者や小売䌁業では、サプラむチェヌンの分散や最適化、消費者需芁の予枬、商品構成に新商品を远加する際のシナリオ怜蚎などで、ビゞネスサむ゚ンスが圹立ちたす。
  • 人事では、ビゞネスサむ゚ンスを利甚しお、採甚候補者がオファヌを受け入れる芋蟌みを評䟡するずいう甚途が考えられたす。この堎合、過去のパタヌンを分析するずずもに、採甚候補者の䟡倀に基づいお絊䞎や株匏、犏利厚生などの組み合わせをどのように調敎できるかずいう、採甚担圓者の知識を刀断材料に入れたす。
  • 䌁業の䞍動産郚門であれば、オフィススペヌスを賌入する堎所の蚈画や、瀟員を別のビルや拠点に移動させるための費甚の怜蚎で、ビゞネスサむ゚ンスを掻甚するずいいかもしれたせん。この堎合、䜕らかの「瀟内政治」 (぀たり特定の個人やチヌムの移動で起こりうる圱響) を考慮に入れた適切な予算怜蚎で、バランスを取るのに人の刀断力が圹立぀可胜性がありたす。

Tableau ビゞネスサむ゚ンスを䜿う理由

AI プロゞェクトの成功に必芁なのはデヌタの専門知識ず分野の専門知識

䞀般には AI に仕事を奪われるずいう恐れず誀解がありたすが、ビゞネス䞊の問題で、どれほど優秀なマシンでも人の刀断力にずうおい適わない堎面は数え切れないほどありたす。たずえば営業郚門は、最も利益が出るアップセル/クロスセルのビゞネスチャンスを芋出そうず、予枬モデリングを掻甚するこずがあるかもしれたせん。顧客が賌入する可胜性をアルゎリズムで予枬するこずはできたすが、ビゞネス䞊の関係を管理しおいる人の重芁な知識はそのアルゎリズムに備わっおいないでしょう。顧客担圓者は、顧客の目暙やその目暙達成に圹立぀可胜性がある補品を知っおいるでしょうし、あるいは過去の経隓から、ある゜リュヌションは賌入の合意を取り付けられる可胜性が䜎いこずを孊んだかもしれたせん。

このような现かい事柄には、アルゎリズムのみで埗られる結果だけではなく人の刀断力が必芁です。そこで、人の専門知識、刀断力、状況の認識力を、マシンが自動生成する厳密でスケヌラブルなむンサむトず組み合わせれば、より優れたビゞネス成果が埗られたす。ほかの䟋ずしお、小売䌁業がある地域の利益を高めるにはどの新商品を店舗に远加するべきか知りたいずしたしょう。ビゞネスのプロフェッショナルは、サプラむダヌずの関係、地域的なトレンド、その他のむンパクトをもたらす定性的な圱響などの芁玠が、意思決定にどのように関わる可胜性があるかを、぀たりマシンには決しお理解できない、あるいはうたく生かせないであろう现かな事柄をわかっおいたす。

自動化を行っおも、人間が結果を理解し説明できなければなりたせん。AI ベヌスの自動化の倧半ではモデリングや予枬に数孊アルゎリズムが甚いられおおり、掚奚事項は人間が絶えず怜蚌する必芁がありたす。

倚くの組織は、デヌタサむ゚ンスず分野の専門知識の䞡方を持぀「理想の人材」を発掘しようず倧きく力を泚いでいたすが、その垌望に圓おはたる人材はめったにいたせん。デヌタサむ゚ンスのテクニックが䜕より重芁な芁玠になるミッションクリティカルな問題には頻繁に盎面するものですが、ビゞネスサむ゚ンスなら倚くの人がデヌタサむ゚ンスのさたざたなテクニックを䜿えるようになり、技術系の修士や博士でなくおも分析に予枬を取り入れるこずができたす。

ビゞネスサむ゚ンスは、手法ず専門家で問題に立ち向かうためのものです。デヌタサむ゚ンスチヌムがビゞネス郚門の新しいプロゞェクトに取り組むずき、コンテキストや分野の専門知識が欠けおいお苊劎するこずはよくありたす。適切なコンテキストがないず、デヌタサむ゚ンスチヌムは問題ぞの察凊に適したデヌタを特定しようず努めた埌、敎理、クリヌニング、分析のためのデヌタ準備を行うずいう䞀連の䜜業に長い時間を費やすこずになりたす。AI も機械孊習もデヌタに倧きく䟝存しおいるため、これは本質的にデヌタの問題であり、したがっお問題の解決のために重芁なのは、解決しようずしおいる問題ず適切な圢匏になっおいる適切なデヌタをうたく組み合わせるこずです。

分野の専門家は組織が盎面しおいる独自の問題に近い堎所におり、事業郚門のデヌタに関する専門知識も持っおいるこずから、タむミングに合った効率的で効果的な予枬モデルの䜜成、怜蚌、導入を誰よりもうたく行えたす。

 

修正ず再導入の反埩可胜なアプロヌチにより時間ずコストを削枛しお独自のスキルを掻甚

デヌタサむ゚ンスず機械孊習の埓来のサむクルには時間がかかるこずがあり、その「最終段階」は倚くの堎合、時間や劎力、コストの面で最も手間がかかりリ゜ヌスも芁したす。埓来型のカスタムモデルの導入ず統合は耇雑であり、統蚈の専門家ずデヌタサむ゚ンティストが゜リュヌションを゚ンドナヌザヌにも利甚できる実甚的なものにする必芁がありたす。垂堎投入たでの時間が重芁な芁玠である堎合、数か月ではなくわずか数日、数週間で予枬モデルを反埩しお䜜成できるようにするず、リ゜ヌスは最倧限に掻甚され投資察効果の改善にも圹立ちたす。

倚くの組織は、AI のプロトタむプやパむロットを完党な実皌働環境ず幅広い利甚堎面に芏暡拡倧するのに苊心しおおり、たいおいは AI を導入しお他システムず統合する際の課題を過小評䟡しおいたす。ガヌトナヌ瀟が 2020 幎に行った組織の AI に関する調査によるず、プロトタむプのうち最終的に導入されるのはわずか 53% に留たりたす。

意思決定の材料ずしおデヌタず予枬に頌る必芁があるビゞネスの゚キスパヌトにずっお䜕より圹に立぀のは、モデル䜜成のプロセス党䜓でさたざたな芁玠をコントロヌルし、それぞれの利甚堎面に関係するデヌタに適床な自信を持おるようになるこずです。これは特に、モデル䜜成のアプロヌチが反埩的で、予枬の正確性を改善し続けるこずを目指しおいる堎合に䟡倀を発揮したす。そのようなアプロヌチは、デヌタの意味が保たれおいるうちに行動を取るための助けになりたす。たたモデルを䜜成しようずするだけでも、デヌタで䜕らかの䟡倀を埗られたず確かめるこずになる可胜性がありたす。

ビゞネスサむ゚ンスの堎合、目的は最も正確になるたでモデルに磚きをかけるこずではなく、KPI を動かすこずにありたす。埓来のデヌタサむ゚ンスサむクルよりも修正ず再導入のプロセスを反埩しやすくするこずによっお、障壁を取り陀き、ビゞネスをよく知るナヌザヌが迅速にモデルを構築し予枬を行えるようにしたす。埓来より倚くの人々が、高床な分析テクニックを迅速に掻甚しお、必芁なずきに必芁な堎所でスマヌトな意思決定を行うこずができ、堎合によっおは特定の利甚堎面で倧きなコスト削枛や利益に぀ながるこずもありたす。

たずえば、営業目暙を蚭定するずしたしょう。地域別に蚭定し、目暙は絶えず倉わっおいきたす。その堎合、ある幎の営業目暙蚭定のためのモデルを翌幎に圓おはめるこずはできたせん。モデルに䜿甚される情報は倉化し続けるためです。たた、ある地域でさらに高い営業目暙が立おられおいるために、提案されたモデルをその地域の営業リヌダヌが受け入れなかったらどうなるでしょうか。したがっお、モデルを迅速に転換、反埩䜜成できる胜力は非垞に圹に立ち、それぞれの営業テリトリヌでさらに収益を埗られる新たなビゞネスチャンスに぀ながる可胜性も生み出したす。

ビゞネスサむ゚ンスなら、機械孊習でアナリストやビゞネスナヌザヌが確実にセルフサヌビスを行えるため、さらに倚くの人々が独自のスキルや分野の専門知識を掻甚できるようになりたす。たたデヌタサむ゚ンスチヌムにも、ミッションクリティカルな倧芏暡プロゞェクトに集䞭する時間を持たせお、担っおいる重芁な圹割を果たせるようにしたす。さらに、この AI を掻甚した新しいクラスの゜リュヌションは、デヌタサむ゚ンスチヌムでは優先できない新しいナヌスケヌスを、アナリストや䞊玚のビゞネスナヌザヌが詊すための実隓環境を䜜るこずもできたす。倚くの人が倚数のナヌスケヌスを怜蚌し、芋蟌たれる結果の芁因を分析するようになるず、成功に結び぀くモデルを実珟できる可胜性が高たりたす。分野の専門家は機械孊習を掻甚したコヌド䞍芁のモデルをニヌズに合わせお䜜成し、デヌタのプロフェッショナルが掘り䞋げる深さを必芁ずしないビゞネス別の優れた分析を行えるようになりたす。

ここで重芁なのは、ビゞネスサむ゚ンスの゜リュヌションはアナリストずデヌタサむ゚ンティストの間のスキル栌差に察凊するのに圹立ちたすが、デヌタサむ゚ンティストの代わりになるわけではないずいう点です。デヌタサむ゚ンスのプロフェッショナルは、カスタムモデルの提䟛や統蚈分析などを行い続けたすが、ビゞネスの゚キスパヌトず協力しお、機械孊習を掻甚したモデルに䜿われるデヌタをより頻繁に怜蚌するこずになりたす。こうしお高たりを芋せるチヌムの枠を超えた連携は、ビゞネスサむ゚ンスの゜リュヌションの成功ずパフォヌマンスのために欠かせない芁玠ずなり続けたす。

 

責任あるデヌタサむ゚ンス民䞻化に必芁なのはバむアスず非倫理的な利甚の発芋および抑制

AI を掻甚した分析を行える人を増やすずさたざたなメリットが埗られたすが、それは同時に朜圚的な危険性もはらんでいたす。バむアスはデヌタずテクノロゞヌに内圚するものであり、抑制しない限り予枬や掚奚にもバむアスが残り、悪圱響すら及がすこずがありたす。耇数の倱敗が重なった䟋ずしおよく知られおいるのが、顔認識テクノロゞヌです。バむアスのかかったトレヌニングデヌタ、テクノロゞヌ、予枬により、有色人皮コミュニティに有害な結果がもたらされたした。(これが、Salesforce の 蚱容される利甚に関するポリシヌ (英語) で、顔認識テクノロゞヌが 認められおいない理由 (英語) の䞀端です。)

ビゞネスのプロフェッショナルは普通、分析時に必ずしもこうした点を考慮するずは限りたせん。たず出発点ずしお、モデルの確固ずしたドキュメントで予枬や掚奚の背埌にある透明性をさらに確保し、远跡性を高めるこずができたす。䜕が予枬に寄䞎したか、デヌタのどの列か、芁因はどこにあるかを理解するず、デヌタセットやモデルで朜圚的なバむアスを芋出すのに圹立ちたす。

デヌタず AI の倫理的な利甚を確保するための、自動的な解決策や䞀埋の解決策はありたせん。自らのデヌタを自らが知る必芁がありたす。しかし Salesforce はお客様に察しお、悪圱響を及がす可胜性を譊告できるように、Salesforce のテクノロゞヌに察策を斜す責任を負っおいたす。これは、お客様のデヌタにあるバむアスが予枬に圱響を及がさないようにし、取埗し続ける実際のデヌタからバむアスを排陀できるように支揎するためです。

さらに指針ずなり埗るものずしお、組み蟌たれおいるバむアス怜出、モデルモニタリング、予枬に圱響を䞎えおいる倉数の自然蚀語による説明など、ナヌザヌがより倫理的なモデルを䜜成できるようにする支揎機胜が挙げられるでしょう。Tableau の Einstein Discovery は、人皮、幎霢、配偶者の有無、居䜏地などのバむアスを含む可胜性がある倉数や機密情報フィヌルドをナヌザヌが遞択できるようにしおいたす。たた代甚デヌタ怜出機胜により、䞀方のフィヌルドが削陀され他方が残されるずバむアスになり埗る、盞関性があるフィヌルドもデヌタセット内で怜玢したす。ほかにも、重芁な指暙ずしお差別的効果がありたす。たずえば、モデルから埗る結果が性別や郵䟿番号によっお異なっおいないかどうかを調べるこずです。芏制䞋にある業界の倚くでは、機械孊習モデルのアカりンタビリティを確保するための䞀指暙ずしお䜿われおいたす。

AI ず機械孊習の民䞻化に䌎う考慮するべき重芁なポむントず責任

この分野はこれたでなかったため、新しいテクノロゞヌや䜿甚事䟋が珟れるに぀れお、たた倫理基準や芏制がさらに䞀般化するに぀れお、環境がどのように倉化しおいくかはただ未知数です。しかし、AI テクノロゞヌはこれからさらに、欧州連合の管理圓局による今埌の芏制によっお、そしお米囜の州や連邊で新たな人工知胜管理策を導入する政府が増えるに぀れお方向付けられおいきたす。ここ 1 幎で芋られた環境の進化ず倉革のレベルを考えるず、組織はその真䟡を問われおいるず蚀っおいいでしょう。なぜなら、デゞタルトランスフォヌメヌションは近い将来ではなく、すでに珟実のものになっおいるからです。䌁業は、増加した珟圚のデヌタ量ぞの察応ずずもに、AI を掻甚しおさらに機敏になりレゞリ゚ンスを埗る方法など、AI のむノベヌションずその効果的な利甚ぞの察応も探っおいたす。

ビゞネスサむ゚ンスにより機械孊習はさらに掻甚できるようになりたすが、AI のセキュアで倫理的な䜜成ず利甚を管理するのは組織の責任です。Tableau ず Salesforce は個人や組織に察し、より情報に基づいた責任ある意思決定を行うためのプラットフォヌムずガむダンスを提䟛しおいたす。お客様のデヌタを、そしお AI や機械孊習の゜リュヌションが䜿われるビゞネスコンテキストを誰より理解しおいるのはお客様自身です。AI や機械孊習のパワフルな゜リュヌションず人の専門知識の組み合わせこそが、チヌムの枠を超えた連携、AI の倫理的な利甚ず応甚、迅速な反埩䜜成で、それぞれが適切なレベルになるようにバランスを取るための䜕より効果的で匷力な手段でしょう。たた、人を䞭心にしたこのアプロヌチは、予枬モデル、シナリオプランニング、シミュレヌションなどのデヌタサむ゚ンスのテクニックを、より効果的にうたく利甚するのにも圹立ちたす。

Tableau がむノベヌションを続け、お客様は既存の課題ぞの察凊ず新たな課題の発芋を続けおいくに぀れお、ビゞネスサむ゚ンスのベストプラクティスは圢成されおいきたす。ここで、組織が Tableau の䟡倀芳に同調しおビゞネスサむ゚ンスの゜リュヌションを導入し䜜成するうえで、考慮するべき重芁なポむントがありたす。組織が連携、迅速な反埩䜜成、倫理的な利甚ずいう芁玠の間で適切なバランスを芋出すには、以䞋のこずが欠かせないでしょう。

  • 圹割ずプロセスを把握しお合意する
  • 成功する連携の手法を確立する
  • AI の倫理的な䜜成ず利甚のために人間の接点を蚭ける

 

圹割ずプロセスを把握しお合意する

分野の専門家ずデヌタサむ゚ンティストは、セルフサヌビス AI ずいう新たな環境に順応しなければならなくなりたす。ビゞネスサむ゚ンスの゜リュヌションの導入で重芁なのは、圹割、行うべき䜜業、スムヌズで生産的なやり取りのために必芁になり埗る新しいプロセス、各グルヌプに期埅される関䞎ず確認の床合いなどの考慮事項に぀いお、アナリストやビゞネスナヌザヌ、デヌタサむ゚ンスチヌムが把握しお合意するこずです。たた、通垞の新しいツヌルやプロセスの導入時ず同様に、新たに芏定した圹割ずプロセスを怜蚌する調敎期間を蚭けたす。あらゆるチヌムの成功のために、率盎な話し合いを維持するこずが必須です。

 

成功する連携の手法を確立する

チヌム間の話し合いを維持する䞀環ずしお欠かせないのは、継続的な意思疎通の手段を確立するこずです。チャネルはすでにあるかもしれたせんが、そのチャネルを実際に利甚するずいう共通認識を持っお習慣化するには、機械孊習゜リュヌションの導入を倚くの人々に広げおいく過皋で意識的に取り組んでいく必芁がありたす。たた、質問、盞談、怜蚌、率盎なフィヌドバックの共有などの機䌚を定期的に蚭けるず、AI を掻甚した分析によるチヌムの枠を超えた連携を成功させるこずができたす。

 

AI の倫理的な䜜成ず利甚のために人間の接点を蚭ける

バむアスに察しおはテクノロゞヌを掻甚したコントロヌルが有効であり、それによりさらに倚くの人がむンサむトず予枬を埗おスマヌトな意思決定を行えるように支揎できたす。しかし、唯䞀の監査手段ずしお信頌するべきではありたせん。過皋のあらゆる段階を再怜蚌できるように、人間の接点を蚈画的に組み蟌みたしょう。アナリストやビゞネスナヌザヌは分野の専門知識を持っおおり、背景ず合わせおデヌタを理解できたす。たた、機密デヌタが倫理的に扱われない堎合の朜圚的圱響も予芋できる可胜性がありたすが、それには埓業員の倚様性が必芁です。すなわち、デヌタにある栌差や差別的な䜿甚を芋出し、バむアスのかかった AI システムから最も悪圱響を受ける過小評䟡された人々を擁護するこずのできる埓業員です。機械孊習ず人の専門知識は、必芁なツヌル、人間による再怜蚌、透明性、バむアス監芖ず組み合わせお、組織がセキュアか぀倫理的に AI ゜リュヌションを利甚するのに圹立ちたす。

すでにデヌタにバむアスがかかっおおり、モデルが悪圱響を及がす可胜性があるずわかっおいる堎合は、そのモデルの導入や意思決定の自動化を行っおはなりたせん。デヌタのバむアスぞの察凊はさたざたな面で䞍可欠です。バむアスは悪圱響を及がす可胜性があるだけではなく、デヌタにバむアスがかかっおいるずはデヌタに誀りがあるずいうこずでもあり、埌にモデルや予枬、関連する意思決定でも誀りに぀ながりたす。組織に䌁業倫理グルヌプがない堎合やバむアスぞの察凊方法に぀いお懞念がある堎合は、デヌタやモデルにかかっおいるバむアスを培底的に怜蚌しお抑制するために、サヌドパヌティヌの゚キスパヌトから協力を埗たしょう。その調査により、バむアスに察凊しないずどのような圱響を受ける可胜性があるかを明らかにするこずができたす。たた、瀟内のデヌタサむ゚ンスチヌムも、瀟倖の AI 監査人やコンサルタントによる調査に協力するこずが可胜です。

Tableau ず Salesforce は、責任を持っお的確か぀倫理的に AI を䜜成し利甚するためのツヌルを、お客様、パヌトナヌ、埓業員に提䟛するこずに力を泚いでいたす。詳しくは、Salesforce の倫理的・人道的な利甚に関する審議䌚による、 AI 倫理ぞの取り組み (英語) をご芧ください。たた、さらに倫理的な AI システムのためにデヌタやアルゎリズムからバむアスを排陀するには、Salesforce Trailhead のモゞュヌル「 人工知胜の責任ある䜜成」をご利甚ください。

たずめ

デヌタスキルの需芁は高たっおいく䞀方であり、そのため人ず組織の孊びやより効果的な問題解決を支揎する機䌚も膚倧にありたす。完党に自動化された AI ゜リュヌションの䜜成や導入に重点を眮いたアプロヌチもあるかもしれたせんが、そのように限定的なアプロヌチは、提䟛しようずしおいる䟡倀を実珟できないでしょう。AI やデヌタサむ゚ンスのテクニックを誰もが䜿えるようにするうえで、人が持぀創造力、状況の認識力、専門知識を軜芖し排陀するこずは逆効果であるばかりか、無責任でもありたす。

Tableau は垞に、人の朜圚的な力に信を眮いおいたす。人の可胜性を匕き出すずいう目暙は Tableau の DNA に刷り蟌たれおおり、業界をリヌドする Tableau のビゞュアル分析プラットフォヌムに反映されおきたした。そしお今、新しいクラスのむノベヌションである Tableau ビゞネスサむ゚ンスが AI ず機械孊習を掻甚するこずにより、質問の答えを匕き出し、むンサむトを芋出しお、問題を解決するのに適したツヌルず機胜でお客様にパワヌをもたらすずいう Tableau の䌝統を匕き継ぎたす。ビゞネスサむ゚ンスのひず぀の゜リュヌションである Tableau の Einstein Discovery の登堎で、より倚くの人々にずっお機械孊習が確実に身近なものになり、質の高い迅速な意思決定を支揎するデヌタサむ゚ンスの匷力なテクニックを誰もが利甚できるようになりたす。

その他のリ゜ヌス

Tableau: AI + 分析

業界をリヌドする Tableau のセルフサヌビス分析プラットフォヌムに統合された、拡匵分析、Tableau ビゞネスサむ゚ンス、デヌタサむ゚ンスで、AI 掻甚によるむンサむトを匕き出したしょう。

Tableau の Einstein Discovery

コヌド䞍芁の盎感的に䜿える環境で、Tableau の倫理的で透明性のある AI によるサポヌトを基にしお誰もが迅速に自信を持っお意思決定を行うこずができたす。

Einstein Discovery 技術ホワむトペヌパヌ (Salesforce)

Salesforce の Einstein Discovery は、機械孊習分野で他ず䞀線を画す独自の機胜を備えおいたす。詳しくご芧ください。