データ分析とは 分析プロセスとビジネスへの導入
データ分析の定義
データ分析とは、抽出、変換、一元化されたデータからインサイトを収集して、隠れたパターン、関係性、傾向、相対関係、異常を発見して分析したり、理論や仮説を検証したりするプロセスです。
企業の多くは、お客様への価値提供を迅速に行うことで収益を上げ、運用を最適化することでコストを削減しています。それらを行うために、企業はデータ分析を活用して競争力を高めているのです。
これまでは、将来の意志決定を行う際にデータの分析は行われていませんでした。現在では、データを分析することで、リアルタイムの意思決定、新たな傾向の発見、そして従来のデータプロセスでは明らかにならなかったインサイトの発見を行っています。
データ分析のビジネスケース
最近行われた業界調査では、5か国の回答者が、データと分析の主な用途として、プロセスとコスト効率の向上（60%）、戦略と変革の推進（57%）、財務実績の管理と改善（52%）を挙げています。
また、回答者は分析の取り組みに最も大きな影響を与えるトレンドの上位3つは、「クラウドコンピューティング」、「ビッグデータ」、「人工知能/機械学習」であると回答しています。特にクラウドコンピューティングは、企業がデータからインサイトを取得できるスピードに影響します。このスピードによって、お客様がこれまで以上に多くのことを期待できるという文化が生まれました。お客様はより良い製品とサービスを求めており、今なお求めています。
データ分析の利点
データ分析は業務プロセスの改善に役立ちます。データによって何が効率的で何が効率的でないかを明確に把握することができ、アナリストはデータを深く掘り下げることで根本原因を突き止めることができます。
データ分析を行うことで、より多くの情報に基づいた意思決定をより迅速に行えるようになり、収益を押し上げてくれるというメリットがあります。分析に十分なデータがあれば、企業はお客様の行動を予測して、ニーズを理解し、データが示す需要を満たすために、製品を変更または追加することでリアルタイムに対応できます。これにより、競争力の強化、カスタマーエクスペリエンスの向上、そしてお客様の獲得と維持の向上につながります。
データ分析のプロセス
データ分析のメリットを活用するには、事業部門がデータハウスを取得して、正確で信頼できる情報を分析に使用できるようにする必要があります。
データ分析プロセスの第一歩は、組織のビジネス目標を裏付けるのに必要なデータを見極めることです。一般的に、企業は社内データを使用し、社外にある情報源のデータで補足しています。次に、使用するデータを論理グループにまとめます。
次のプロセスは、分析を行う一元的な場所（通常はデータウェアハウス）にデータを集めます。これはソースデータベースからウェアハウスのデータ要素を照合するプロセスを含む技術的なプロセスです。各フィールドはソースから宛先にマッピングされ、データ形式を変換してデータウェアハウスの要件を満たすために数式が適用されます。
さまざまな種類のデータ分析
レガシーなシステムは構造化データの分析に適していますが、従来の方法は非構造化データから値を抽出するようには設計されていません。最新のデータ分析では、構造化データと非構造化データを組み合わせて、詳細やコンテキストを追加できます。
構造化データは、従来のテクノロジーで容易に処理や操作ができる方法でリレーショナルデータベースに整理されています。構造化データの例には、電話番号、郵便番号、通貨、日付などがあります。構造化データは過去を反映する傾向があり、履歴分析には適しています。
非構造化データには、電子メール、ソーシャルメディアへの投稿、記事、衛星画像、センサーデータなどがあり、NoSQLのようなリレーショナルデータベース以外のデータベース内に保存される場合もあります。非構造化データのほうが現在の状況をより反映し、将来を予測するのにも役立ちます。
データが収集されると検証が行われ、分析の品質に影響を与える可能性のあるデータ品質の問題を見つけて修正します。これには、データセットの一貫性と完全性を確認するデータプロファイリングプロセスの実行と、重複情報とエラーを確実に排除するデータクレンジングプロセスの実行が含まれます。
これで、データ可視化ツールを使用してデータの分析を行い、ビジネス上の意思決定を促進するために使用できる隠れた相関関係、パターン、トレンドをいつでも見つけることができます。
6種類のデータ分析
データ分析の種類は記述的なものから高度なものまであり、組織は開発プロセスや意思決定プロセスにおけるそれぞれの段階に基づいてこれらの種類から1つ（または複数）選択できます。データ駆動型ではない組織や、問題が起きてから意思決定を行う組織などは、報告を行うために記述的分析に依存する場合があります。しかしながら、迅速な意思決定を必要とするデータ駆動型の組織は、予測的分析や指示的分析に依存するようです。
記述的分析では、過去に起こったことを報告し、従来のテクノロジーで提供される最も一般的な種類の分析です。例としては、在庫数、生産数、お客様1人あたりの平均支出額、年ごとの売上変化などがあります。
予測的分析では、現在のデータに基づいて将来起こり得ることを予測します。たとえば、お客様の行動、機器の故障、天候が売り上げに与える影響などを予測できます。また、この種類の分析は、不正行為の検出、マーケティングキャンペーンの最適化、在庫の予測などにも使用されます。クレジットスコアは予測的分析の一例で、過去の行動に基づいて債務不履行の可能性を示します。
指示的分析は最先端のデータ分析です。この分析では、問題の解決や機会の利用を行う際の一連の行動を指示します。また、具体的な行動に基づいて考えられるさまざまな結果を評価することもできます。この分析は予測分析の延長上に存在します。指示的分析の場合、将来が予測されると問題の回避や機会の獲得に考えられる手段を提示します。
データマイニングは高度な分析の一種で、非構造化データをパターン、相関関係、異常などといった役に立つ情報に変換するプロセスです。データマイニングは、見つけ出すことが極めて困難なものを見つける場合に役立ちます。
人工知能（AI）や機械学習（ML）も高度な分析と言われています。AIは、質問を理解したり回答できたりなど、人間らしい方法で情報を処理するコンピューターの機能です。MLは、コンピューターが自らプログラミングするコンピューターの機能のことを言います。AIとMLは強力な組み合わせで、新しいデータソースの検索、分析に向けたデータ構造化、一連の行動の提案などのデータ分析プロセスのほぼすべての部分を自動化することで、データ分析プロセスの摩擦を取り除くことができます。
テキストマイニングも高度な分析の一種で、自然言語処理（NLP）に対応し、コンピューターがテキストを読んだり言語を聞いたりする機能です。AIシステムがWebを定期的に調査し、組織の分析目標を支援するような新しい情報を見つけたり、システムの調査資料として書籍や文書からテキストをスキャンしたりすることもできます。
ビッグデータ分析とは
ビッグデータとは、運用改善を行う目的で大量の構造化デジタル情報や非構造化デジタル情報を収集、分析、保存することを説明する場合に使用される包括的な用語です。ビッグデータ分析は、デジタル情報を有用なビジネスインテリジェンスで評価するプロセスです。
ビッグデータが大きくなるにつれ、プロセスをより簡単で効率的にするためのツールや手法が増えています。クラウドは大量のデータを安価で保存できるように設計されているため、ビッグデータ分析では最も実用的な環境です。協力を促すことで、（ITやデータの専門家だけでなく）組織全体の意思決定者がデータ分析を利用できるようにします。データ分析に最適なツールはクラウドに移行しており、ツールを販売している会社は、クラウド版のソフトウェアにより力を注いでいます。
データウェアハウスへのデータ移行と統合についても、クラウドで行うのが最適です。抽出、変換、および書き出し（ETL）処理は、クラウドでシームレスに動作し、ソースからデータを抽出して宛先と互換性のある形式に変換し、ウェアハウスに書き込みます。
ビジネス向けのビッグデータ分析は、従来のビジネスインテリジェンスとレポーティングをオンライン分析処理（OLAP）に拡張することに重点を置いています。これにより、トレンド分析だけでなく、予測的分析や指示的分析などの高度な分析を行うことができます。
クラウドには、ビッグデータを迅速に保存、構造化、取得できるように設計された分析ツール（HadoopやNoSQLなど）が数多くあります。Hadoopはビッグデータを高速に実行できるように設計されたデータ分析用のオープンソースプラットフォームです。これは無料でコモディティハードウェア（低コストのデスクトップワークステーションや、シンプルなサーバーハードウェア）上で実行するように設計されており、よりコストのかかるサーバー機器にアップグレードする代わりに、スケールダウンしたデータベース環境を実行できるので、コストを抑えることができます。
データ分析とクラウドのメリット：ビジネスを前進させる
データ分析（ビッグデータ分析を含む）は、企業の成長を促進します。データを実用的なインサイトに変えることができる企業は、プロセスの改善、意志決定の迅速化、生産性の向上、お客様の製品使用状況の明確な理解、新しい製品やサービスの開発などのメリットを得ることができます。組織がリアルタイムで高度な分析から利益を得る方法はまだ見つかっていません。
利益を得るには、大半の企業が、従来のオンプレミスデータと外部のデータソースをクラウド型のデータウェアハウスに接続することで、履歴データを新しいデータソースに結び付けるデータ統合プラットフォームが必要になります。
Talendのクラウド型データ管理と分析ツールでは、データをデータハウスに取り込み、意志決定に向けたインサイトを抽出するプロセスを効率化します。Talend Data Fabricはデータ管理アプリのパッケージソフトで、クラウド移行を成功させるための強力なツールを備えています。単一インターフェースからTalendのあらゆるソリューションと機能にアクセスでき、すべてのエンタープライズデータに対して一貫性と制御を提供します。
