DXに関係するデータ解析技術

失敗しないAIプロジェクトの進め方（アメリカの企業群で作られたAIプロジェクト推進方法を採用）

CRISP-DM（CRoss-Industry Standard Process for Data Mining）は、SPSS、NCR、ダイムラークライスラーがメンバーとなっているコンソーシアムにて開発された データマイニングのための方法論を規定したものです。 業界横断的に展開可能なデータマイニングのプロセスモデルと なっています。

AIを耳にするときよく挙げられるものにBI、BAがあります。DX化を進めるにあたって、この3点を適所適材で活用することが重要です。この３点は似たように思われがちですが、それぞれに特徴と違いがあります。

●BI（Business Intelligence）は、企業の情報システム等で蓄積される膨大な業務データを、利用者自らの必要に応じて分析・加工し、業務や経営の意思決定に活用する 手法です。 過去の結果に対して緻密な分析を行うことで客観性を引き出しやすいですが、反面具体的なアクションに繋がりにくいという弱点を持っています。

● BA（Business Analytics）は、過去データから目的に合った未来の予測モデルを作り、未来起こりうる事柄を予測する技術を指します。次のアクションを考えやすく、またそれ の裏付けがしっかりしているのが強みですが、構築・メンテナンス・利用（理解）などが大変難解です。

● AI （Artificial Intelligence）は、人間の脳が行っている知的な作業をコンピュータで模倣したソフトウェアやシステムで、人間の使う自然言語を理解したり、論理的な推論を 行ったり、経験から学習したりするコンピュータープログラムなどとして存在しています。 市場の期待値が高く柔軟性もあり、人間では追いつかない量の情報から考え抜かれた具体的な行動をリコメンドできますが、高い能力がゆえそのリコメンドが導き出された背景や 理由が分かりにくいという弱点があります。 注. 本定義はアイズファクトリー社の方法論の一部です。

この図は、BI・BA・AIの違いを別の観点「説明力（納得感）」と「活動親和性」とで整理したものです。
上述のように、AIは、BI・BAに比べて、行動に直結するような結論を定時するので、活動親和性が高いですが、反面、その行動の理由がわかりにくいので、説明力（納得感）が低いという特徴があります。

教育プログラムの分類の仕方は様々ですが、一例として図に示すようなものがあります。横軸を対象とする研修者。縦軸に研修のレベルの高さを設定しています。
時に、経営者向けの啓蒙的なセミナーを行うこともあります。

1.体験型研修・導入セミナー
・新入社員から経営層まで幅広い層が対象
・社内におけるデータリテラシーの醸成を目的
・カリキュラム例：
　-データによる意思決定の体験
　-データサイエンスの事例紹介

2.概論研修
・社内で選抜されたメンバーを対象（専門職の方）
・データのビジネス活用への理解
　-ビジネスにおけるデータ活用のための方法論のご紹介

3.ハンズオン研修
・概論研修を終えたメンバーを対象
・データ分析の方法論を理解
・カリキュラム例：
-サンプルデータを用いて実際に解析ツールを使った分析
業務の体験

4.専門スキル研修
・社内におけるデータに関する専門スタッフ候補を対象
・社内におけるデータ利活用を牽引する人材の育成
・カリキュラム例：
　-統計などの数学やプログラミング、システムなどのレクチャーと実体験など。