人工知能とデータサイエンスの2019年の主な進展と2020年の予測Industry編(2/3)

１．人工知能とデータサイエンスの2019年の主な進展と2020年の予測Industry編(2/3)まとめ

・IoTデータの大規模分析を可能にするためにはストレージと監視システムの革新が必要
・データサイエンスタスクの自動化は機械学習パイプラインでも実現されつつある
・プライバシー法の進化やクリーンパワーのような新たな産業が新たなデータを生む

２．Beforeコロナ時代の2020年予測

4)Casertaの創立者Joe Caserta
2019年、ビジネスリーダーの一部の人達には、レポートを作成するためだけに最高の分析プラットフォームを使用するのは不十分であるという認識が出来ました。2020年には、人、プロセス、テクノロジーの観点から分析の成熟度が実現するでしょう。

組織は、データ検出とビジネスインテリジェンスを実行する方法の革新を開始し、クローラー、ボット、人工知能、およびNLPを使用してデータを問い合わせし、洞察を迅速に得るようになるでしょう。私たちは、現在の状況を劇的に変え、近代的なデータエンジニアリングを念頭に置く別のデータ革命を待ち望んでいます。

(5)マシンデータインテリジェンスプラットフォームCirconusのCEO, Bob Moul
IoTデータの価値が現実になる
IoTデータを大規模に分析することで可能になる意志決定は、ビジネスチャンスとして金鉱をもたらし、コストを削減し、ダウンタイムを緩和し、問題が発生する前に防止します。

コンテナの可観測性
過去数年にわたって、多くの人々がKubernetesを試してみて、概念実証を行い、学習してきました。2020年には、企業内のDevOps機能と緊密に連携して、膨大な数のコンテナが使われるようになることが予想されます。注意点は、コンテナ環境が大量の要監視情報を放出することであり、多くの従来の監視製品はこの多次元の監視情報を処理できないことです。

IoTの成長には革新的なストレージソリューションが必要
調査会社のガートナーは、2020年に約200億のIoT接続デバイスが存在すると予測しています。IoTネットワークが拡大し、高度化するにつれて、それらを管理するリソースとツールも同じように拡大する必要があります。

企業は、データの爆発的な増加に対応するために、規模拡大可能なストレージソリューションを採用する必要があります。これにより、既存テクノロジーの能力を上回るデータを格納し、貴重な洞察として処理し、提供する事が可能になります。

インフラストラクチャの監視の複雑さの増加
Blue-Green Deployment(訳注：本番環境と同等な環境を用意して、その環境で新しいプログラムを公開した後に接続を切り替えて新たな本番環境として動かす事で、リリース時のサービス停止時間を最小限にする手法)などのDevOps手法により、監視が必要な数値が大幅に増加しています。これらの手法を採用し、迅速なCI/CDと組み合わせると、一部のアジャイル組織は一日に大量のリリースを行える事がわかります。これらの使用例をサポートするには、ツールの大幅な変更が必要になります。

(6)Ryohei Fujimaki 博士、CEO、およびdotDataの創設者
2019年、組織は可能な限り多くのデータサイエンスを自動化する事の力と必要性を認識していたため、AutoMLは注目を集めました。ただし、従来のAutoMLを使って成功するためには、必要な機能を設計する手動で非常に時間のかかるプロセスによって制限され、妨げられていた事も示されています。2019年はAutoML 2.0が台頭してきた年でもありました。これは、AutoMLで実現する新しい反復作業です。AIを使用してリレーショナルデータセット内の未加工のビジネスデータから自動的に特徴を発見し、評価し、スコアリングします。それから機械学習アルゴリズムを評価し、必要に応じてこの作業を繰り返します。

2020年には、より多くのベンダーがAutoML 2.0の採用を始めるにつれて、データサイエンスの全てのタスクを自動化するこの傾向が加速すると予想しています。2020年のもう1つの大きなトレンドは、機械学習パイプラインの運用化と製品化です。既に実現されている初期のMLOpsを試用して、可能な限り自動化する事がますます重要になります。

(7)Infoworks CEO, Buno Pati
データの力を活用する能力は、全ての経済活動の新陳代謝を加速させ、従来よりも迅速に勝者と敗者を生み出します。新しい挑戦者はこの10年で以前よりも速く成り上がり、現在のリーダーは同じくらい速く凋落するでしょう。

BCGの調査によると、大企業の場合、複数年にわたる過去と将来の財務パフォーマンスと競争優位性は今ではあまり相関しなくなっています。

現在、すべての業界のデータサイエンティストは、データの取り込み、データの増分更新、データの整理と管理、パイプラインの最適化、アプリケーションへのデータの配信など、価値の低い作業に時間の約80%を費やしています。

コスト：データサイエンティストの時間のわずか20%がアプリケーションの開発に費やされ、ビジネスのさらなる成長と競争上の優位性を実現します。

データ操作と自律制御、新しい自動化されたアプローチを介してデータの力を真に活用する人は、ビジネスバリューの創出にデータサイエンスの才能を集中させることができるため、成長します。

デジタルトランスフォーメーションの影響は、あらゆる経済活動で予測されます。(テクノロジー、金融サービス、小売/小売など)、及び予想されていない場所(農業、住宅改善、公共部門など)でも感じられます。

・プライバシー法が次の10年にわたって進化するにつれて、「個人データ」を消費者がコントロールできるようになる事例が劇的に増加する事が見られるでしょう

GDPRとCCPA(カリフォルニア州消費者プライバシー法)は、消費者データの保護と消費者管理に関する氷山の一角にすぎません。次の10年間で、政府や規制当局が新しいプライバシー法を推進するにつれて、個人データを消費者自身が管理する事が劇的に増加すると予想されます。

やがて、これらの規制措置は、個人データの完全な消費者制御と、消費者が直接データを収益化するか、商品やサービスのデータを直接交換する機会につながる可能性があります。

・クリーンパワー運動は、次の10年間で大量のデータと新しい分析の使用例を生み出します。今日、アメリカで最も急成長している産業は太陽光と風力であり、これらの産業の雇用は今後10年間で他の職業の2倍の速度で成長すると予想されています。(出典：カリフォルニア州第17議会地区Ro Khanna)

これらの産業における技術の進歩により、コストが削減され、過去9年間で世界の再生可能エネルギー容量を4倍にしたクリーンな電力運動が引き起こされました。(出典：UNEP)

この容量は、米国のすべての発電所を合わせたものを超えており、利益を最大化し、今後10年間でこれらの技術開発の使用を最適化することを目的とした大量のデータと新しい分析ユースケースを作成します。

このデータの津波を管理および利用するには、データ操作とその自動化のための洗練されたシステムが必要になります。そして、データ主導のプロセスと洞察を通じて、業界の継続的な成長が促進されます。

３．人工知能とデータサイエンスの2019年の主な進展と2020年の予測Industry編(2/3)関連リンク

１）www.kdnuggets.com
Industry AI, Analytics, Machine Learning, Data Science Predictions for 2020