データやアナリティクス、AIの2020年はどうなる?
コメント
選択しているユーザー
・ビッグデータは、データを増やせば安易に知見が得られるというものではなく、データから知見を得るための分析モデルが必要
・Hadoopのエコシステムでは『Spark』や『Presto』などのコンピューティングフレームワークが存在するため、その文脈でまだ有用
・AIは広義のデータアナリティクス分野に含まれる専門領域の1つで、構造化データのアナリティクスのための次のステップである
----
データを利活用するためにはただデータを貯めれば良いものではなく、自社に適した分析モデルを開発・運用しなければならない。これまでは統計分析、機械学習、AIがそれぞれ別個のものとして扱われ、チーム化されてきたが、データから価値を引き出すという点では同じであり、緊密な協力・合流が必要。
注目のコメント
AIとアナリティクスは広義には同じかもしれませんが、実際は違うというのが記事の前提にありますね。
1. 広義のAI (最近は、ITシステム全般をAIと呼び替えている)
2. アナリティクス(狭義には、古典的な統計解析)
3. 機械学習(データを与えれば機械が学習)
4. 狭義のAI(深層学習を中心とした最近のAIブーム)
※包含関係 1>2>3>4
そして、AIだと主張するサービスのほとんどが、1のNon AIだったりするので、ややこしい。
2~4の違いを理解して、必要に応じて使い分けることが、AI技術を活用する最低限のスキルとも言える。
=抜粋=
最近では、AIと機械学習はアナリティクスと別のものではなく、AIは広義のデータアナリティクス分野に含まれる専門領域の1つになるというコンセンサスが徐々に生まれつつあるようだ。AIがデータアナリティクスの一分野となる話、クラウド化、ハイブリット化、コンテナ化が進む話など、意外なことは書かれていません。
一方でAI活用のニーズがAI技術者の供給に追いつかないため、AI技術者以外がAI活用できるようになることは要注目です。
すなわちコモディティとしてのAIやその活用環境と、一般人が身につけるべきスキルについては、覚悟して学び始めるか組織実装せざるを得ないですね。"人材不足の問題に対して、さらに単純な解決策を示している。ベンダーや顧客は、SQLなどのすでに普及しているスキルセットに合わせるべきだという主張だ。"
freeeでもデータサイエンティストやデータアナリストに限らず、営業やマーケターなどもSQLを書く文化が根付いていて、驚かされました。
他社のデータアナリストの方とお話しすると、営業やマーケターから調べてどうするの?的なものから無茶難題な分析まで依頼されることが多いと良く聞くのですが、みんなSQLが書けたり、基本的なデータ分析をしていると、そういう依頼が減るのは勿論のこと、質の高い議論ができるようになるのではないかと思います。