該当する結果がありません

一致する検索結果がありませんでした。

お探しのものを見つけるために、以下の項目を試してみてください。

  • キーワード検索のスペルを確認してください。
  • 入力したキーワードの同義語を使用してください。たとえば、「ソフトウェア」の代わりに「アプリケーション」を試してみてください。
  • 下記に示すよく使用される検索語句のいずれかを試してみてください。
  • 新しい検索を開始してください。
急上昇中の質問

分析とは何か

ビジネス・アナリティクスとは、データにおける重要なパターンを検出、解釈、伝達したうえで、ツールを使用して組織全体がどんな環境どんなデバイスでも、どんなデータについてのどんな質問でもできるようにするプロセスです。ビジネス・アナリティクスによって、最適化、コスト削減、顧客エンゲージメントなど、目的の結果を推進するチャンスがさらに増えます。アナリティクスに成功している人は、直観に頼ることなく、データで明らかになったことに基づいて結果を選択しています。理想どおりにいけば、ビジネス・リーダーは先入観や自分の経験を持ち込むことなく、インサイトと発見が得られるように、バイアスのない方法論を確立します。

Oracle Analytics Cloudの詳細(PDF)

今日では、あらゆる企業がアナリティクスから少しでも多くの成果を得ようとして、より多くのデータを利用してより深いインサイトをより多くの人が利用できるようにすることを模索しています。その目標を達成するには、アナリティクスのプロセス全体をサポートし、セキュリティ、柔軟性、信頼性に対する期待にも応えてくれる堅実なプラットフォームが必要になります。そこで必要になるのが、ガバナンスを損ねることになく、ユーザーがセルフサービスの分析を実行できる環境です。管理も容易でなければなりません。では、エンタープライズクラスのシステムから、エンタープライズ級のコストとインフラは必要とせずに、メリットを得るにはどうすればいいのでしょうか。どの企業も業績の向上を図ろうと、データを分析して意思決定を改善しようとしているので、最近ではビジネス・インテリジェンスはユビキタス化が進んでいます。

ビジネス・アナリティクスで、パーソナライゼーション、機械学習、深いドメイン知識を利用すれば、企業はアプリケーション、データウェアハウス、データ・レイクにわたるデータから関連性が高く実用的なインサイトを得ることができます。ビジネス・アナリティクスは、アクションを引き出すプロセスでなければなりません。ひとたびインサイトが得られれば、企業はそのプロセスを再評価して再実行し、再構成することができます。重要なのは、アクションをとることです。

アナリティクスの基礎

アナリティクスの基礎

データは、それ自体ではもともと何の意味ももちません。データを隅々まで調べ、考えうる情報を得ることはできますが、それに対応し、方向性を考えて調整しなければ、どんな仕事も実を結ぶことはありません。自分たちの裁量であらゆるテクノロジーを活用しなければ、投資を満足に回収することはできないのです。今日の世界で、私たちは事実上、データでものを語り、データで質問に答えています。データによって結果を予測し、データで新しいパターンを学習しています。これが、データの秘めている力です。

アナリティクスのビジネス価値

アナリティクスのビジネス価値
  • 働き方の新しい形

    ビジネスの性質は常に変わりつつあり、それに合せて競争の仕方も新しくなります。技術に詳しい昨今の従業員に後れをとらないようにするには、価値を生み出し迅速に実行するための手段が必要です。データの品質とセキュリティに関しては最高の水準を保ちつつ、ユーザーがスピードとシンプルさを体感できるようにしましょう。ITが中心的な役割を果たす中央集権的なアナリティクス・プラットフォームは、ビジネス・アナリティクス戦略の基本となります。ビジネス主導とIT主導の両方の構想を組み合せることが、イノベーションの秘訣です。

  • 新たな可能性を開く

    アナリティクス・テクノロジーの進歩によって、データを活用できる新たな可能性が生まれつつあります。最新のアナリティクスは、予測的、自己学習型、適応的という特性を備えており、隠れたデータのパターンを明らかにすることができます。しかも、膨大な行と列から成るデータでも一瞬で理解できる驚異的なビジュアライゼーションを取り込んでいるため、直感的でもあります。最新のビジネス・アナリティクスはモバイルに対応しており、扱いが容易です。トレーニングはほとんど、またはまったく不要で、適切なデータに適切なタイミングで結び付けてくれます。

  • データのビジュアル化

    データに表れる兆候は、競合他社より早く見つけたいものです。Oracle Analyticsなら、ビジネスの状況を高精度のイメージで見ることができます。個人、企業、およびビッグ・データをマッシュアップすれば、データの価値をいち早く理解し、データが語る内容を同僚と共有できます。しかも、そのすべてが分単位で可能です。

アナリティクスのトレンド

アナリティクスのトレンド

変化の絶えないアナリティクス市場において、ITがビジネス・アナリティクス構想の追求を主導するという形から、ビジネスとITがその決定を共有するという形へ基本的な変化が起きており、今ではそれが標準になっています。アナリティクスが今日の組織にとって戦略的に重要になっており、そのため新しい利用者と新しい期待から成る新しい波が生まれていることは、間違いありません。

変わったのは、リアルタイムで意思決定を行い、広範なオーディエンスと共有することが必要になった状況です。従業員も変わりつつあり、その変化が新しい働き方をもたらします。オフィスでトレーニング・マニュアルが当たり前、という時代は終わりました。今の従業員は、直感的なインタフェースでいち早く戦力になることを求めています。しかも、それだけで済むわけではありません。スピードとシンプルさは重要ですが、ビジネス・リーダーが依然としてデータの品質とセキュリティに関して高い水準を求めていることは変わっていません。ITが中心的な役割を果たす中央集権的なアナリティクス・プラットフォームが、どんなアナリティクス戦略でも今なお基本なのです。ビジネス主導とIT主導の両方の構想を組み合せることが、イノベーションの秘訣です。

アナリティックスをクラウドに移行するというのは、単なるデプロイメントの選択だけではない、とオラクルは考えています。人、場所、データ、システムの間に存在する壁を打ち壊し、人とプロセスが情報、テクノロジーを扱い、そして相互に関わり合う形を根本から変えるものなのです。

過去:分析の歴史

分析の歴史

統計の比較とデータの分析は、文字に記された歴史以前から行われてきましたが、分析が今日のようなプロセスにまで発展することになった大きなマイルストーンはいくつかあります。

1785年、ウィリアム・プレイフェアが棒グラフという考え方を考案しました。ごく基本的で、広く利用されているデータ・ビジュアライゼーション手法のひとつです。プレイフェアが最初に作った棒グラフは、データ・ポイントが数十個だったと言われています。

1812年には、地図製作者のシャルル・ジョゼフ・ミナールが、モスクワ遠征時のナポレオン軍が受けた被害を視覚化しました。ポーランド・ロシア国境から始まる線状の地図を描き、兵士たちが極寒と補給線からの長距離に苦しんだ様子を、太線と細線で示したのです。

1890年、ハーマン・ホレリスが発明した「作表機」は、データをパンチカードで記録するものでした。データの分析が高速になり、米国における国勢調査のプロセスが7年から18か月に短縮されました。これが、データの収集および分析を常に改善していくという、今日まで続くビジネス要件を確立したと言えます。

現在:分析の今

分析の今

1970年代から1980年代にかけて、リレーショナル・データベース(RDB)と、データから推定してオンデマンドで分析するStandard Query Language(標問合せ言語:SQL)ソフトウェアが開発されました。

1980年代の終わりになると、ウィリアム・H・インモンが、高速に何度でも情報にアクセスできる、“データウェアハウス”という概念を提唱します。さらに、Gartnerのアナリスト、ハワード・ドレスナーが「ビジネス・インテリジェンス」という言葉を作ります。業界が、ビジネス・プロセスを正確に理解するという目的でデータを分析する方向に進む基盤となったのが、この言葉でした。

1990年代には、データ・マイニングという概念が生まれ、企業は極端に大きいデータ・セットのパターンを分析して検出できるようになりました。機械学習のアルゴリズムを開発し、大規模なデータ・セットを扱って、複雑なデータ・ビジュアライゼーションを作成するために、データ・アナリストとデータ・サイエンティストの間で人気になったのが、RやPythonといったプログラミング言語でした。

2000年代に入ると、Web検索のイノベーションが進んでMapReduceやApache Hadoop、Apache Cassandraが開発され、情報の検出、準備、表示が可能になりました。

未来:次世代の分析

次世代の分析

企業が、単にデータを可視化してさらにインサイトを求める段階より先に進むにつれ、ツールとその機能も進化してきました。

最初の分析ツールセットは、ビジネス・インテリジェンス・ソフトウェアから作成されたセマンティクス・モデルに基づいていました。強力なガバナンスの確立、データ分析、部署間の調整に有効でした。しかし、レポートが必ずしもタイムリーではないという欠点があり、結果が当初の狙いどおりかどうか、ビジネス上の意思決定者には確認できないことがありました。技術的な観点から言うと、このときのモデルは主にオンプレミスで使われ、コスト効率も高くありませんでした。データのサイロ化も頻繁に起きます。

次に、セルフサービス・ツールの進化によって、アナリティクス・ツールの使用対象者が広がりました。特別なスキルが必要なくなり、アナリティクスの使用が加速します。デスクトップのビジネス・アナリティクス・ツールは、過去数年の間に、特にクラウドで人気を博すようになりました。ビジネス・ユーザーは多様なデータ・アセットを探索できることに満足しています。使いやすさは確かに魅力的ですが、データのブレンディングと、「情報収集の一元化」は、ますます複雑になります。デスクトップ・アナリティクスは、グループの大きさに応じて常にスケーラブルなわけではないからです。定義の矛盾にも弱いところがあります。

さらに最近では、データの検出、データのクレンジング、データの公開を自動的にアップグレードして自動化するツールの機能によって、ビジネス・インサイトを広範囲に返還できるアナリティクス・ツールも出現しています。ビジネス・ユーザーは、状況にあわせてどんなデバイスでコラボレーションが可能になり、リアルタイムで情報を活用して結果につなげることができます。

今日でも、ほとんどの作業はまだ人間が行っていますが、自動化のサポートも進みつつあります。既存のソースからのデータは、容易に組み合せることができます。利用者は、問合せを実行して作業し、データのビジュアル表現を扱うことでインサイトを獲得して、将来的な傾向と結果予測するモデルを構築します。これらすべての管理と制御は、きわめて細かいレベルで人が行います。データ収集、データ検出、機械学習を取り込むことによって、エンド・ユーザーが使えるオプションが増え、今まで以上に迅速なタイムフレームで扱えるようになります。

ビジネス・アナリティクスの採用

ビジネス・アナリティクスの採用

アナリティクスは、私たちの生活のあらゆる面に入り込んでいます。従業員や財務について、あるいは顧客の嗜好やそれによる行動への影響についてなど、どんなことを質問しようと、アナリティクスは答えを出し、情報に基づく意思決定をサポートします。