皆さん、こんにちは！
大分更新が開いてしまいました(^^;)
最近では、AI（人工知能）という単語がよく飛び交うようになってまいりましたが、AIを支えているのは、実はビックデータという事実はあまり知られておりません。
今回は、そのビックデータの基盤を作るにあたり、大事な３つのポイントについてお伝えします。
１．ビックデータを用いてどのようにビジネス課題を解決するのか？
システム開発の基本でもありますが、ビックデータがビジネス課題をどのように解決するのか？また、どのようなデータがあれば解決できるのか？を決めていく必要があります。
そのためにも、データの運用・分析はどうあるべきか？や、その結果どういうビジネス上の利益を享受できるのか？を細かく検討していく必要があります。
最近では、AIやビックデータという言葉だけが一人歩きしてしまい、肝心なビジネス目線が失われてしまいがちですが、真のAI・ビックデータ基盤を構築する上では、避けて通れないプロセスとなります。
２．取り扱うデータの質と量を定義
ビックデータによって、ビジネス課題がどう解決されるか？の青写真が出来たら、次に行うべきは取り扱うデータの定義です。
データの定義は、主に2つの側面（質・量）それぞれ行う必要があります。
例えば、在庫データの場合、
- どの単位で在庫情報を持つか？（SKU単位？品番単位？等）
- どのくらいの期間の在庫情報を持つか？1か月？1年？
- 差分（＋１、－２等）で持つか？その都度の在庫数（絶対数）で持つか？
といった、データの定義が必要となってきます。
特に、データ量の定義は重要です。
というのも、データ量によって検索スピードが変わってきたり、グラフ化した際の表示速度に差が出てくるからです。
データを質・量ともに定義する工程も、ビックデータ基盤を構築する上でのコストやその後の利益にも影響してきますので、
経営上にとっても重要なポイントとなります。
３．ビックデータを運用し、その課題をキャッチアップ
データの質・量の定義が出来たら、その方針に乗っ取ってビックデータ基盤を構築していきます。
しかしながら、ビックデータ基盤を構築し、運用を開始した後でも、必ずと言っていいほど課題が出てきます。
- 在庫データをビックデータ化したけど、実は売上データも必要なのではないか？
- 店舗会員とWEB会員をビックデータに蓄積したけど、重複している会員が多い。名寄せ（※）が必要なのではないか？
※名寄せ：データの中から「同じ人」をまとめる作業のこと。詳細はコチラを参照ください。
このような課題を、次のフェーズでどう解決していくのか？常にキャッチアップを行い、将来への投資につなげていければ、
ビックデータ基盤を利益を生み出す基盤に育てていくことも可能です。
ビックデータ基盤の構築や、その後の運用についてお困りのことがございましたら、
お気軽にご相談ください。
