Comments
Description
Transcript
キュレーターが語る。 データ駆動型ものづくり
Interview データキュレーションサービス Interview 「キュレーターが語る。 データ駆動型ものづくり」 富士通株式会社 コンバージェンスサービス本部 インテリジェントコンピューティング室 シニアマネージャー 高梨 益樹 富士通のコンバージェンスサービスを支え、ビッグデータ活用の最前線で活躍するキーパーソンの1人、データ分析の専門家集団 「キュレーター（注1）」をけん引する高梨益樹シニアマネージャーに取材しました。 （聞き手：株式会社富士通総研 亀廼井千鶴子マネジメントコンサルタント） (注1) キュレーター：従来の意味は、博物館や美術館等で施設が収集する資料に関する鑑定や研究、業務の管理監督を行う専門職である学芸員のこと を言います。富士通では、業務知識に依存した仮説検証型ではない、新たなデータ活用の専門家を指します。データモデリング、アナリティク ス、データにまつわるシステムデザインのプロフェッショナルであり、お客様が必要としているデータ活用をサポートします。データ活用の専 門家として「データサイエンティスト」という役割もありますが、富士通では分析のみに留まらずに、お客様企業の商品やサービスに深くかか わっていくデータの専門家として「キュレーター」を定義しています。 高梨益樹 略歴 1990年－日本語推敲や文書分類など、自然言語処理システムの開発 2000年－テキストマイニングなどの自然言語検索、セマンティックWeb技術のビジネス化 2011年－コンバージェンスサービスにおけるデータ活用・分析の専門家集団「キュレーター」を組織化したインテリジェントコンピューティング室 の立ち上げに参画 第1章 ビッグデータを使って何をするべきか？ 価値あるデータとは? 亀廼井：まずはビッグデータそのものについて伺いましょうか？ 高梨：データの定義には、こだわらないですね。キュレーション の対象としては、業務アプリケーションのデータやテキス トなども扱います。今回は、「ものづくり」におけるビッ グデータの活用に焦点を当ててお話ししたいので、セン サーのログなど今まで活用されなかったデータを想定して 進めたいと思います。 高梨： 既存のデータは、何らかの業務や目的に合わせて、必要最 低限の情報が蓄積されています。たとえば、修理データは 故障した部品の修理記録で、コールセンターのデータは問 い合わせの記録です。故障した、問い合わせがあった、な どの「NG」データはあっても、なぜNGになったのか、NG に至るまでに商品やサービスがどう使われてきたか、とい うデータがないんです。 亀廼井：わかりました。ではデータの特徴についてお願いします。 高梨：ビッグデータはどこにあるのかというところから考えてみ ましょう。様々な企業の方とお話をさせていただくと、未 活用の大量データを持っているケースは少ないです。 ビッグデータというと、オープンデータやソーシャルデー タ、POS、地図、気象などの外部データをイメージする方 も多いです。しかし、ものづくりにおいては、企業のビジ ネスの中で発生する独自性のあるデータの価値にこそ目を 向けていただきたいと思います。ビジネスの中で発生する データというと、業務システムのデータがありますし、通 信機能を備えた機器を販売している企業では、製品のログ を取得しているケースもあります。 亀廼井：ビジネスの当事者にしか入手できないデータということ ですね。 1/4 ページ http://jp.fujitsu.com/solutions/convergence/service/curation/ Interview データキュレーションサービス 一見するとムダなデータは、正直なデータ 亀廼井：今までのビジネスでは「商品やサービスの使われ方」 のデータを必要としていなかったということですよね。 高梨：「使われ方」が分かるデータを取得すると、トラブルなど の特徴的なデータはごく少数です。今まで蓄積してきたNG のデータと比べると、量ばかり多くて業務の役に立たない データに感じると思います。 亀廼井：仮にNGのデータが1%だとしたら、99倍の正常データが あるということですね。確かにムダに感じるかもしれま せんね。集めてどうするのかと。 高梨：しかし、そのムダに感じるデータがあることで、自分達の 提供している製品やサービスは、どのように使われている のか？ その向こう側にいるカスタマーがどのような思いで 利用しているのか？ という商品や利用者の理解が深められ るとしたら、決してムダではないと思いませんか。 亀廼井：今までは、各業務のプロが仮説や推測で捉えていた商品 や利用者を、データから正確に理解していこうというこ となんですね。 曖昧性が入りこむ余地がありません。土壌、微生物、化 合物、植物などの研究者が、この同じ大量のデータを活 用しようとしています。 亀廼井：ゲノムの読み取りという手段が進化したことで可能に なったんですね。楽しそうですね。 高梨：大量の正直なデータがあることで、様々な専門家が新し い接点を持って研究していくのです。研究分野の境界線 も変わっていくかもしれません。これと同じようなこと が、先ほどの商品や利用者を理解するための大量データ の周りでも起きると思っています。 要するに企業の「ものづくり」の様々なプロセスの専門 家の間でデータの共有がなされていけば、ものづくりの プロセスも、そして、そこから生み出される製品やサー ビスも、きっと楽しいものになっていくと思いませんか。 そんな「ものづくり」に、大量の「正直なデータ」を活 かせるように、データに意味を持たせる、役立つ写像を 作るという役を、キュレーターが担うことができたら嬉 しいです。 高梨：収集したデータを使って、バーチャルな世界に商品や利用 者をどこまで正確に「写像」できるかというのがポイント になります。 精度の高い写像を作ることができれば、商品の故障や利用 者の行動を理解したり、更に発展させて、予測したりする こともできるかもしれません。 商品や利用者を正確に写像するためには、ヒントとしての データは多い方がよく、しかも恣意性のない「正直なデー タ」が重要だと思います。 第2章 キュレーターってなんだ？ 業務知識を積み重ねても行けない領域 亀廼井：データの次は、キュレーターについて伺っていきたいと 思います。 高梨：キュレーターを組織化するにあたって、キュレーターには 業種/業務ノウハウが必要なのかどうかを検討しました。 例えば、多くのＳＥは、業種/業務を軸に組織化されてい ます。 データから考えるということ 亀廼井：大量の「正直なデータ」、ビッグデータらしい話になっ てきました。このような考え方は一般的になっているん ですか。 高梨：データ駆動型という言い方があります。例として、自然科 学の世界のメタゲノミクスという話をご紹介しましょう。 土壌や人間の健康状態を理解するために、サンプルとなる 土壌細菌や人の腸内細菌のゲノムを丸ごと読んでしまうと いうやり方です。大量の正直なデータという意味ではゲノ ムは最強ですよね。 ものすごく無駄なことにも見えますが、このやり方には、 2/4 ページ 亀廼井：開発する対象が業務アプリであるため、ＳＥは業種/業 務の知識を大切にしています。対して、キュレーターは 何を作り出すのか、そして、業種/業務の知識は必要か ということですね。 高梨：答えはNOなんですが、少し考え方をお話します。 キュレーターの得意技として、予測ロジックの作成とい うのがあります。人が病気になるリスク予測、機械の故 障予測、サービス会員の退会予測など、さまざまな分野 で今後の展開が期待されています。この予測ロジックに 関して、２つの事をお話します。 亀廼井：まず１つ目をお願いします。 http://jp.fujitsu.com/solutions/convergence/service/curation/ Interview データキュレーションサービス 高梨：１つ目は、業務/業種の知識を使って予測ロジックを作る ことの限界についてです。業種/業務のノウハウから仮説 を作っていくというアプローチは、将棋の強い人が将棋 ソフトを作る、医療の専門家が病気リスクの判定システ ムを作るということになります。 亀廼井：昔のＡＩのアプローチのようなものですね。 高梨：このアプローチで作られた将棋ソフトが、アマチュア２段 クラスの強さだったらしいです。しかし、プロ棋士の対局 の棋譜から、要するに大量のデータから学習して作成した 将棋ソフトは、プロ棋士にも匹敵する強さになりました。 人間が予測ロジックを作るには、限界があるということで す。ヒントとなる正直なデータを増やして、データから予 測ロジックを作るべきだと思います。 亀廼井：１つ目のお話は、業務知識による仮説よりも、大量デー タからの学習が予測ロジックづくりのポイントというこ とですね。 データを使って飛びぬけるためには？ 高梨：2つ目は、誮が予測ロジックづくりを実施すべきか、とい う話です。業務知識に依存しないでデータから学習する というやり方では、業務知識は必要なくなりました。し かしそれは機械学習のプログラムにまかせなさいという 単純な話ではないんです。 データを使って、何を見ますか？ 亀廼井：キュレーターの持つ素養の中で、「モデリング」という のが、今まではあまり表面にでてこなかったものかと思 います。 高梨：例として良く使うのですが、コモディティ化を打ち破るた めに「朝までよく眠れるエアコン」を作りたいという発想 があったとします。従来のエアコンは、室温を対象に制御 してきたわけですが、「朝までよく眠れるエアコン」を作 ろうと思ったら、「人の眠り」を対象にした制御を作らな ければなりません。人の眠りとはどのような状態を指すの か？ その状態は、どのようなデータを取得して、どのよ うに解析すれば導き出せるのか？を構築にして行くのがモ デリングです。 亀廼井：今の話ですと、モデリングは、製品の企画や開発業務に も関連していますね。キュレーターの役割はどこまでで すか。 高梨：例で言うと、「人の眠り」を数値化するところまでがキュ レーターの役割です。この指標ができることで、エアコン の専門家が人の眠りを対象にして制御を開発できるように なるはずです。はじめての試みなので、指標も制御もテス トを繰り返して精度を上げていくことになると思います。 製品を知り尽くした業務のプロと、データのプロである キュレーターの共同作業が必要だと思います。 データから機械学習で予測ロジックを作ると言っても、 データや目的に合った方法や、どうやって予測する対象/ 事象を定義するか、必要ならデータの持つ特徴をより学 習しやすいように強調していくなど、データ寄りの知識 や方法論が必要になります。 亀廼井：業務の知識は必要なく、キュレーターはデータ寄りの知 識の上になりたっているということですね。 高梨：データ寄りの知識を体系化することができれば、人の病 気、機械の故障、利用者の退会、という別々の業種向け の予測ロジックづくりを、同じような問題として捉える ことができるはずだと考えたんです。 そして、実際に可能だったので、データ寄りの知識を軸 にした新しい分析のエキスパートとして、キュレーター という職種を作ることができたんです。 第3章 新しい事業には新しいデータが必要 データに限界を教わろう 亀廼井：先ほどの予測ロジック作成の話では、予測ロジックの精度 はデータが握っているということでした。しかし、十分な 精度を確保するだけのデータ量になっていないことはない ですか。 高梨：あります。現状の精度の到達点は、現状のデータの限界点 なんです。キュレーターは、この限界を明確にすること、 そして、お客様のビジネスに必要なデータの種類や量につ いて提言もします。 亀廼井：予測ロジックのような新しいビジネスを目指したもので はなく、製品や利用者の理解を深めて、製品や業務を改 善していこうというような場合はいかがですか。 高梨：予測ロジックという例が、新しい特別なものに感じている かもしれませんが、製品や利用者を写像して深く理解する ということの先に、予測ロジックもあるのです。ですから、 キュレーターが最初に行うことは、現状を理解すること、 要するに、今あるデータから何がどこまで写像できるかを 見極めることになります。 3/4 ページ http://jp.fujitsu.com/solutions/convergence/service/curation/ Interview データキュレーションサービス データをデザインするということは、 ビジネスをデザインすること キュレーターが、お客さまのものづくりの一員に 亀廼井：限界がわかると、次は、お客様の企業にとって、これか ら増やすべきデータのデザインをするということになり ますか？ 高梨：企業として、商品や利用者、市場をどのように捉えていく べきか、どのようなデータを蓄積して、何を写像して見つ め続けていくと競争力につながるかという観点で、データ を捉えるべきです。データデザインの半分は、ビジネス目 標といいますか、企業として何を写像して見続けるべきか という考え方で決めるべきだと思います。それを写像する ために、データはこうあるべき…という残りの部分は、 キュレーターに相談してほしいです。 亀廼井：データはビジネス目標にリンクしているべきというこ とですね。 高梨：新しいデータを決めたら、まずは限定的な環境（機器であ ればデモ機、サービスであれば実証実験など）で収集し、 目的に見合う結果（写像）が得られるかどうかのテストを します。 亀廼井：目的に見合う写像という言い方からすると、データから 写像を作る際にキュレーターによりビジネス目標が考慮 された写像が計られるということでしょうか？ 高梨：実際に家庭に設置された機器からログを収集し、その機器 の稼働状況を把握します。その稼働状況から機器の使われ 方をとらまえることによって、利用している人の特性を写 像するものです。もとのデータを束ねることによって、利 用者像を導き出します。 亀廼井：ビジネスの目的とデータとの間をつなぐということです ね？ 高梨：目的によって、データの種別や解像度は異なると考えてい ます。例えば、センサーデータを取得する場合、1時間に1 回取得すればよいものと、1分に1回取得が必要なものがあ ります。これは取得したデータで何をするのかという目的 と密接に関係があります。 亀廼井：取得したデータから新たな評価指標のようなものを導く こともキュレーターの仕事でしょうか？ 高梨：はい。キュレーターは、「この製品にこんな機能をつけた い」という求めに応じて、その機能がつけられた製品を利 用者が使う場面を想定し、そこでの満足度を評価する指標 の作成も行います。このあたりが、従来のSIとは違う「ビ ジネスを作る」という行為なのだと思います。 亀廼井：そうすると、お客様にとってキュレーターとはどのよう な位置付けになりますか。 高梨：そうですね。今までのICT担当の位置付けではなくて、 もっと商品やサービスのものづくりの上流から長くお付き 合いをさせていただきたいと思います。 お客様のものづくりチームの中でデータに関連する諸事を 担当するメンバー。それがキュレーターです。 本記事では、ものづくりを中心にご説明しましたが、業種を問わず、キュレーターがお客様をご支援します。 キュレーターによる「データキュレーションサービス」については、弊社Webサイトをご覧ください。 お問い合わせ・資料請求は、富士通コンタクトラインまでお願いします。 データキュレーションサービス、コンバージェンスサービスに関する情報はこちら データキュレーションサービス ご紹介サイト： http://jp.fujitsu.com/solutions/convergence/service/curation/ コンバージェンスサービス ご紹介サイト ： http://jp.fujitsu.com/solutions/convergence/ 注：本インタビューに記載の肩書きや数値、固有名詞等は取材日現在のものであり、閲覧時には変更されている可能性があることをご了承ください。 お問い合わせ先 製品・サービスについてのお問合わせは 富士通コンタクトライン 0120-933-200 受付時間 9:00～17:30（土・日・祝日・当社指定の休業日を除く） 富士通公開サイト http://jp.fujitsu.com http://jp.fujitsu.com/solutions/convergence/service/curation/ 4/4 ページ 詳細はこちら http://jp.fujitsu.com/solutions/convergence/service/curation/