（米国カリフォルニア州サンノゼ発：抄訳リリース） - ビッグデータは、新たな技術を学び理解したいという技術者から発展した市場です。その後、ビッグデータ関連テクノロジーがもたらす企業利益に関心が移り発展してきた経緯があります。MapR Technologiesの創業者兼取締役会長のジョン・シュローダーは、ビッグデータ活用は主にデータの価値に重きを置くようになってきていると言います。
シュローダーはビッグデータ市場の動向に関して2017年に向けた6つの大きな予測を提言しました。その内容を本日、公開いたします。
1. 人工知能が再燃
1960年代にレイ・ソロモノフは帰納的推論と予測に世界的に認められているベイズ法を導入し、人工知能の数学的理論の基礎を築きました。1980年にはアメリカ人工知能協会の第1回会議がスタンフォード大学で開かれ、ソフトウェアにおける理論の応用が注目されました。そして、現在、人工知能は再び議論のメインストリームとなり、機械知能や機械学習、ニューラルネットワーク、コグニティブ・コンピューティングの分野で流行しています。今、なぜ人工知能が再び注目を浴びているのでしょうか。そこには3つのVが存在しています。速さ （Velocity）、多様性 （Variety）、そして、容量 （Volume） です。あらゆる処理で3つのVを実践可能なプラットフォームが存在します。そのプラットフォームは、従来に比べてスケールアウト技術を用いて10～20倍の費用対効果をもたらします。Googleは大規模データに対して実行されるためのシンプルなアルゴリズムが、どのように小規模データを扱う方法よりも良い結果をもたらすかに関してのドキュメントを公開しています。人間の直観に頼ったデータ管理では人為的エラーや人件費を考慮しなければなりませんが、ボリュームが多く繰り返しの多いタスクに人工知能を活用することで最高の結果を得ることができるでしょう。
2. ビッグデータはガバナンスすべきか、競争優位のためとすべきか
2017年はガバナンス対データ価値の戦いになるでしょう。企業は顧客やパートナーに関する膨大な情報を持っています。優れた組織は規制されている使用事例とそうでない使用事例のあいだでデータを管理するようになります。そして、規制された使用事例はデータの品質や系統といったガバナンスが必要です。ガバナンスを強化することで監督機関が元のデータからの全ての変更を追跡、レポートできるのです。これらは必須ですが、カスタマー360や正規化・非正規化データを扱い正確かつリアルタイムな提案を行うような非規制の使用事例においては障害となります。
3. 企業は「真」のデータレイクに着目
2017年、組織が使用するのは「構築すれば集まる」型のデータレイク手法からビジネス主導のアプローチへと変わっていくでしょう。今日、世界では個人レベルでリアルタイムに顧客の要求に応え、請求を処理し、デバイスに対応するためには、分析能力と運用能力が必要です。例えば電子商取引サイトであれば必ず個人毎にパーソナライズされたリコメンデーションをすることが必要となります。そして価格確認もリアルタイムに行わなければなりません。ヘルスケア関連企業であれば運用システムに解析学を適用することで有効な請求を処理し、不正な請求はブロックしなければならない。メディア企業は現在、セットトップボックスを通して配信されるコンテナをパーソナライズしたものにしています。自動車メーカーや相乗りサービスの会社は車やドライバーと大規模で相互に連絡を取り、運営しています。このようなユースケースを生み出すには、バックオフィスでの分析から事業部門でのオペレーションの時間の利用価値をさらに上げることが重要で、それを目的とした分析とオペレーションの両処理が可能なアジャイルプラットフォームが必要です。2017年には企業は「質問をする」というアプローチを越えて積極的に動き、初期ではあるが、長期のビジネスバリューを生み出すような設計を行うでしょう。
4. データの俊敏さが勝者と敗者を分ける
ソフトウェア開発は継続的にDevOpsが展開されるアジャイル型な状況になりました。2017年にはプロセッシングと分析モデルはデータが持つ俊敏性と同じレベルの俊敏さにまで発展します。データを理解し、ビジネスの背景に合わせて理解し行動するためのデータの理解力は単に大きなデータレイクを持つことではなく、競争優位性の源泉になるでしょう。俊敏なプロセッシングモデルが出現することで、バッチ分析やインタラクティブ分析、グローバルメッセージング、データベースとファイルベースの両モデルのサポートが同じデータインスタンスで可能となります。1つのデータインスタンスがより広範囲なツールセットをサポートできる場合、アジャイル分析モデルも増やすことができます。結果としてアジャイル開発が可能になり、最も範囲の広いプロセッシングと分析モデルをサポートするアプリケーションプラットフォームが開発されます。
5. ブロックチェーンが金融サービスのアプリケーションを変革する
ブロックチェーンはグローバルに分散した台帳を提供でき、データの保管方法やトランザクション方法を変えました。ブロックチェーンは世界中に散らばるコンピュータ上で動作し、そのチェーンは誰でも閲覧可能です。トランザクションはブロック単位で保存され、各ブロックは先行するブロックの情報を示します。ブロックにはタイムスタンプが付加され、データは改ざんすることのできない形式で保存されるのです。世界的にブロックチェーン全体が監視されていることから、ハッカーがブロックチェーンをハックすることはできません。ブロックチェーンは一般消費者に明らかに効率を上げるものです。例えば、一般消費者はSWIFT処理を待つこともなくなり、中央データセンターでのデータ漏洩の心配をする必要もありません。企業にとっては、ブロックチェーンはコストを削減し、競争優位性を持たせてくれるものです。2017年、金融サービスにおいてデータの保存方法やトランザクションの処理方法に広範囲な影響を持つ変化する使用事例が出現し、選ばれるでしょう。
6. 機械学習によりマイクロサービスの影響力が最大になる
今年は機械学習とマイクロサービスの統合が多く見られるでしょう。以前はマイクロサービスの展開は軽量なサービスや、狭帯域のストリーミングデータに適用されていたリアルタイムデータの統合に焦点が当てられた限定的な機械学習でした。2017年、開発はビッグデータを保持するアプリケーションや、新たに発生するストリーミングデータを膨大な量の過去のデータを使用してより深く理解する機械学習のアプローチへと焦点を移すでしょう。
シュローダーは次のように述べています。
「データ層にはテクノロジー層よりも議論すべき点がたくさんある。データが信頼でき、入手可能で保護されていると確信するにはどうすればいいのか? データの確実性を保証すると同時にアプリケーションを要求された規模とスピードで配信するにはどうすればいいのか? MapRを使用すれば、リアルタイムで分析の洞察を運用プロセスに適用することができるようになるのです」
■マップアール・テクノロジーズについて
MapRは、トップランクのHadoopおよびSparkをグローバルイベントストリーム、リアルタイムデータベース、エンタープライズストレージに統合した業界唯一のコンバージド・データ・プラットフォームを提供し、顧客がデータの持つ巨大なパワーを活用できるように支援しています。ミリ秒単位の応答が求められる不正検知、安全で高可用性が求められるヘルスケアにおけるデータ主導の洞察、侵入検知のためのペタバイト規模の分析、カスタマーエクスペリエンス向上のための業務処理と分析処理の統合など、厳しい要件を伴う製品ニーズを持つ企業がMapRを利用しています。ほとんどの顧客は12ヶ月以内に投資の回収を達成し、5倍以上のROIを実現しています。MapRは、ワールドクラスのプロフェッショナルサービスと、4万5千人の開発者、データアナリスト、システム管理者がビッグデータスキルの習得に利用した無料オンデマンドトレーニングを利用し、顧客の成功を確実なものにしています。また、アマゾン、シスコ、グーグル、HP、マイクロソフト、SAP、テラデータは、MapRの強力なエコシステムパートナーです。投資家には、Google Capital, Lightspeed Venture Partners, Mayfield Fund, NEA, Qualcomm Ventures and Redpoint Venturesが名を連ねています。MapRは米国カリフォルニア州に本社を置き、東京都千代田区に日本法人を構えています。
ホームページ：http://mapr.com/jp
Facebook ：https://www.facebook.com/maprjapan
Twitter ：https://twitter.com/mapr_japan
Hadoop総合サイト：http://www.hadoop-times.com/
■お客様からのお問い合せ先
マップアール・テクノロジーズ株式会社 営業部
Tel: 03-6386-0920 Email: sales-jp@mapr.com
シュローダーはビッグデータ市場の動向に関して2017年に向けた6つの大きな予測を提言しました。その内容を本日、公開いたします。
1. 人工知能が再燃
1960年代にレイ・ソロモノフは帰納的推論と予測に世界的に認められているベイズ法を導入し、人工知能の数学的理論の基礎を築きました。1980年にはアメリカ人工知能協会の第1回会議がスタンフォード大学で開かれ、ソフトウェアにおける理論の応用が注目されました。そして、現在、人工知能は再び議論のメインストリームとなり、機械知能や機械学習、ニューラルネットワーク、コグニティブ・コンピューティングの分野で流行しています。今、なぜ人工知能が再び注目を浴びているのでしょうか。そこには3つのVが存在しています。速さ （Velocity）、多様性 （Variety）、そして、容量 （Volume） です。あらゆる処理で3つのVを実践可能なプラットフォームが存在します。そのプラットフォームは、従来に比べてスケールアウト技術を用いて10～20倍の費用対効果をもたらします。Googleは大規模データに対して実行されるためのシンプルなアルゴリズムが、どのように小規模データを扱う方法よりも良い結果をもたらすかに関してのドキュメントを公開しています。人間の直観に頼ったデータ管理では人為的エラーや人件費を考慮しなければなりませんが、ボリュームが多く繰り返しの多いタスクに人工知能を活用することで最高の結果を得ることができるでしょう。
2. ビッグデータはガバナンスすべきか、競争優位のためとすべきか
2017年はガバナンス対データ価値の戦いになるでしょう。企業は顧客やパートナーに関する膨大な情報を持っています。優れた組織は規制されている使用事例とそうでない使用事例のあいだでデータを管理するようになります。そして、規制された使用事例はデータの品質や系統といったガバナンスが必要です。ガバナンスを強化することで監督機関が元のデータからの全ての変更を追跡、レポートできるのです。これらは必須ですが、カスタマー360や正規化・非正規化データを扱い正確かつリアルタイムな提案を行うような非規制の使用事例においては障害となります。
3. 企業は「真」のデータレイクに着目
2017年、組織が使用するのは「構築すれば集まる」型のデータレイク手法からビジネス主導のアプローチへと変わっていくでしょう。今日、世界では個人レベルでリアルタイムに顧客の要求に応え、請求を処理し、デバイスに対応するためには、分析能力と運用能力が必要です。例えば電子商取引サイトであれば必ず個人毎にパーソナライズされたリコメンデーションをすることが必要となります。そして価格確認もリアルタイムに行わなければなりません。ヘルスケア関連企業であれば運用システムに解析学を適用することで有効な請求を処理し、不正な請求はブロックしなければならない。メディア企業は現在、セットトップボックスを通して配信されるコンテナをパーソナライズしたものにしています。自動車メーカーや相乗りサービスの会社は車やドライバーと大規模で相互に連絡を取り、運営しています。このようなユースケースを生み出すには、バックオフィスでの分析から事業部門でのオペレーションの時間の利用価値をさらに上げることが重要で、それを目的とした分析とオペレーションの両処理が可能なアジャイルプラットフォームが必要です。2017年には企業は「質問をする」というアプローチを越えて積極的に動き、初期ではあるが、長期のビジネスバリューを生み出すような設計を行うでしょう。
4. データの俊敏さが勝者と敗者を分ける
ソフトウェア開発は継続的にDevOpsが展開されるアジャイル型な状況になりました。2017年にはプロセッシングと分析モデルはデータが持つ俊敏性と同じレベルの俊敏さにまで発展します。データを理解し、ビジネスの背景に合わせて理解し行動するためのデータの理解力は単に大きなデータレイクを持つことではなく、競争優位性の源泉になるでしょう。俊敏なプロセッシングモデルが出現することで、バッチ分析やインタラクティブ分析、グローバルメッセージング、データベースとファイルベースの両モデルのサポートが同じデータインスタンスで可能となります。1つのデータインスタンスがより広範囲なツールセットをサポートできる場合、アジャイル分析モデルも増やすことができます。結果としてアジャイル開発が可能になり、最も範囲の広いプロセッシングと分析モデルをサポートするアプリケーションプラットフォームが開発されます。
5. ブロックチェーンが金融サービスのアプリケーションを変革する
ブロックチェーンはグローバルに分散した台帳を提供でき、データの保管方法やトランザクション方法を変えました。ブロックチェーンは世界中に散らばるコンピュータ上で動作し、そのチェーンは誰でも閲覧可能です。トランザクションはブロック単位で保存され、各ブロックは先行するブロックの情報を示します。ブロックにはタイムスタンプが付加され、データは改ざんすることのできない形式で保存されるのです。世界的にブロックチェーン全体が監視されていることから、ハッカーがブロックチェーンをハックすることはできません。ブロックチェーンは一般消費者に明らかに効率を上げるものです。例えば、一般消費者はSWIFT処理を待つこともなくなり、中央データセンターでのデータ漏洩の心配をする必要もありません。企業にとっては、ブロックチェーンはコストを削減し、競争優位性を持たせてくれるものです。2017年、金融サービスにおいてデータの保存方法やトランザクションの処理方法に広範囲な影響を持つ変化する使用事例が出現し、選ばれるでしょう。
6. 機械学習によりマイクロサービスの影響力が最大になる
今年は機械学習とマイクロサービスの統合が多く見られるでしょう。以前はマイクロサービスの展開は軽量なサービスや、狭帯域のストリーミングデータに適用されていたリアルタイムデータの統合に焦点が当てられた限定的な機械学習でした。2017年、開発はビッグデータを保持するアプリケーションや、新たに発生するストリーミングデータを膨大な量の過去のデータを使用してより深く理解する機械学習のアプローチへと焦点を移すでしょう。
シュローダーは次のように述べています。
「データ層にはテクノロジー層よりも議論すべき点がたくさんある。データが信頼でき、入手可能で保護されていると確信するにはどうすればいいのか? データの確実性を保証すると同時にアプリケーションを要求された規模とスピードで配信するにはどうすればいいのか? MapRを使用すれば、リアルタイムで分析の洞察を運用プロセスに適用することができるようになるのです」
■マップアール・テクノロジーズについて
MapRは、トップランクのHadoopおよびSparkをグローバルイベントストリーム、リアルタイムデータベース、エンタープライズストレージに統合した業界唯一のコンバージド・データ・プラットフォームを提供し、顧客がデータの持つ巨大なパワーを活用できるように支援しています。ミリ秒単位の応答が求められる不正検知、安全で高可用性が求められるヘルスケアにおけるデータ主導の洞察、侵入検知のためのペタバイト規模の分析、カスタマーエクスペリエンス向上のための業務処理と分析処理の統合など、厳しい要件を伴う製品ニーズを持つ企業がMapRを利用しています。ほとんどの顧客は12ヶ月以内に投資の回収を達成し、5倍以上のROIを実現しています。MapRは、ワールドクラスのプロフェッショナルサービスと、4万5千人の開発者、データアナリスト、システム管理者がビッグデータスキルの習得に利用した無料オンデマンドトレーニングを利用し、顧客の成功を確実なものにしています。また、アマゾン、シスコ、グーグル、HP、マイクロソフト、SAP、テラデータは、MapRの強力なエコシステムパートナーです。投資家には、Google Capital, Lightspeed Venture Partners, Mayfield Fund, NEA, Qualcomm Ventures and Redpoint Venturesが名を連ねています。MapRは米国カリフォルニア州に本社を置き、東京都千代田区に日本法人を構えています。
ホームページ：http://mapr.com/jp
Facebook ：https://www.facebook.com/maprjapan
Twitter ：https://twitter.com/mapr_japan
Hadoop総合サイト：http://www.hadoop-times.com/
■お客様からのお問い合せ先
マップアール・テクノロジーズ株式会社 営業部
Tel: 03-6386-0920 Email: sales-jp@mapr.com
