組織におけるデータ戦略(4): データ戦略を実行する
データ戦略を実行するためには、戦略が正しいだけでなく、正しく実践できるかを綿密に考える必要があります。その実践の上で、以下2点を押さえる必要があります。
- 目標を達成するためのアクション（イニシアチブ）を定義する
- 実行/測定計画
この2点を軸として、掘り下げた内容を解説していきます。
(参考元: Atwal, Harvinder “Chapter 2. 2. Data Strategy.” In Practical DataOps: Delivering Agile Data Science at Scale, edited by Atwal, Harvinder. Isleworth, UK: APRESS, 2020.)
目次
データ戦略を実施する
データライフサイクルの各段階で定義されたデータ戦略の目標ごとに、複数のデータ戦略イニシアチブ (目標を達成するためのアクション) を作成する必要があります。
データ戦略イニシアチブには、短期的なものもあれば、長期的なものもあり、一連のイニシアチブの段階的なものもあります。
以下、データ戦略イニシアチブについて、テーマごとにポイントをおさえながら解説します。
キャプチャ段階のデータ
- プロジェクトが完了したと見なす前に解析内容からその同意を得て、可能な場合はイベントデータ形式でデータを取得する。
- 定義された命名、形式、および値の表現基準に準拠する。
- 内部データを強化するための外部データを取得する。
保存(Store)の段階
- 生データのソースアーカイブをネイティブ形式でクラウドストレージに作成する。
- 複数の既存ソースからの構造化データと半構造化データを組み合わせた「集中型分析データウェアハウス」をクラウドに作成する。
- データガバナンス：機密データへのアクセスをシステムまたは利用者権限ごとに制限する。
処理(Process)の段階
- データ品質を向上させ、ユーザーがデータの系統と来歴を追跡可能にする。
- 変更データキャプチャ(CDC) の実装、従来のデータウェアハウス(DWH)での挿入、更新、および削除の追跡をする。
- データの低速なバッチコピーを必要とせずにクラウドでデータを迅速に更新可能にする。
- 分析をクラウドに移行し、データストレージをコンピューティングから分離し、ETL処理を動的にスケーリングしてトランザクションの季節変動に対処する。
共有(Share)の段階
- データ管理の戦略的イニシアチブを持ち、メタデータ管理ソリューションを作成する。
- マスタ・データマネジメント(MDM)のソリューションを実装し、データカタログを生成して、データの検出と統合を容易にする。
- クラウドでは、一元化された分析DWHで共通の集計とソースデータにより、組織全体の複数のユーザーが、独自のロジックを作り直すことなく同じロジックを再利用可能にする。
- 参考記事：【用語集】DWH（Data Warehouse）
データサイエンティスト、データアナリスト、分析チームのイニシアチブ
- 分析チーム：コンピューティングおよびストレージ サービス、データ取り込み、データ処理、データ準備ツールなど、さまざまなクラウドサービスにアクセスができる。
- データサイエンティスト：ソフトウェア ツールとライブラリにアクセスして、個別にスケジュール、展開、監視できる再現可能なデータ製品を開発する。
データタイフサイクルの目的
データライフサイクルの各段階の目的は、阻害要因やボトルネックを取り除き、他の段階や組織の目標に利益をもたらすことです。
データ戦略のスポンサーが促進する定期的なレビュー、透明性のある計画、オープンなコミュニケーションにより、視点が分断されるリスクが軽減されます。ただし、データのライフサイクル全体をサポートするためには、さらなるプロジェクトが必要です。
スキルの習得
データ戦略をサポートするための新しいスキルが必要です。
データガバナンスにはデータスチュワードとデータ所有者が必要であり、データサイエンティストにはソフトウェア開発スキル、データエンジニアにはクラウドコンピューティングのスキルが必要です。
新しい需要に対応するために、社内の人員をトレーニングしたり、外部から採用したりするためのデータ戦略イニシアチブがあります。
- 参考記事：DataOpsチームを作る
- 参考記事：DataOpsの未来とトレンド
パフォーマンスの向上
プロセスを変更して、データライフサイクル全体のデータフローの速度、規模、および信頼性を向上させる必要があります。
パフォーマンスと可用性の所有権を持つSLA(サービスレベルアグリーメント)を作成するためのデータ戦略イニシアチブがあります。
実行と測定計画 – 実行されているかどうかをどのように知ることができるか?
データ戦略の目標とイニシアチブが策定されたら、組織はそれらを実現し、結果を測定するための現実的な実行計画を作成する必要があります。
以下図は、データ戦略のイニシアチブ、実行、および測定の手順をまとめたものです。
(画像引用元：Figure 2-4., Atwal, Harvinder “Chapter 2. Data Strategy.” In Practical DataOps: Delivering Agile Data Science at Scale, edited by Atwal, Harvinder. Isleworth, UK: APRESS, 2020.)
アジャイルアプローチの推奨
実行計画を提供するための推奨されるアプローチは、ウォーターフォールよりも、反復的でタイムボックス化されたアジャイルなアプローチを採用することです。限られた人員、予算、時間の中で、常に優先順位を付ける必要があります。
コミュニケーション計画
最新のデータ戦略を実現する上では従来のアプローチからの根本的な変化が起こりうるため、慎重なコミュニケーションが必要です。
実行計画の一部は、データ戦略のコミュニケーション計画ともいえます。変更に触れた同僚に説明し、調整し、やる気を促します。
コミュニケーション計画に加えて、データ戦略のスポンサーは、個人の目標とインセンティブが、データ戦略の価値に基づく成果指標と一致していることを確認する必要があります。
測定計画
実行計画に加えて、データ戦略が順調に進んでいるかどうかを知るための測定計画が必要です。測定計画には以下のポイントを押さえる必要があります。
- フレームワークの活用：バランス スコアカード、OKR、KPIなどを活用する。
- 活動ベースでなく、価値ベースのアウトプットに焦点を当てる。
- 品質、可用性、および信頼性に関するサービスレベルの測定だけでなく、速度と俊敏性の測定も含める。
- 何を測定するかだけでなく、誰が測定を行うか、いつ測定するか、戦略の実行が目標よりも大幅に遅れているか進んでいる場合に何が起こるかを指定する。
測定のタイミング
戦略的イニシアチブを毎月または四半期ごとに見直し、目標を毎年見直します。年末には、測定値が状況分析の次の反復にフィードされ、現実的な目標とターゲットが確実に設定されます。
データ戦略の目標とイニシアチブの目的の一貫性
データ戦略の目標とイニシアチブの目的は、組織の目標を達成するために分析イニシアチブから利益をもたらすことです。
したがって、分析プロジェクトの利益とデータ戦略イニシアチブの利益の両方を理解するために、分析プロジェクトの利益を追跡する必要もあります。
フィードバックループ
測定計画から、最終的な結果は、以下、低速(データに関する学習だけでなく、組織の戦略的目標についても学習)、中速ループ(データ戦略イニシアチブからの学習)、高速ループ(分析イニシアチブからの学習)の3 つのフィードバックループです。
各フィードバックループは、さまざまな時間枠で目標を達成する際の組織の有効性を最適化するのに役立ちます。
データ戦略の開発手順と組織の目標との整合
以下の図では、データ戦略の 1 つの反復を作成するために実行されるすべての手順を示しています。これは、組織の目標に沿っており、堅牢な状況分析によって支えられています。
(画像引用元：Figure 2-5., Atwal, Harvinder “Chapter 2. Data Strategy.” In Practical DataOps: Delivering Agile Data Science at Scale, edited by Atwal, Harvinder. Isleworth, UK: APRESS, 2020.)
このアプローチは、ビジネス戦略、顧客のニーズ、テクノロジー、および規制の変化に適応できるデータ戦略を提供します。メソッド自体は、組織のタイプ、業界、またはデータ分析の成熟度にとらわれません。
まとめ
組織におけるデータ戦略について、データ戦略イニシアチブとその実行・測定計画について解説をしましたが、データ戦略は「絵にかいた餅」ではなく、それを実行してフィードバックを得続けることに価値があります。その実行を成し遂げる際には、効率的なツールの活用が不可欠となります。
Reckonerは、直感的なインターフェースのクラウド型ETLにより、データ戦略の実行をサポートします。具体的な活用イメージや貴社のデータ活用課題などお気軽にお問い合わせください。
関連記事
関連記事はありません。
