データプラットフォームのガイド

データプラットフォームは、組織のデータを管理、保存、連携、有効化するように設計されたシステムです。膨大な量のデータからビジネス価値を引き出すための基盤となります。この場合の具体的なビジネス価値は、顧客やビジネスの全体像の把握や多くのユースケースの支援まで多岐にわたります。たとえば、AI、エージェント型AI、アナリティクスのサポート、意思決定の根拠となる情報の提供、営業、サービス、マーケティング、コマース全体での自動化の促進などが挙げられます。データプラットフォームは、データの収集、処理、分析方法を改善することで、データをライフサイクル全体でスムーズに管理して使用できるようにします。

こうしたプラットフォームは、組織全体でデータの統合やサイロの解消を実現するために重要な役割を果たします。また、あらゆるグループやステークホルダーがデータにアクセスして使用できる環境も確立します。

一般に、データプラットフォームアーキテクチャには以下のような構成要素が含まれます。

• データの取り込み
• データストレージ
• データ変換と連携
• アナリティクスと可視化
• ガバナンスとセキュリティ

データプラットフォームインフラストラクチャには、クラウドまたはオンプレミス環境、ネットワーク、ストレージシステムが含まれます。これらが互いに連携し、データをリアルタイムまたは一括で取得、処理、提供します。最新のデータプラットフォームインフラストラクチャは、データの増加と複雑化に合わせて拡張できるように設計されています。さらに、安全かつコンプライアンスに準拠したデータ処理も実現します。

データプラットフォームは、以下の段階ごとに、データの収集と管理を支援します。

データの取り込みは、データを収集してプラットフォームにインポートするプロセスです。すべてのデータワークフローのスタート地点になります。エンタープライズシステム、アプリケーション、データレイク、ウェアハウス、ソーシャルメディア、IoTセンサーなど、さまざまなソースからデータを収集する作業が該当します。通常、データは以下の方法で連携されます。

• リアルタイムの取り込み：株式市場のモニタリングなど、すぐにインサイトが必要なシナリオに最適です。
• 一括での取り込み：毎月の販売レポートなど、大量のデータセットを定期的に処理するシナリオに適しています。

一括処理は、従来の抽出-変換-ロード（ETL）または抽出-ロード-変換（ELT）パイプラインを使用して処理するのが一般的です。

取り込んだデータを中央リポジトリに保存します。この場合、拡張性、堅牢性、アクセス性を備えたリポジトリが理想です。以下のようなリポジトリが想定されます。

• データレイク：大量の構造化データ、非構造化データ、半構造化データを保存できます。こうしたデータは一般に未加工/未処理の状態です。
• データウェアハウス：顧客関係管理ソフトウェアやPOS取引など、複数のソースから得た構造化データを照合するエンタープライズデータ管理システムです。データウェアハウスには、処理済みの非構造化データも保存できます。
• データレイクハウス：データレイクハウスは、データウェアハウスとデータレイクの長所を組み合わせることで、フォーマットとデータ量にかかわらず、あらゆるデータをすばやく容易に結合し、インサイトを引き出すことができます。

未加工のデータは、事前にクリーニング、標準化、エンリッチ化しないと、有効に活用できません。このデータ変換には、以下のステップが含まれます。

• エラーや重複を排除する。
• データを互換性のあるフォーマットに変換する。
• 顧客の全体像を把握するためにデータセットをハーモナイズする。

Apache Sparkなどのツールは分散データ処理を得意とし、SQLは構造化された変換で効果を発揮します。

次のプロセスが含まれます。

• データクリーニング ：エラー、重複、不一致を排除する。
• 標準化：互換性を高めるためにフォーマットを標準化する。
• エンリッチ化：コンテキストや外部データを追加してデータセットを強化する。

こうしたプロセス自動化ツールを駆使してデータインテグレーションを加速することで、データを速やかに統一できます。同じ小売会社の例で考えると、データアナリティクスとAIによってデータを分析することで、顧客の好み、購買行動、統計情報などの詳細を含む、統一された顧客プロファイルを作成できます。

データプラットフォームは、ビジネス戦略と業務遂行に変革をもたらします。主なメリットは次のとおりです。

• 業務と効率の改善：データプラットフォームは、データの統合とデータサイロの削減に役立ちます。データを統合することで、組織全体の業務効率が向上します。答えを探して時間を浪費したり、アナリティクスチームがさまざまなシステムからデータを取得してカスタムレポートを作成するまで数週間も待ったりする必要はありません。統合データは複数システムにおける重複がないため精度が高く、多数のソースから得たさまざまなデータセットを組み合わせることで網羅性も高くなります。大半のデータプラットフォームには、統合されたデータワークフローを最適化し、ライフサイクル全体でデータの健全性を管理するためのツールが備わっています。
• AIを成功に導くデータ基盤の強化：AIとエージェント型AIは、データプラットフォームの効果を高める上で重要な役割を果たします。人間よりもはるかに速くデータを処理・分析できるこれらのテクノロジーを活用することで、データはいつでも活用できる状態になります。たとえば、AIがエラーや重複を除外して乱雑なデータを自動的にクリーンアップしてくれるため、時間と労力を大幅に節約できます。自律的に動作できるエージェント型AIは、データの品質を常にチェックして改善し、そのデータから得られるインサイトを常に正確かつ最新の状態に保ちます。
  
  AIを活用したデータプラットフォームは、Webサイトから得た顧客情報や店舗から得た販売データなど、異なるソースから取得したデータを集約し、全体像として提示できます。このようにデータを総合的に把握することで、今後のトレンドを予測する場合も、リアルタイムで選択する場合も、意思決定の質が向上します。たとえば、小売会社は、AIを使用してオンラインと店舗の購入データをすばやく結合することで、もっとも売れ筋の商品を特定し、その情報に応じて在庫を調整できます。このように、AIは未加工のデータを価値のある情報に変換し、ビジネスを前進させることができます。
• 顧客体験のパーソナライズ：タッチポイント全体でデータを統合することで、プラットフォームは顧客の全体像を提供します。その情報から、マーケティングチームと営業チームは顧客に合わせた体験を提供できます。たとえば、Amazonなどのeコマース企業は、データプラットフォームを利用して商品のレコメンデーションをパーソナライズし、顧客満足度とロイヤルティを高めています。
• イノベーションと俊敏性の加速：データプラットフォームは、イノベーションとスピーディな検証実験を促進します。たとえば、物流企業は、AIによって配送状況をリアルタイムで追跡し、配送ルートを最適化して荒天を回避できます。新製品を投入する企業は、1秒未満のリアルタイムで更新されるデータを基に仮説検証を行い、戦略を柔軟に転換できます。
• 実践的なデータでより良い意思決定を促進：データプラットフォームは、履歴データやリアルタイムのデータを分析し、トレンドを把握して、将来の成果を予測するのに役立ちます。高度なアナリティクスツールと可視化ツールにより、より迅速かつ正確な意思決定が可能になります。たとえば、小売業者は、履歴データを分析して売れ筋の商品を特定し、今後の販売需要に備えて在庫を増やすことができます。

データプラットフォームには、さまざまな形態があります。いずれも具体的なビジネス課題やデータ管理ニーズに対処できるように設計されています。以下は、多くの組織が使用している4種類のプラットフォームです。

クラウドデータプラットフォームは、クラウドインフラストラクチャを使用してすべてのデータを保存します。拡張性に優れた、容易にアクセスできる柔軟なデータソリューションとして、オンプレミスシステムの制約なしでデータを処理、分析、保存できます。クラウドデータプラットフォームのメリットは以下のとおりです。

• 拡張性：弾性のあるインフラストラクチャで増大するデータ量に対応します
• リアルタイム処理：多くのクラウドプラットフォームはリアルタイムでデータを取り込んでアナリティクスを実行する機能を搭載しています
• コスト効率：従量課金制の価格モデルにより、初期インフラストラクチャコストを節減できます

エンタープライズデータプラットフォーム（EDP）は、大規模な組織の複雑なデータ管理ニーズを満たすように構成された包括的なソリューションです。EDPは拡張性とコンプライアンスを両立させつつ、整合性を保ちながら複数のソースにあるデータを連携させます。

EDPの一般的な使用例は以下のとおりです。

• エンタープライズリソースプランニング（ERP）：ERPなどのシステムは、財務、サプライチェーン、人事などの部門間でのデータの連携を支援します。
• 顧客関係管理（CRM）：Salesforceなどのプラットフォームは、顧客データを一元化し、カスタマーエンゲージメント戦略を改善します。

連携機能を提供するEDPは、データ戦略を組織目標と一致させたいと考えるビジネスに不可欠です。

顧客データプラットフォーム（CDP）は、複数のタッチポイントから得た顧客データを統合し、それぞれの顧客の全体像を提供することに特化したプラットフォームです。CDPはパーソナライズされた顧客体験を提供する際、特に重要な役割を果たします。通常、CDPは、Webサイト、モバイルアプリ、ソーシャルメディア、オフラインでのやり取りなど、さまざまなソースからデータを収集します。

CDPは主に顧客の好みに基づくターゲティングやレコメンデーションを可能にし、顧客行動トレンドの信頼できる唯一の情報源を提供します。CDPは、データを実践的なインサイトに変換することで、顧客にメリットをもたらし、顧客ロイヤルティを高めて、組織の顧客満足度の改善に貢献します。

ビッグデータプラットフォーム（BDP）は、従来のデータ処理システムでは処理しきれない複雑で膨大なデータセットを管理・分析するために設計されています。たとえば、Webサイトでやり取りする数百万のユーザーから生成されるクリックストリームデータなどの処理に対応します。これらのプラットフォームは、ハイパフォーマンスコンピューティングと大規模データストレージを専門とし、構造化データと非構造化データをリアルタイムで処理できます。

BDPの一般的なユースケースは以下のとおりです。

• ヘルスケア：患者データは、電子カルテ、患者診察記録、MRIイメージング、スキャン結果など、数多くのフォーマットで生成されます。その多くは非構造化データであり、大量のストレージスペースを必要とします。このデータを分析することで、医療機関は患者の転帰や研究成果の向上に役立てることができます。
• 金融：企業は、BDPのインサイトを不正検知、アルゴリズム取引、リスク管理に使用できます。

カスタムデータプラットフォームを構築するか、既存のソリューションを購入するかどうかの判断は、組織が掲げる目標、予算、技術的な専門性、タイムラインが鍵になります。いずれも明確なメリットと課題があります。

カスタムデータプラットフォームを構築する場合は、組織固有の要件を満たすように設計された専用のソリューションを作成することになります。

独自のデータプラットフォームの構築には、以下のようなメリットがあります。

• 設計、アーキテクチャ、機能をすべて管理できる
• 具体的なユースケースや業界固有のニーズに対応できる
• ビジネスの成長に合わせて拡張・適応できる柔軟性を得られる
• カスタマイズされたセキュリティおよびコンプライアンス機能を確保できる

一方で、課題もいくつかあります。

• 時間、資金、リソースの先行投資が高くなる
• データエンジニアリング、アーキテクチャ、セキュリティの専門知識を備えた、熟練のテクニカルチームが必要になる
• プレビルトソリューションよりも市場投入までの時間が長くなる

カスタムプラットフォームの構築は、ニッチな業界の組織や、既成のプラットフォームではサポートできない独自のユースケースを抱える組織に最適です。たとえば、ゲノム研究向けの専門的なデータインテグレーションを必要とするバイオテック企業は、そのデータフロー独自の複雑さに対応するプラットフォームを構築できます。

データプラットフォームを購入する場合は、すぐに使える機能や能力を備えた、ベンダー製のプレビルトソリューションを導入することになります。

組織は以下のようなメリットを得られます。

• 実装して価値を得るまでの時間を短縮できる
• テスト済みの信頼できる機能や継続的な更新を利用できる
• 組織内の技術的な専門スタッフやメンテナンスのニーズが減る
• クラウドベースのソリューションによる拡張性と柔軟性を得られる

一方で、以下のような課題もあります。

• カスタムビルトのプラットフォームよりもカスタマイズが制限される
• サブスクリプションやライセンスに継続的なコストがかかる
• ベンダーの信頼性とサポートに依存することになる

ソリューションを直ちに必要としている場合や、カスタムプラットフォームを維持するリソースを持たない場合は、プラットフォームを購入した方が効果的でしょう。たとえば、リアルタイムの顧客パーソナライズを導入したい小売会社は、Data 360などのクラウドベースのデータプラットフォームを購入することで、データをすばやく連携して顧客インサイトを活用できます。

構築と購入のいずれかを選択する判断では、具体的な目的、技術的な能力、予算が重要になります。スピードと実績のある機能を求める場合は、確立されたソリューションの購入が適しています。

データプラットフォームを導入することで、データの抽出から分析まで一貫して管理できます。Salesforceエコシステムでは、Data 360が、構造化データと非構造化データも含めて、すべてのデータ管理の中心になります。データをネイティブなCustomer 360ビューに集約し、信頼できるコンテキストデータをAgentforceに供給することで、既存のデータレイクやデータウェアハウスの効果を拡大し、リアルタイムのインサイトやインテリジェントなアクションを有効活用します。自動化ツール、データガバナンス、高度なAIを備えたData 360があれば、データを最大限活用できます。