SUNABACOさんのAI人材育成講座第6期
7日目の復習記事、3本目です。
前回の記事で、因子は現場にある、と書きました。
では、そのデータをどうやって集めるのか。
7日目後半の答えは「データパイプライン」です。
【現場に頼るな】
講師のスライドには
「データが簡単に手に入ると思うな」
とありました。
どういうことかと言うと
現場にお願いしても、やってくれない。
多くの場合、何かに阻まれる
ということだそうです。
そのうえで、
どうやって継続的に集めるかを考えます。
【目的を持ってデータを集める】
データ集めの順番は4つです。
1. 課題は何かを明確にする
2. その課題と関連性が高いデータは何かを考える
3. そのデータを持っている人は誰かを考える
4. データを提供してもらう
【どこにどんなデータがあるのか】
受注から売上計上までの
スイムレーン図を描くと、
受注書・生産管理入力・受領書・売上伝票が、
どの担当のどの段階で生まれるかが見えます。
データのありかは、
大きく3種類に分けられます。
・業務に関するデータ：スイムレーン図から見つける
・バックオフィスのデータ：勤怠管理システムなど
・マクロのデータ：気象庁、e-Statなど
予測システムは
継続的にアップデートするものです。
バックオフィスのデータも、
1回もらって終わりにはなりません。
継続的にもらう仕組みが必要です。
【データパイプラインを作るのが講座の目標】
データパイプラインとは、
データが自動で流れてくる配管のことです。
あちこちに散らばっているデータを、
決まった順番で取り出して、
使える形に整えて、
決まった場所にためる。
この一連の流れを、
人が毎回手で動かすのではなく、
仕組みとして作っておく。
それがデータパイプラインです。
水道に例えると分かりやすいと思います。
毎朝、井戸まで水を汲みに行くのが手作業。
蛇口をひねれば水が出るのがパイプラインです。
配管を敷くのは大変ですが、
一度できてしまえば、
あとは誰が使っても水が出ます。
講師によると、
データパイプラインを作ることが、
このAI人材育成講座の目標です。
何故かと言うと、
データをくださいとお願いしたところで
大抵は人の協力と言うのはいずれなくなるもの。
そうではなくて、
誰にとっても便利な仕組みを構築し
その仕組みを利用することによって
強制的にデータが集まる仕組みを作ってしまうのが
「人に優しい」仕組みと言うものです。
データパイプラインはその仕組みということです。
例として、トライアルホールディングスの
リテールDXが紹介されました。
トライアルは約1年前にスーパーの西友を買収、
お客さんにラクや便利を提供しながら、
同時にデータも取っている、という事例です。
講師によると、
多くの店舗で黒字化しているとのことでした。
すごい事例なのでぜひリンクをクリックして
見てみてください。
https://www.meti.go.jp/shingikai/mono_info_service/distribution_industry/pdf/003_06_00.pdf
（出典：経済産業省の審議会資料）
予測モデルは、
データパイプラインから生まれる
成果のひとつにすぎません。
アプリも同じです。
これらを統合して、
1つの出口にまとめるからこそ意味がある、
という話でした。
【ETLとAPI】
パイプラインの中身は「ETL」です。
・抽出（Extract）：データを取り出す
・変換（Transform）：使える形に整える
・書き出し（Load）：保存する
勤怠や財務のデータがETLを通り、
可視化や分析に使われます。
抽出と変換では、
既にあるシステムからデータを横流しします。
その窓口がWebAPIです。
2つのソフト同士がデータをやり取りするための
決まりごとです。
【ベンダーロックイン】
ベンダーロックインとは、
特定の会社の製品やサービスに深く依存してしまい、
他社に乗り換えられなくなる状態のことです。
乗り換えたくても、
これまでのデータを持ち出せない。
持ち出せても、他社では読めない形式になっている。
結果、不満があっても使い続けるしかなくなります。
これは電子カルテに非常によく見られる
困った仕組みです。
データを人質に取られるようなものです。
Shopifyは有名なネットショップのサービスですが
ベンダーロックインがないとの事でした。
したがって講座では、ネットショップなら
Shopifyへの移行が勧められていました。
オープンデータもAPIで取得できます。
電子カルテを選ぶとき、
「データを外に出せるか」を
最初に確かめるべきだった。
そう思い当たる話でした。
【実習】
スイムレーン図を書きました。
何回か書いて慣れる必要がありますね。