本格化する企業のデータ活用 AI時代のデータ分析に必要な武器とは？

データ活用を経営の武器として実業務に取り込む機運が本格的に盛り上がりはじめた。ただし、その具体的な道筋はいまだ明確にはなっていない。いま、どのような仕組みの整備が求められているのだろうか。IDC Japanが2016年2月10日に開催した「Japan Storage Vision 2016」では、その問いかけへの“解”ともいえる講演が行われた。

[PR／ITmedia]

PR

急増する分析系データの価値をどう引き出すか

　クラウドやビッグデータ解析、ソーシャル技術などの有効性は、もはや当然のように語られ、現在それらを新たな経営の“武器”として、実業務に展開する段階に入りつつある。そのことは各社がデータ収集に、より前のめりになっていることからも明らかだ。

　調査会社のIDC Japanは2016年2月10日、ビジネスとストレージの今後の展望をテーマとするカンファレンス「Japan Storage Vision 2016」を開催した。そこに登壇したIDC Japanのマーケットアナリスト、宝出幸久氏は「我々の調査によると、企業が保有する非構造化データは今後2年間でさらなる急増が見込まれている。注目すべき部分は、現状でデータを大量に持つ企業ほどその傾向が強く、また、保有するデータもIoT（モノのインターネット）関連を含む各種センサーデータや分析系データなどの保有割合が高いということにある」と強調した。

宝出幸久氏(講演：次世代ITインフラとデータ活用プラットフォームの展望)

　宝出氏によると、それらのデータの保有割合は、50テラバイト以上のデータを保有する企業で多くなる傾向が明らかになっているという。

　一方で、今後2年間で31％以上の増加が見込まれるデータの種類を尋ねた質問では、センサーデータや、映像コンテンツを挙げる企業が25％を超えた。これらを踏まえ、宝出氏は次のように述べた。

　「今後、企業が保有する分析系データの急増は、まず疑いのないところ。ただし、そこで課題となるのは、こうしたデータを格納するストレージインフラを高いコスト効率で構築し、また、効率的な運用管理を実現することである。この課題を克服するための策を見極めると共に、こうしたデータを活用し、分析などによるビジネス価値の創出を支えるプラットフォームへの変革が求められる」

IoT/ビッグデータ/AIによる新たな知見の発掘競争に

　では、果たして分析系データの増加に企業はどう対応を図るべきなのか。打開策の糸口を提示すべく、「データ分析のいま」をかみ砕いて説明したのがクラウディアンの取締役を務める本橋信也氏である。

　本橋氏によると、IoT（モノのインターネット）の環境や、そこで集まる大量データの分析用ツールが出揃い、さらにAI（人工知能）がオープンソースやクラウドサービスとして身近になり、企業におけるIOT/ビッグデータ/AIを連携した分析が本格化するという。

本橋信也氏

　「店舗のカメラや製造現場における各種センサーが充実し、それらからデータを収集するためのネットワークも安価に利用できる環境になった。加えて、大量のデータ処理に適した分散処理技術によってデータの高速処理が可能となった。新たな知見を発見するためにはデータサイエンティストと呼ばれる専門家が必要といった課題もあるが、AIを使うことで一部解決できるようになってきた」（本橋氏）

　特にAIの分野では、いま注目を集めているのが「ディープラーニング（深層学習）」である。これまでの機械学習では、学習させる特徴量を人間が決める必要があり、認知精度を高めるためには職人技がいると言われてきた。しかし、深層学習では機械自身が大量のデータから特徴量を見つけ出し、自ら学習するという点が異なる。

　ただし、本橋氏が、監視カメラの映像から画像を取り出しオープンソースのAIを使い同社で実施した画像認識の検証例により紹介したとおり、深層学習には膨大なデータを用意する必要がある。さらに、良い結果を得るためにはデータの読み込みを繰り返すことになる。

　つまり「（生の）ビッグデータから（学習用）ビッグデータを生成する前処理工程」と「ビッグデータを使う試行錯誤」が必要となる。そういった量と速さに対応できる“器”を用意できるか否かが新たな知見の発掘競争を左右することになるのだ。

ビッグデータが生まれる場所で分析できる環境を

　本橋氏によると、今後の急増が見込まれる分析系データの保管先には、「クラウド型」ストレージを基準に選択する必要があるという。

　「『仮想化』『分散処理』『自動化』の3点の特徴を持つクラウド型であれば、クラウドサービスのように、ハードウェアの種類や性能といった物理的な制約がなく、さらに、セルフサービスでの迅速な容量追加も可能だ。特にIoTでは、生産現場など実世界で生まれるデータを集めることになる。ビッグデータの移動にはコストがかかるので、ビッグデータがある場所で分析することが重要になる。そのため、クラウドサービスと同等の利便性を提供できる環境整備はオンプレミスでも不可欠。企業内においてもクラウド型のストレージの必要性を強調するのも、まさにそのため」（本橋氏）

　こうした中、クラウディアンが提供し、グローバルでの豊富な導入実績から脚光を浴びるのが、「CLOUDIAN HyperStore」である。

　その特徴としてまず挙げられるのが、従来のストレージと異なる仕組により、大量のデータの経済的な保管に最適化された「オブジェクトストレージ」であることだ。

　これまで、データの管理先は、用途別の要求を踏まえ、データの種類別に整備されることが多く、そのことが社内システムの「サイロ化」を招く一因となっていた。結果、使われないストレージ容量や運用コストが増す。CLOUDIAN HyperStoreを使えば、多目的データをその増加に合わせて最適保存する全社共通の統合ストレージを構築し運用できる。

膨大なデータを一つのストレージに統合

　さらに、パブリッククラウドの「Amazon S3」などにデータを自動転送できるため、社内に必要のないデータを外部のクラウドストレージに預けておくこともできる。

　その上で、社内利用を確認するための統計や課金、グループやユーザー管理機能を標準搭載。CLOUDIAN HyperStoreはIT部門が運用する社内向けクラウドサービスを提供できる製品ともいえるのである。

既存環境に手を加えることなく導入可能

　近年、専用ストレージ装置ではなく、汎用サーバーをハードウェアに使いソフトウェアで経済的にストレージを構築する、いわゆる「SDS（Software Defined Storage）」が注目を集めている。その選定で押さえておきたいのが、他製品への移行の自由度だ。SDS製品の中には、特定のベンダーのハードウェアを前提にしたものもあり、それらを導入した場合には、長期にわたるハードウェアコストの逓減効果を享受することが難しくなる。

　その点でも、CLOUDIAN HyperStoreは安心できるSDS製品だ。OSとハードウェアには汎用品を使えるため、いわば「囲い込まれる」リスクが一掃されている。

　もっとも、導入において、現状を変えることへの現場の抵抗は確実に存在する。だが、CLOUDIAN HyperStoreであれば、そこでの心配もほぼ無用といえる。クラウドストレージの事実上の標準といわれるAmazon S3が広く公開するS3 API（Application Programming Interface）に完全準拠しており、IOT/ビッグデータ/AIのアプリケーションだけではなく、数百種類といわれるS3に対応する企業向けアプリケーションをそのまま利用できる。

現状を大きく変えずにスタートできる

　また、クラウドサービスのようにAPIを使いストレージを操作できることは、社内の開発者がビッグデータやAIのアプリケーションを開発する際、非常に役立つ。開発に先立ちIT部門にストレージの領域割当や各種設定を依頼するといった事前の環境設定などにかかる準備時間を大きく短縮できるからだ。

信頼性の高いデータ保護の仕組み

　同社はCLOUDIAN HyperStoreの利用支援のため、グローバルで稼働する製品の状況をネットワーク経由で収集し分析に取り組んできたビッグデータ活用の先駆者の1社である。それらのデータはさまざまな角度から検証され、サービス品質の向上に役立てられているという。

　また、CLOUDIAN HyperStoreは拠点間のデータの同期や準同期も秒単位で行うことが可能という。

　「災害対策を考えるなら、この機能を利用しない手はないでしょう。ともあれ、膨大なデータを迅速に処理し、多方面の活用をにらみつつ安価に運用する。そうした要求を満たす“切り札”としてCLOUDIAN HyperStoreが役立つはず」（本橋氏）

　これから急増することが容易に予想される分析系データ。CLOUDIAN HyperStoreをいち早く社内に導入することが、企業の勝敗の分かれ目となるかもしれない。