PoCで終わらせない「機械学習」のビジネス活用 5つのポイントを専門家が解説：失敗には理由がある

データ活用に本腰を入れる動きが広がっている。しかし機械学習を導入しようとしてもPoC（概念実証）で終わり、実装まで進めないケースが少なくない。機械学習の導入を成功させる5つのポイントとは。

[ITmedia]

PR

　今日の企業のIT戦略における最重要項目の一つがデータ活用だ。他社との競争を勝ち抜くためには、さまざまなデータを活用し、迅速な経営判断や業務効率化につなげることが必須になった。

　データ活用を進める上で「機械学習」の重要性は無視できない。日々の業務で膨大なデータが生成される中で、それを効率良く高速に、かつ正確に分析し、実務に生かす仕組みが必要だからだ。ところが、いざ機械学習を業務に取り入れようとしても、なぜか失敗してしまう組織が後を絶たない。ほとんどの場合、PoC（概念実証）の段階で断念し、具体的な設計・導入に至らない。PoCの先に進んでも、実装に時間がかかり過ぎたり、想定通りに実装できなかったりして失敗するケースもある。

　機械学習の取り組みは、なぜ失敗に終わってしまいがちなのか。どんな視点を持てば導入を成功させられるのか。SAS Institute Japanが開催したイベント「SAS Analytics Network OSAKA 2019」の講演『機械学習を実践的活用する5つのポイント』から、機械学習の実用化を成功させるポイントを紹介しよう。