AI市場レポート

現在、マーケティング部門と営業部門は、企業内の他のどの部門よりも AI と機械学習を真剣に受け止めています。
AI および機械学習のモデリングと開発プロジェクトのスケールアップに関しては、財務、マーケティング、および営業部門にとって、インメモリ分析とインデータベース分析が最も重要です。
2019年、R&D部門はすべての事業部門の中で最も早くAIと機械学習を導入しました。

このような厳しい調査結果は、コンサルティングサービス会社 Dresner Advisory Services が先月発表した第 6 回年次 2019 年データサイエンスおよび機械学習市場調査レポートから得たものです。調査レポートによると、データサイエンスと機械学習（データマイニング、高度なアルゴリズム、予測分析を含む）に関連する高度なプロジェクトは、この調査レポートで調査された 37 のテクノロジーとプロジェクトの中で 8 位にランクされました。

「データサイエンスと機械学習の市場調査レポートは、高度な予測分析の分野を分析することを目的として、2014年以来分析してきた一連の年次レポートの最新版です」と、ドレスナー・アドバイザリー・サービスの創設者兼最高研究責任者であるハワード・ドレスナー氏は述べています。「それ以来、市場心理や企業の導入の変化を反映するためにレポートの対象範囲を拡大し、ニューラルネットワークに関する専用セクションを含む新しい基準を追加しました。」

調査の主な結果は次のとおりです。

データマイニング、高度なアルゴリズム、予測分析は、2019 年に AI と機械学習を導入する企業にとって最優先事項です。レポート、ダッシュボード、データ統合、高度な視覚化は、今日のビジネスインテリジェンス (BI) にとって戦略的なテクノロジとプロジェクトの一部です。コグニティブ BI (AI を活用した BI) は優先順位リストで 27 位と低いランクにランクされました。次の図は、ビジネスインテリジェンスにとって戦略的な 27 のテクノロジとプロジェクトの優先順位を示しています。

マーケティングおよび営業チームの 40% は、AI や機械学習を含むデータサイエンスが部門の成功に不可欠であると述べています。すべての部門の中で、マーケティングとセールスは、成長目標を達成するために AI と機械学習を活用することを最も重視しています。次に関心が高いのは、ビジネスインテリジェンスコンピテンスセンター (BICC)、R&D、経営幹部です。次のグラフは、データサイエンス (AI と機械学習を含む) の重要性をさまざまな分野と比較したものです。

R&D、マーケティング、営業のすべてが複数の機能領域にわたって強い関心を示しており、AI と機械学習を使用した新しい収益成長モデルを定義するための協調的な取り組みを反映しています。マーケティング、セールス、研究開発、ビジネスインテリジェンスコンピテンシーセンター (BICC) の回答者は、AI および機械学習アプリケーションでさまざまな回帰モデルを使用することに最も興味があると回答しました。マーケティング部門と営業部門は、購入したアプリケーションやプラットフォームに含まれる階層的クラスタリング、標準的な統計機能、推奨エンジンなど、次の 3 つの主要機能にも関心を示しました。ドレスナーの研究チームは、研究開発、マーケティング、販売など複数の機能領域にわたる強い関心は、企業が顧客体験を向上させ、収益を増やすために AI と機械学習ベースの戦略を試験的に導入する準備ができていることを示す先行指標であると考えています。次のグラフは、調査対象組織の機能領域別の関心と採用可能性を比較したものです。

R&D 部門とチームの 70% がデータサイエンス、AI、機械学習を採用する可能性が高く、すべてのビジネス機能をリードしています。ドレスナーの研究チームは、R&D チームからの強い関心が、将来的に企業でより幅広く採用されることを示す先行指標になると考えています。調査レポートによると、調査対象となった全企業の33%がAIと機械学習を導入しており、ほとんどの企業が25ものモデルを保有していることが判明した。現在、データサイエンスと機械学習ソフトウェアの評価において、マーケティングと営業が他のすべての部門をリードしています。

金融サービスおよび保険、ヘルスケア、小売/卸売企業は、データサイエンス、AI、機械学習がそれぞれの業界での成功に不可欠であると述べています。金融サービスおよび保険会社の 27%、ヘルスケア企業の 25%、小売/卸売企業の 24% が、データサイエンス、AI、機械学習が成功に不可欠であると回答しました。教育機関の 10% 未満が、AI と機械学習が成功に不可欠であると考えています。次のグラフは、データサイエンス、AI、機械学習の重要性を業界別に比較したものです。

通信業界は、推奨エンジンとモデル管理ガバナンスの重点と採用の点で、他のすべての業界をリードしています。インタビューを受けたすべての業界の回答者グループのうち、通信、金融サービス、テクノロジー業界が、幅広い回帰モデルと階層的クラスタリングを使用することに最も関心を示しました。ヘルスケア分野の回答者は後者の機能にはあまり興味を示しませんでしたが、ベイズ法とテキスト分析機能には強い関心を示しました。小売/卸売業の回答者は、分析機能に最も関心が低い傾向がありました。次のグラフは、データサイエンス、AI、機械学習のアプリケーションとプラットフォームにおける分析機能に対する関心のレベルと潜在的な採用度合いに基づいて業界を比較したものです。

幅広い回帰モデル、階層的クラスタリング、一般的な教科書的な統計関数のサポートは、企業がデータサイエンスおよび機械学習プラットフォームに求める機能のほんの一部にすぎません。ドレスナーの研究チームは、企業がデータサイエンス、AI、機械学習のアプリケーションソフトウェアとプラットフォームを評価する際に、これら 3 つの機能が最も重要、または「必須」であると考えられていることを発見しました。調査対象のすべての組織は、評価対象のデータサイエンスアプリケーションソフトウェアまたはプラットフォームに、推奨エンジンとモデル管理およびガバナンス機能も含まれることを期待しています。次の図は、企業がデータサイエンス、AI、機械学習のソフトウェアとプラットフォームに期待する最も重要な機能と最も重要でない機能の優先順位を示しています。

企業が現在優先する上位 3 つのユーザビリティ機能には、モデルの簡単な反復のサポート、高度な分析手法の使用、モデルを継続的に変更するためのシンプルなプロセスなどがあります。企業が AI および機械学習のアプリケーションとプラットフォームに期待する最優先の使いやすさの機能には、分析データモデルの準備に関するサポートとガイダンス、およびデータ準備による分析の迅速なサイクルが含まれます。興味深いことに、分析モデルの作成、テスト、実行に専門家を必要としないことは、ユーザビリティのランキングで低いランクになりました。多くの AI および機械学習ソフトウェアベンダーは、アプリケーションの使用に専門家を必要としないことで差別化を図っていますが、ほとんどの企業は、次の図に示すように、より高いレベルでのモデルの簡単な反復のサポートを重視しています。

2019 年は、データサイエンス、AI、機械学習の機能に対する企業の関心が記録的な年となり、企業はこれらの機能をビジネス戦略と目標の達成に最も必要だと認識しました。企業が最も望んでいるのは、AI および機械学習アプリケーションソフトウェアとプラットフォームがさまざまな回帰モデルをサポートすることであり、次に階層的クラスタリングと記述統計用の教科書的な統計関数が続きます。この分野への関心が高まるにつれて、推奨エンジンの人気が高まっており、2019 年の回答者の目には少なくとも 2 番目に重要な機能として映っています。地理空間分析とベイズ法は、2018 年と比較して重要性が変わらないか、わずかに低下しています。次のグラフは、過去 6 年間のデータサイエンス、AI、機械学習テクノロジーに対する企業の関心を比較したものです。

オリジナルの英語リンク: forbes

出典: クラウドヘッドライン

<<: 「海外制限命令」が解除され、海外ドラマの著作権料が二極化する可能性

>>: 「海外規制命令」後の海外ドラマ：著作権侵害が著作権料の差別化を生む