この調査では、チームが典型的な顧客離脱分析のデータおよびAIライフサイクルを実行しました。
他の選択肢との比較から、SAS Viyaを使用した際の生産性向上率をご確認ください。
調査対象となったデータおよびAIライフサイクルの所要時間。
SAS Viyaを使用したデータおよびAIライフサイクルは4.6倍の速さで完了します。
データおよびAIライフサイクルにおける生産性の課題：
複雑性、ツールとリソース
業界を問わず、現代の組織はますますデータドリブンとなり、データを活用して意思決定を行い、戦略的な洞察を得て、新製品を開発し、イノベーションを推進しています。
データから意思決定までのプロセスを加速させることで、企業は製品を迅速に市場に投入し、市場の変化に柔軟に適応し、運用コストを削減するとともに、顧客のニーズに的確に応えることができます。データとAIを活用することで、最終的には競争力を高め、コスト効率を高めることができます。
データを意思決定に変換するエンドツーエンドのプロセスは「データおよびAIライフサイクル」と呼ばれています。
このライフサイクルは通常、データの管理、モデルの開発、洞察のデプロイという3つの主要なフェーズで構成されています。継続的かつ反復的なプロセスであるこれらのステップには、データサイエンティスト、データエンジニア、MLOpsエンジニアの協力が不可欠です。さらに、ビジネスアナリストや倫理専門家といったその他の関係者が必要となる場合も増えており、効果的なコラボレーションの重要性が高まっています。
データおよびAIライフサイクル全体におけるタスクやチームの生産性は、時間、複雑性、リソースの制約によって一般的に妨げられています。
データおよびAIライフサイクルの各段階では、独自の課題が生じ、これには多くの場合、多大な労力、複雑なツール、専門的なデータプロフェッショナルによるチームの対応が必要になります。
Manage data
What: Data access, preparation and governance
Who: Data engineer
Develop models
What: Build, optimize and validate AI models
Who: Data scientist
Deploy insights
What: Deploy, monitor and retrain models
Who: MLOps engineer
これらの障害を克服することで、生産性が大幅に向上し、意思決定の迅速化、イノベーション、コスト削減、収益の増加、競争上の優位性が確立されます。
- The Futurum Group
これらの課題に対処するために、企業は商用および非商用のデータおよびAIプラットフォームを含むさまざまなアプローチを採用してきました。
オープンソーステクノロジーに基づく非商用ツールは高い機能性を提供しますが、多くの場合、導入や、特に管理には高度な専門知識が必要になります。
一方で、商用プラットフォームは通常、クラウドを活用してコラボレーションを強化し、管理の手間を軽減するだけでなく、ライフサイクルを効率化するための組み込み機能や自動化を提供します。
市場には多くのデータおよびAIプラットフォームが存在しますが、その機能や生産性への全体的な影響はさまざまです。
評価は、エンドツーエンドの顧客離脱予測分析を各データ環境で実施することにより、多くの業界に関連する一般的なユースケースに基づいて行われました。テストは、The Futurum Groupのアナリスト3名が「データエンジニア」「データサイエンティスト」「MLOpsエンジニア」という特定の役割をそれぞれ担当し、データおよびAIライフサイクルの3つのフェーズに対応するタスクを完了する形で進められました。さらに、4人目のアナリストがビジネスアナリストの役割を通じて各プラットフォームを評価し、非技術者でもタスクが実行可能かどうかを測定しました。
テストの結果、SAS Viyaは競合ソリューションと比較して、エンドツーエンドのデータおよびAIライフサイクルにおいて4倍以上の生産性を実現できることが明らかになりました。SAS Viyaで得られる生産性の向上は、データおよびAIチームの負担を軽減するだけでなく、大幅なコスト削減にもつながる可能性があります。
- The Futurum Group
時間の節約に加えて、The Futurum Groupのアナリストは、SAS Viyaを競合ソリューションと比較評価する中で、いくつかの重要な生産性の利点を発見しました。
コーディング不要でデータおよびAIライフサイクルを完了
- あらゆる技術的背景を持つユーザーの参加を可能にし、コラボレーションに適したプラットフォームとして、ライフサイクルの各段階の間でスムーズな移行を実現します。
- 複雑なデータおよびAIタスクに対する学習曲線を緩和します。
- 複雑なプログラミングライブラリへの依存を排除します。
- コーディングが不要である一方、SAS、Python、Rを使用してタスクを完了する柔軟性も提供し、最も慣れたツールを技術者が活用できるよう支援します。
非技術者による達成率の向上
- データおよびAIライフサイクル全体のうち、86%のタスクがビジネスアナリストによって達成可能であり、次点のアプローチと比べて30%高い達成率を示しました。
- 経験の浅い人材の活用が可能となり、スタッフ登用の柔軟性と、幅広い人材プールへのアクセスが実現します。
- 専門的なデータ実務者が、新たなイノベーション（生成AIを活用したワークフローなど）に集中できる時間を確保します。
- 優れたビジュアル化機能と自動化機能が、データおよびAIライフサイクルの各段階で生産性の向上を実現します。
データおよびAIライフサイクル全体を通じて複雑性を軽減
- SAS Viyaで完了したタスクのうち、96%はThe Futurum Groupのアナリストによって「低複雑性」と評価されました。また、「高複雑性」とみなされたタスクはありませんでした。
- 一方、競合商用プラットフォームではタスクの50%、非商用プラットフォームでは30%が「低複雑性」と評価され、いずれのソリューションでも17%が「高複雑性」と判断されました。
- 複雑性が低減することでタスク完了効率が向上し、新規ユーザーのオンボーディング時の学習曲線が緩和されます。
結論
データとAIにおける生産性の重要性
データドリブンな組織にとって、データおよび分析チームの生産性はビジネスの中核を成す活動にとって非常に重要です。これらのチームが利用するツールは、業務に大きな影響を与える可能性があります。現在の市場環境では、非商用ツールから商用データ、さまざまな機能を備えたAIプラットフォームに至るまで、さまざまなアプローチが提供されています。
この調査では、3つの異なるデータおよびAIプラットフォームにおけるデータおよびAIライフサイクルの完了までの生産性の違いを評価し、SAS Viyaが、商用プラットフォームおよび非商用ソリューションの両方と比較して、顕著な生産性の利点を提供することが明らかになりました。
総合結果：
テストにおいて、SAS Viyaは、次点のソリューションと比較して、エンドツーエンドのデータおよびAIライフサイクル全体で4.25倍の生産性向上を実現することが確認されました。
SAS Viyaは直感的なプラットフォームであり、新規ユーザーの学習曲線を大幅に緩和し、非技術ユーザーの生産性を効果的に向上させることがわかりました。
これらの結果は、SAS Viyaが競合ソリューションと比較して30倍のパフォーマンス向上をもたらすとしたThe Futurum Groupによる過去のテスト結果とも一致し、SAS Viyaが全体的に大きな利点を提供することを示しています。生産性の向上と計算速度の向上を組み合わせることで、データドリブンな組織にとって大きな価値を引き出せる非常に効率的なプラットフォームが実現しています。
最適なデータおよびAIプラットフォームの選択は、組織がデータおよびAIライフサイクルを効率的に活用し、ビジネス目標を達成するうえで不可欠です。この調査では、SAS Viyaが優れた技術力と直感的なインターフェースを兼ね備え、データを迅速かつ効率的に意思決定に変換できるデータおよびAIプラットフォームであることが確認されました。
