より良い社会の実現に向けて、いま世界各地で新しいイノベーションが次々と生まれている。その起爆剤となっているのは、これまで使われることのなかった、あるいは使うことのできなかったモノ・機械のデータ、あるいは人間の行動や自然の現象などのデータ、いわゆる「ビッグデータ」である。これらが収集・分析され、その結果、見えなかったものが見えるようになり、気づかなかったことに気づきが生まれている。それが、新しい社会価値創出の連鎖となっている。今回、日立アメリカ社の北米・社会イノベーション協創センター シニアフェロー 兼 米国ビッグデータラボ バイスプレジデントのウメシュウォ・ダヤルに、ビッグデータ先進国である米国における活用状況のほか、現在の日立の活動や最近のトピックスについて話を聞いた。
画像: Dr. Umeshwar Dayal ,Vice President, Big Data Lab & Senior Fellow, Information Research and Co-Chair, Global Big Data Lab. Big Data Research Laboratory Hitachi America, Ltd. Research & Development Division

Dr. Umeshwar Dayal ,Vice President, Big Data Lab & Senior Fellow,
Information Research and Co-Chair, Global Big Data Lab.
Big Data Research Laboratory
Hitachi America, Ltd.
Research & Development Division

リアルタイムのアナリティクスを

日立は今年、グローバルでのさらなる社会イノベーション事業の強化に向け、その研究開発グループを三つに再編した。お客さま起点の研究を通して社会イノベーションサービスやソリューションを協創する「社会イノベーション協創統括本部」(CSI)、次世代の製品、サービス、ソリューションに向けた新しいプラットフォームを開発する「テクノロジーイノベーション統括本部」(CTI)、基礎研究を通じて未来の技術基盤を創生する「基礎研究センター」(CER)の三つである。そのなかの一つであるCSIは、日本やシンガポール、インド、中国などのアジアをはじめ、北米や欧州で、現在約500人の研究者が活動している。

北米のCSIは、シリコンバレーとデトロイトに拠点を有し、研究開発ならびにお客さまとの協創を推進している。ダヤルはシリコンバレー地区の研究開発を取りまとめている。シリコンバレー地区には、高度なアナリティクス技術をベースにビッグデータ・ソリューションを研究開発するビッグデータラボ、ソリューションのユーザビリティを研究開発するユーザーエクスペリエンスデザインラボ、次世代のITプラットフォームを研究するITプラットフォームシステムラボ、次世代ネットワークを研究開発するネットワークシステムラボがある。デトロイトには、自動車産業を対象としたさまざまなソリューション研究開発を行うオートモーティブプロダクトラボがある。ダヤルはそのなかのビッグデータラボのラボラトリ長であると同時に、西海岸における社会イノベーション事業を統括している。

画像: 米国ビックデータラボが入る日立データシステムズ社。

米国ビックデータラボが入る日立データシステムズ社。

ダヤルは、ビッグデータの利活用で求められる要件を次のように語る。

「以前は、データベースやデータウェアハウスに収集・保存されたデータにアナリティクスを適用してビジネスインテリジェンスを得るというのが普通でした。しかし、いまではセンサーなどから得られたリアルタイムなストリーミングデータを、リアルタイムに解析してインサイトを抽出し、リアルタイムの意思決定に利用することが求められます。つまり、ビッグデータを扱う場合には、データの量(volume)、種類(variety)、速度(velocity)が重要なのです。リアルタイムに入手したデータを保存して、後で解析したのでは意味がありません。そのつど解析して、リアルタイムで業務に反映させる必要があるのです」

そうした意味からもアナリティクスが重要なカギを握っている。それが年を追うごとに高度化していることから、データから得られる価値も高まっているという。なお、そのアナリティクスには大きく三つの段階があると説明してくれた。一つ目は、過去のデータを見て何が起こったかを把握しようとする「記述的アナリティクス(Descriptive Analytics)」と呼ばれるもの。これは、たとえば工場で障害が発生したときに、過去のデータを分析して問題の性質と原因を突き止めようとするときなどに使うものだ。そして二つ目は、この記述的アナリティクスの実用性を高めた「予測的アナリティクス(Predictive Analytics)」である。これは、たとえば機械が故障するのを事前に高い精度で予見するものだ。しかし、これだけでは不十分だと、ダヤルは語る。

「過去の出来事を理解し、今後起きうることを予測することも非常に有用ですが、できればその事態を避けるための対策も導き出したいところ。これに応えるのが三つ目となる『処方的アナリティクス(Prescriptive Analytics)』です。処方的アナリティクスは、次になすべきことを最適化し、より良い結果を引き出すための手法です。たとえば予測的アナリティクスによって機械の故障が間近だとわかった場合には、処方的アナリティクスを適用することによって故障が発生する前に何をすべきか、ベストなアクションを導き出します。発電などの現場においても、発電量が予測できた場合にはそれをベースに生産プロセスを最適化し、システムの生産性を上げることも可能となります。私たちはこうしたアナリティクスの手法を組み合わせて、ソリューションを構築しています」

共通アナリティクス・フレームワークの構築へ

日立のビッグデータラボが設立されたのは2013年。それまでヒューレット・パッカード社のアナリティクスラボで20年以上も責任者だったダヤルは、日立の取り組みに対し、大いに興味をひかれたという。その理由は、日立が情報技術( Information Technology : IT)だけでなく制御技術(Operation Technology : OT)にも強く、さまざまな社会インフラ分野でエンジニアリング能力を発揮していたことを知ったからである。そして、このITとOTを組み合わせることで、ITベンダー単独ではできない、かつてないソリューションによる価値をお客さまに提供できることへの期待もあった。

画像: 共通アナリティクス・フレームワークの構築へ

日立に移ったダヤルは、ビッグデータラボ長としてソリューションのプロトタイプやデモ立ち上げに着手した。また、そのソリューションを立ち上げると同時に、アナリティクス・ソリューションに関する知的財産の創出、ならびに、ソリューションを低コストかつ短期間で構築するために不可欠な共通分析プラットフォームの開発にも着手した。

「共通分析プラットフォームを使うことで、さまざまな業種に対するアナリティクス・アプリケーションを迅速に構築することが可能となります。共通分析プラットフォームを整備すれば、ソリューションの開発・構築に要する時間を3分の1以下に減らすことが可能だとみています。すでにその実証を済ませ、さまざまな業種に向けたソリューションへの適用を図っているところです。また、こうした共通分析プラットフォームによって、たとえば石油・ガス業界向けのアプリケーション開発から得たノウハウを、他の業界向けのアプリケーション構築にも利用できる可能性も生まれます。その結果、いろいろな業界のパートナーが持つノウハウを、この共通分析プラットフォームに取り込むことができるようになります。さらにこの共通分析プラットフォームにはITや高度なアナリティクスアルゴリズム、データマネジメントなどの専門家が持つノウハウも取り込まれていますので、将来は自動車、金融、石油・ガス、鉱業といった分野のドメインエキスパートが、ITエキスパートや分析エキスパートの手を借りることなく簡単にソリューションを構築できるようになるかもしれません」

このように共通分析プラットフォームを導入する利点は多い。共通分析プラットフォーム自体がアプリケーション構築を迅速化する働きを持っている。この共通分析プラットフォームはインドのCSIチームと緊密に協力しながら開発されたものだが、いまではグローバルな単一の共通プラットフォームとして、中国や日本などのアジア、そして欧州にも展開されて、さまざまな社会イノベーション事業におけるソリューションの創出に役立てられようとしている。

ソリューション事例の現場から

ダヤルが紹介してくれた北米でのいくつかの事例とその活動について見ていこう。

■石油・ガス事業

現在、米国ではシェールオイル革命が進んでいる。日立は、約3万か所もの油田の探索から生産完了に至る油田ライフサイクル全体にわたってデータを取り続けるソリューションの開発に取り組んでいる。そして、それらのデータを解析することで、どこを掘削すべきか、近隣の油田と比べて産出量はどうか、もっと良いフラッキング(水圧破砕)の方法はないかといった問題についてインサイトを獲得し、シェールオイル生産の意思決定を支援するソリューションの開発に取り組んでいる。このプロジェクトは、ノースダコタ大学エネルギー・環境研究センターとのパートナーシップで進めているもので、地質学や地球物理学のデータ解析に長けたチームと手を組むことで、油田からのさまざまなデータをより包括的にとらえることができるようになった。

■鉱山事業

日立は建設機械やトラック、油圧ショベルばかりでなく、鉱山運営管理用のソフトウェア製品を提供している。ビッグデータラボのチームは、鉱山で使用されている機械の状態や鉱山運営の効率などについてデータを収集し、機械の機能を正常に保ちながら故障を防ぐためにはどのような保守を実施すればいいかといった課題に対して、機械学習や解析、シミュレーション技術などを駆使したアナリティクスモデルを構築し、鉱山機械や人の運用スケジュールの立案をはじめ、トラックの採掘現場への最適ルート指示といった、リソースやスケジュールの最適化と運営改善を図っている。あるお客さまの例で、適用前後のデータ解析を行った結果、設備稼働率を60%から90%程度に高められたことがわかった。こうした保守に対する予測的アナリティクス・ソリューションは、鉱山機械だけでなく、ネットワーク機器やプラント機器などさまざまな機械の運用サービスを充実させる大きなチャンスを秘めているという。

■電力事業

この分野では、電力会社は電力網の状態を把握するためにPMU(フェーザ計測装置)と呼ばれるセンサーを設置してデータを収集し、いま電力網のどこに異常が生じているかを把握し、広範囲の停電を未然に防ぐソリューションの開発を進めている。現在、送電網に障害が起きた場合のイベントデータや、PMUデータからの出力電圧/周波数データなどをモニタリングし、日立のストリームデータ処理システムや高速データアクセス基盤「Hitachi Advanced Data Binderプラットフォーム*」(HADB)を利用して、リアルタイムデータや過去のデータを基にさまざまな障害を検知するソリューションを開発中で、すでに大規模な業界カンファレンスで発表している。

* Hitachi Advanced Data Binder プラットフォームは、 内閣府の最先端研究開発支援プログラム「超巨大データベース時代に向けた最高速データベースエンジンの 開発と当該エンジンを核とする戦略的社会サービスの 実証・評価」(中心研究者:喜連川 東大教授/国立情報 学研究所所長)の成果を利用しています。

■通信事業

昨年、携帯電話業界における世界規模のカンファレンスであるGSMA Mobile World Congressにおいて、ネットワークから収集したデータを使ってネットワークトラフィックの異常をリアルタイムに検知・予測することで、たとえば、帯域幅の割り当てを変えて未然に混雑を回避することができるテクノロジーをデモした。今年も同じカンファレンスの場で、ネットワークトラフィック・データだけでなく、ソーシャルメディアのデータ解析を加えた、より価値の高いソリューションをデモした。実際に会場で適用したデモでは、ネットワークトラフィックの解析だけでは混雑を数分前にしか予知できないのに対して、ソーシャルメディアの情報や時間を加えて解析するとさらに早く混雑を予見できることを示した。また別のデモでは、スマートフォンなどでストリーミングなどを見ているときに、ネットワークが最適化されていないとコマ落ちや停止が多くなる事象に対して、混雑を予見して帯域幅を多く割り当てておくことでビデオがスムーズに見られることを示した。これは予測的アナリティクスと処方的アナリティクスに最適化技術を組み合わせることで、有益なソリューションが構築できるという点で大きな反響を呼んだ。

■運輸事業

鉄道輸送の安全を確保する手段の一つとして開発されたビデオ・アナリティクス・ソリューションを紹介したい。これは線路沿いに設置された標識近辺の確認を、列車に搭載したカメラで撮影してビデオデータを解析し、標識が破損していないか、降雨、降雪、草木の成長で見づらくなっていないかなどを確認することができるようにしたもの。問題があれば保守の対象とする。従来このチェック作業は保安員が行っていたものだが、時間やコスト、あるいはヒューマンエラーといった課題を解決するものとして提案された。

また自動車の領域においても革新的な取り組みに挑戦している。今日の自動車はソフトウェアで定義されたシステムともいえるほど、多くのセンサーやソフトウェアが組み込まれてネットワークにつながっている。この成果はいずれドライバーや自動車メーカー向けの各種サービスやソリューションに利用できるという。

■ヘルスケア事業

日立は病院で収集してきたさまざまなデータから有意義なインサイトを導き出すナレッジツールもそろえており、それらを利用することによって、患者とその家族の病歴や生活習慣などに応じて治療リスクを判断するソリューションの開発を進めている。一方、米国では現在、医療保険制度改革法いわゆるオバマケアの成立を受けて、どの病院も真剣にコスト見直しに取り組んでいる。たとえば、以前は患者に対して実施した検査に応じて料金を請求できたのが、新制度の下ではアウトカム(診療成果)に応じた請求しか認められない。そこでこうした制度変更に合致した医療データアナリティクスの検討を進め、ソリューションの開発に着手したところだという。

将来のビジョンについて

「こうした事例を拡大、そしてさらに発展させていくためには、データを蓄積し、アナリティクスを適用することでバリューが得られたり、イノベーションにつながるということに、まず気づいていただくことだ」と、ダヤルは語る。

「案ずるより産むが易しという言葉がありますが、まず小規模なワークショップを実施してお客さまのニーズを把握し、その上でデモをご覧いただいて、ビッグデータの有用性を知っていただきます。さきほどの通信事業の事例で、ネットワークトラフィック・データのほかに、ソーシャルメディア・データを考慮することで、有益なソリューション構築ができ、成果が得られたことを示しましたが、これはお客さまにとって思いも寄らないアイデアだったということで注目を集めました。さて、次の段階では、ビッグデータの本当のビジネスバリューを理解していただくために概念実証(Proof of Concept : PoC)が重要となります。同じくさきほどの鉱山事業の例ですが、機械の稼働率が60%から90%に向上したという実証がまさにこのPoCで得られた成果です。また先程のシェールオイルの例では、硬い岩盤による掘削障害や機械の故障といった生産性を損なうさまざまな要因があり、掘削作業の中での非生産的な時間は30%にも上っていました。これをほんの5%程度改善するだけで数十億ドルの節約が可能になるということを実証しようと考えて取り組んだわけです」

しかし、成功事例を聞けば聞くほど訊いてみたくなった。「なかには、自社にはビッグデータがないと思っているお客さまもいらっしゃるのではないか? あるいはそもそもビッグデータを活用することに疑問を持っているお客さまもいるのではないか?」ということだ。ダヤルの答えはこうだ。

「確かにビッグデータという言葉があふれていて、最近バズワードになりつつあるかもしれません。そういったお客さまには二つのケースがあって、一つはお客さまが気づいていないだけで、実はさまざまなビッグデータが存在するという場合。私たちはそうしたお客さまに対し、事業部門とともにデータ収集方法、必要なデータの種類、最適なデータ管理方法などをアドバイスしていきます。もう一つのケースは、大量のデータを必ずしも必要としない場合ですが、ビジネスに有用なインサイトさえ得られるなら、データ量は実は少なくても構わないわけで、事実、少ないデータから有用なインサイトが見つかることもあるのです。だからこそ、お客さまとの協創のなかでPoCなどを実施し、理解を得ていただくことが新しいイノベーションのきっかけになると考えています」

そのうえで、ダヤルは次のように結んだ。

「未来世界はすべてにおいてデータドリブンに、そしてアナリティクスドリブンになっていくというのが私のビジョンです。生活のさまざまな面から質の良いデータを集め、そこからインサイトを得ることが不可欠になるのではないでしょうか。業務運営、製造プロセス、運輸、ヘルスケア、環境や天然資源の管理、農業など、多くの分野にそれが浸透するでしょう。農業についても目下新プロジェクトを検討中です。農場におけるビッグデータとアナリティクスを応用できないかと考えているところです。データアナリティクスは、私たちの生活に関連する多くの業種や分野を改善する力を秘めているのです。私たちは、ビッグデータとアナリティクス・ソリューションを通じてそのお手伝いをしたいと考えています」

画像: 日立アメリカ社の米国ビッグデータラボ責任者。米ハーバード大学の応用数学の博士号を持ち、30年以上にわたりデータ分析分野に携わる。米計算機学会(ACM)フェロー。

日立アメリカ社の米国ビッグデータラボ責任者。米ハーバード大学の応用数学の博士号を持ち、30年以上にわたりデータ分析分野に携わる。米計算機学会(ACM)フェロー。

これまで多くの業界では、経験に基づいた意思決定を行うのが普通とされてきた。しかし、欧米でも日本でも社会の高齢化が進み、その経験や労働力が失われつつある。この人たちの経験やノウハウをコンピュータベースの意思決定ソリューションに転換することも求められている。そして、こうしたソリューションをどう水平展開するかも今後の重要な課題となってくるだろう。さまざまな業務の自律性と自己適応性を大幅に高めるには、それに適したツールやソリューションを提供していく必要も出てくるであろう。そこには、ダヤルが思い描くビッグデータ・ビジネスの将来の姿があった。

This article is a sponsored article by
''.