リサーチ&アドバイザリ企業であるGartner, Inc.とForresterは、データ仮想化の導入および導入範囲の拡大が共に進んでいくことを予測しています。その背景として、企業が複数の情報システムに分散していたデータを利活用していこうとする動きが活発化していることがあげられます。本資料ではデータ仮想化を業務に活用する13のユースケースについて解説します。
世界中のあらゆるメーカーがデータの重要性を理解しています。一方で適切なデータを適切なタイミングで適切なユーザーに届けることは今日のメーカーにとって最も大きな課題の一つとなっています。1980年代にジャストインタイム方式が製造業のオペレーションにイノベーションをもたらしたように、データ仮想化は製造業が抱えるデータに関する課題を克服する方法においてイノベーションをもたらします。
本資料ではデータ仮想化は製造業におけるデータ仮想化の効果と6つの事例について解説します。
データサイエンスとアナリティクスは、取り扱うデータは爆発的に増大/分散/多様化することで、これまで以上にデータを分析・活用することが難しくなっています。本資料ではデータサイエンスと分析データの要件について概説し、データ仮想化がこれらの課題をどのように克服するのか、事例を交えながら解説します。
データ仮想化は、企業の分析データのボトルネックを軽減し、より多くのインサイトとより優れたビジネス成果を獲得するために使用されるミドルウェアです。機能的に説明すると、データ仮想化は仮想データセットとデータサービスの構築/実行/管理を行います。本資料ではデータ仮想化の導入を検討している方やデータ仮想化に関心のある方向けにデータ仮想化を開始する際に知っておくべき10の事項をまとめています。
近年の機械学習技術では、複数のデータセットで各々学習を行い、ベストなモデルを自動的に構築するアルゴリズムが利用されるようになっています。これにより、統計学やモデリングの専門知識がほとんどないアナリストが、複雑な問題を解決できるようになってきています。
勾配ブースティングアルゴリズムは、単⼀の決定⽊を繰り返し強化するアンサンブルモデリング手法です。こちらのモデルは幅広い活⽤⽅法がありますが、ここでは製造分野における根本原因分析にフォーカスします。
継続的インテリジェンスは常にリアルタイムで発生している出来事を状況に応じて認識することを可能にします。しかし、どのようにして実現するのでしょうか。本資料では継続的インテリジェンスの基本要素となるアナリティクスとデータサイエンス、データの民主化を組み合わせるために必要な4つの方法と事例について解説します。
人工知能(AI)や機械学習(ML)の取り組みを組織全体にとって価値あるものにするためには、AI/MLが提供するインサイトを適切な人やシステムに対して、適切なタイミングで提供する必要があります。本資料では、AIとMLを運用化し、データサイエンスで競争優位を獲得するためのわかりやすい9つのレシピについて解説します。
ガートナー社の2020年版マジック・クアドラント「データサイエンスおよび機械学習プラットフォーム」部門で、TIBCOは2年連続で「リーダー」に選ばれました。
※米国TIBCO Software Inc. のWebサイトに移動します。
ガートナー社の2020年版マジック・クアドラント「マスターデータ管理ソリューション(MDM)」部門で、TIBCOは4年連続で「リーダー」に選ばれました。
※米国TIBCO Software Inc. のWebサイトに移動します。
※ガートナーは、ガートナー・リサーチの発行物に掲載された特定のベンダー、製品またはサービスを推奨するものではありません。また、最高のレーティング又はその他の評価を得たベンダーのみを選択するようテクノロジの利用者に助言するものではありません。ガートナー・リサーチの発行物は、ガートナー・リサーチの見解を表したものであり、事実を表現したものではありません。ガートナーは、明示または黙示を問わず、本リサーチの商品性や特定目的への適合性を含め、一切の保証を行うものではありません。