アナリティクスの市場は、既に30年以上の歴史がある。長い歴史の中で、さまざまな変化があった。たとえば初期には、BIやデータウェアハウスに大きな注目が集まり、BIツールなどの専業ベンダーが次々に登場した。とはいえこの時代は、データウェアハウスなどアナリティクスを実践する環境の整備にはかなりの手間とコストがかかり、価値ある結果を得るのに時間もかかった。

シニアバイスプレジデント ジェネラルマネージャー
Salesforce Analytics担当 ケタン・カーカニス氏
「その後はデータの可視化も流行りましたが、単にチャートを表示するようなものが多く、ビジネスプロセスとは切り離されていました」と語るのは、Salesforce.comのシニアバイスプレジデント ジェネラルマネージャー Salesforce Analytics担当のケタン・カーカニス氏だ。Salesforceではこういった過去のアナリティクスの課題を踏まえた上で、アナリティクスから得られるインサイトをビジネスプロセスとつなぐことに注力している。アナリティクスでビジネスの状況を測定できるだけでなく、得られた知見を業務プロセスに適用してビジネスの成果へと結びつけるのだ。
このとき顧客と向き合うフロントオフィスの業務だけでなく、社内のバックオフィス業務でもアナリティクスによるインテリジェンスな体験ができることが重要なのだという。「全てのユーザーにとってインテリジェントな体験を提供します。そのためには、ビジネスアプリケーションの中にアナリティクスを入れ込む必要があります」(カーカニス氏)
このようなアナリティクス環境の実現には、4つの原則がある。1つが、インテリジェンスを得る部分がアウトオブボックスですぐに利用できる形で提供できなければならないこと。2つめは、結果を表やチャートで表現するだけでなくユーザーにリコメンデーションを提示し、その根拠も説明できなければならないこと。そして過去の傾向を示すだけでなく、これからどうしていくべきかを示唆する必要もある。
3つめは、必要なデータをユーザーが探すのではなく、データのほうから近づいてくるようにすることだ。探さなくても、必要な情報が使える状態で揃っているようにしなければならない。そして4つめの原則は、全ての要件を網羅できるアナリティクスの機能が用意されていることだ。基本的な機能から高度の分析まで、さらに予測に至る全てをカバーする統合的な環境が必要となる。
「Salesforce Einstein Analyticsは、これら4つの原則に全て答えられるものです。BIとAIを1つに統合しており、それがSalesforceのカスタマーサクセス・プラットフォーム上で実現されています」(カーカニス氏)
Einstein Analyticsは単にデータを見える化するダッシュボードを提示するだけでなく、データ分析の結果のコンテキストやガイダンスまで提示できる。つまりは、提供するインテリジェンスはブラックボックスではなく、透明性があり信頼できる。これがEinstein Analyticsの大きな特長だ。
この記事は参考になりましたか?
- この記事の著者
-
谷川 耕一(タニカワ コウイチ)
EnterpriseZine/DB Online チーフキュレーターかつてAI、エキスパートシステムが流行っていたころに、開発エンジニアとしてIT業界に。その後UNIXの専門雑誌の編集者を経て、外資系ソフトウェアベンダーの製品マーケティング、広告、広報などの業務を経験。現在はフリーランスのITジャーナリスト...
※プロフィールは、執筆時点、または直近の記事の寄稿時点での内容です
この記事は参考になりましたか?
この記事をシェア