ユーザー事例

データストレージのリーダー企業が取り組む分析文化の定着

統計ツールの活用で分析を恐れない企業文化を形成したSeagateの成功例 

データ業界のパイオニアであるSeagateでは、データを極めて重視する社風が根付いています。実際、同社ではエンジニアリングからマーケティング、世界中の大手企業とのパートナーシップに至るまで、エビデンスに基づく意思決定へのこだわりが業務の隅々にまで行き渡っています。そして、この背景には従業員がデータを分析する機会を増やし、見識にあふれる組織の育成に取り組んできた同社の経営層（ほとんどが元エンジニアや科学者）の努力があります。

洗練されたデータインフラストラクチャを備えたSeagateは、AIを活用した未来への移行に向けて有利な立場にあるのは確かですが、データに関する課題を抱えていない組織など存在しません。2020年の世界規模の調査（Seagateの委託でIDCが実施）では、企業データは42%以上のペース（年率）で増加すると予測されている一方で、現時点では利用可能なデータの68%が活用されていないと指摘されています。

報告書（『Rethink Data』）では、データの価値の大半が失われてしまう幾つかの失敗のポイントを明らかにしています。これによると、第一にデータ収集の際の機会損失があります。組織では、必要なデータを収集できないか、もしくは、集めたデータが必要とされないということがよく起こるのです。次に、データの保存とセキュリティの管理を誤ると、企業データから得られる価値が即座に失われてしまうという点があります。そして最後に、多くの組織は知らず知らずのうちにデータストリームをサイロ化してしまい、グローバルな運用の最適化を図る上で盲点を作り出しているという点もあります。

このような失敗に対する解決策のひとつが、データ作成者とデータ利用者をつなぐDataOpsという新しい分野です。これはSeagateで実践され続けている哲学で、何年も前にこの分野を学んだエンジニアが現在取締役や副社長を務めています。この中心的内容としては、データを介した意思疎通が進んでテクノロジーと人的資源を結びつけることが可能になり、また、企業レベルでの堅牢なデータ分類ポリシーによって異なるデータタイプを整頓でき、データによって目標を確実に実現できるようになることなどが挙げられます。

しかし、データの分析方法に関する知識の基盤を単に構築するだけでは十分ではありません。うまく分析を行う必要があり、そのためには、適切なツールが必要です。SeagateのすべてのエンジニアにJMP^®を利用できるようにし、また、従業員の一部にはJMP Proまで使用できるようにしているのはそのためです。

「たとえば、建設会社が住宅を建てる際には、作業員に必要不可欠なツールであるハンマーを渡しますよね。同じように、当社のエンジニアがデータを分析する際にはJMPを使用します」とSeagateのメカニカルR&D部門のマネージングプリンシパルエンジニアであるTed Ellefson氏は言います。

スマートマニュファクチャリングがデータ界隈を変容 

シックスシグマのマスターブラックベルトを有し、Seagateの研究開発部門で25年の経験を持つEllefson氏は現在、同社のミネアポリスの施設において設計・開発を担当するチームの一員として、データ分析の指導やコンサルティング、実験計画、ビジネス工程管理、ビジネス工程全体の改善機会の特定などのサポートに取り組んでいます。また、Ellefson氏は工程改善に取り組みつつ、同時に研究開発部門のトップチームでも勤務しています。Seagateの分析の専門家は、異なる部門や地域にサイロ化されることなく統合されているからです。

「私たちが生成するデータ量は、極めて速いスピードで増加しています。しかし、使用しているのはその3分の1程度に過ぎないかもしれません。もし、残りの3分の2の利用可能なデータを探索し、理解できたとしたら、会社や社会のためにどれだけのことができるかを考えてみてください」とEllefson氏は語っています。

同氏は現在、Seagateの研究開発チームのエンジニアと協力して、未活用あるいは十分に利用されていないデータの活用に向けて取り組んでいます。その際にどのようなデータが利用可能で、それを見つけるためにどのデータベースを照会しなければならないかを知るには、組織内の対象分野の専門家や技術チームの知識が重要な役割を果たします。このドメインとエンジニアリングの専門知識の相乗効果が、社内における分析を統合する上で成功のカギになります。

AIの役割はドメイン専門知識の補完であって置換ではない

20年前、企業におけるデータ重視の風潮がシックスシグマによって高まりました。それからしばらく経った今日では、自動化と機械学習がトレンドになっています。しかし、モデルの検証には依然として人間による関与が不可欠です。その点で、Seagateのドメインエキスパートは、工場管理、設計決定、製品機能、製品設計などの基礎となる堅牢なモデルの作成に必要な科学を理解していると言えるかもしれません。

一方、製造エンジニアの役割は、工程に関する深い知識と直感を利用して、重要な工程の入出力変数を特定し、監視すべきパラメータはどれか示すモデルを構築することにあります。「それから自動化された情報システムを構築し、リアルタイムで監視します。私たちの工場にあるAIは、多角的な観点から重要だと思われる要素を監視し、私たちの予想と異なる事態が発生したときに警告を発するため、それをもとに従業員が調査を行って、どうすべきか決められます」とEllefson氏は説明します。

同氏によると「このデータ自動化システムは、高速道路脇のランブルストリップスのような機能」を果たすそうです。ランブルストリップスは、車両が車線からはみ出しそうになると、道路上の凹凸（おうとつ）のデコボコ感が運転者に伝わり、溝に落ちないように調整する必要があることを知らせます。これによってガードレールにぶつかる前に車を修正できるのです。

同じことがSeagateのAIシステムアーキテクチャにも当てはまります。世界中のSeagateの施設は堅牢な製造実行システム (MES) を備えており、エンジニアは多次元の統計的工程管理 (SPC) を実施できますし、製造スタッフは自動化されたSPCチャートによって生産オペレーションと設備を24時間継続的に監視するダッシュボードを活用できます。そして、これらのダッシュボードは、データの潜在的な不規則性をテキストやメールでドメインエキスパートに警告します。 

「JMPは、データを探索する初期段階で、どのパラメータや交互作用が最も重要かを判断するのに非常に役立っています。そこからさらにどのようなタイプのSPCモニタリングツールが実際に効果的かを検討し、それを特定したらあとは自動情報システムまたはMESシステムで特定の技術を展開し、常にリアルタイムで稼働させることができます」とEllefson氏は説明します。 

データ分析に慣れないエンジニアの端緒となるJMP^® 

研究、設計、開発、プロセスエンジニアリングの初期段階では、専門家でも何を調べるべきか判断できていないことが多く、データに関する課題の克服が非常に困難となる場合がよくあります。「科学的な判断によって適切なデータベースを探すことはできても、データの探索とクエリーをどこから始めればいいのかが難しいのです」とEllefson氏。

「開発エンジニアリングチームとして、どの設計がよりうまく機能するか、またはどの要素が本当に重要になるかが分からないことがあります。学生の頃、物理の授業で多くを学んで、重要であるはずのものが何か分かっていても、いざ社会に出て工場の現場を体験したり、マーフィーの法則に書かれているような経験則を目の当たりにしたりすると、将来何が起こりうるかについて確信を持てなくなることがあります」とEllefson氏は述べ、多数のパラメータを高速でスクリーニングすることで、いくつかの必要なパラメータまで絞り込んで実験する能力こそ、開発工学で最も求められるものだとしています。

「JMPの役割は重要です。データを素早く、効率的に探索するのに役立ちます。何をすべきか分からなくても、分析を始められるのです。JMPは素晴らしいツールです。データを探索して、何がうまくいき、何がうまくいかないかを深く理解することができるのです」とEllefson氏。

同氏はJMPの活用で「社内の知識レベルの著しい向上」が見られるようになったと述べます。可能な限り最高のパフォーマンスが得られるようマシンを最適化し、基礎を踏まえ、新しい設計空間へと外挿するようになりました。同氏はさらに、JMPによって社内の知識の蓄積が促進される点について、「それこそデザインエンジニアリングとプロセスエンジニアリングの一番大切な役割で、会社にとってかけがえのない知識を増やしていくことができるのです。JMPのデータ分析はこれを可能にします」と語りました。

トレーニングの活用でデータ主導の社風が生まれ、ビジネスの課題解決にも寄与

データ探索の際にJMPを活用しているSeagateでは、特にデータ分析に関して継続的に教育を行う文化があり、それが社内で統合的な分析を広く実行できる真の原動力になっています。一例として、同社では希望者全員にシックスシグマのトレーニングが提供されており、Ellefson氏はシックスシグマの研修生に対して12ヶ月という長期にわたってサポートすることもあります。

「多くの人は （大学で） 統計学を学んでいますが、その応用については知識が不十分な場合も多々あります。当社が社内トレーニングプログラムを提供するのはそのためです。統計学のコースというより、より進んだ応用工学のコースなのです」とEllefson氏は述べ、これまで統計学の博士号取得者でさえも、応用トレーニングによって学びを得ているのを目にしてきたと指摘しています。結局のところ、ビジネス上の問題やビジネス改善の機会に数学で取り組むのが、エンジニアグループの主要な仕事なのです。

「私たちは、統計分析のためにエンジニアや科学者に報酬を支払っているのではありません。報酬は、具体的な提案や意思決定への対価なのです。ですから、そのためにデータの使い方を社内で教えて、そうした基盤を確立することを目指しています」と同氏。

すべてのドメインエキスパートが活用できる分析

Seagateの従業員の多くは、物理学、化学、磁気学などの専門分野のプロフェッショナルですが、そのようなプロフェッショナルにとっても、JMPのような産業用途向けに特別に設計された分析ツールを利用するメリットは大きいとEllefson氏は語ります。

だからこそ、Seagateの経営陣は、データに触れるすべての従業員がJMPにアクセスできるようにしているのです。JMPを使えば、より効果的かつ効率的に結果を解釈し、より戦略的に実験を計画し、今日利用可能な応用統計手法をフル活用できます。

「JMPの小さなボタン1つで、数百万行のコード、40～50件のファイルのデータを基にグラフを作成できるのですから、まさに驚きです。JMPのスクリプトをクリックするだけで、意思決定に役立つ結果やグラフを生成できるなんて…20年前にはあり得なかったことです」とEllefson氏。

Seagateでは、データを生成する側とデータを分析・解釈する側がどれほど効果的に連携できるかは、彼らの間のコミュニケーションの密度や質にかかっています。工場などの現場で働く専門家は、工場のシステムアーキテクチャから出力されるデータのノイズを理解しなければならない一方で、発見した洞察をより簡単に活用できる情報に変換する必要もあります。ここで重要になるのはデータの可視化であり、「今後の方向性をはっきりと示したグラフなどの出力画像を提供できれば、質の高いコミュニケーションが実現できます」とEllefson氏は言います。

この点について、Ellefson氏はJMPで分析した結果をSeagateの副社長の一人に見せた過去の例を挙げています。彼はすぐにデータを理解した上でEllefson氏の解釈に同意し、会議が終わる前に二人でアクションプランの作成までたどり着けました。そして、副社長はそれらのJMPの出力画像を上層部に提示し、プランを前進させるために必要なリソースを確保しました。 

「効果的なグラフは、正しい意思決定を促します。効果的にデータを可視化すれば、見る人に適切な情報を与え、組織への正しい提言や意思決定のサポートにもなります。データを分析・解釈する側が確実に （意図を） 理解するためには、受け手にとって見やすく分かりやすいデータの可視化が必要です」とEllefson氏。

志を同じくするコミュニティが新しいアイデアを生む

JMPだけでも十分すぎるほど盛りだくさんの機能がありますが、Seagateでは一部の従業員がJMP Proを利用できるようにもしています。「私たちはJMPで得た知識と分析を、関数主成分分析や一般化回帰のようなJMP Proに備わる高度な分析技術に応用しています」とEllefson氏は説明します。

JMPは社内の誰もが簡単に使える分析の中心的なツールである一方で、JMP Proは戦略的ビジネス分野における高度な分析を可能にするツールとして利用されています。

JMPとJMP Proのユーザーは、スキルや経験の区別なく、社内のユーザーグループに毎月参加しています。このミーティングの目的は、ユーザー同士のコミュニケーションを促進し、他のドメインエキスパートから学ぶことです。社内のさまざまな部門のユーザーが、新しい課題を克服するためにJMPをどのように使用しているかを他のユーザーと共有します。

Ellefson氏は、「私たちはこのようにしてお互いに学びあっています」と述べ、彼自身は社外のJMPユーザーグループにも積極的に参加していると語っています。「繰り返しになりますが、こうすることでJMPを実際に活用するユーザーによるベストプラクティスやアイデアを共有できるコミュニティができていきます」とEllefson氏。

Seagateでは「統計的学習」と「分析から得られる発見」に価値を認めて重きを置いていますが、これはJMPとも共通するコアバリューです。これらの価値こそが、同社が業界をリードし続ける上で大きな役割を果たしていることは間違いなく、今後もそうであり続けるでしょう。