ビジネス課題への解決策(アイディア)と、新たな発想(+α)が見つかるIT情報メディア

Menu
  1. TOP
  2. システム運用
  3. 周りにすごーいと言わせたい、役立たずで扱いにくいデータ達~ITサービスでのデータ運用活用~

周りにすごーいと言わせたい、役立たずで扱いにくいデータ達~ITサービスでのデータ運用活用~

  • LINEで送る
  • このエントリーをはてなブックマークに追加

最近はよく仕事で機械学習に携わることが多いです。
前にも私の記事でディープラーニングを紹介したかと思いますが、(宝の持ち腐れ、DeepLearningで活かせインシデント大量データ)機械学習が分からない人でも口にすれば「あれね」ってわかるような時代にもなりました。ARが題材の某映画でもディープラーニングというワードが出てきて驚きました。身近な存在となっている感じですね。そろそろ本題のITサービスマネジメント部らしい話をしたいと思います。
この分野で仕事をしていますとITで扱ってる構成情報(ハードウェア、ソフトウェア等)のデータの持たせ方や運用の仕方の相談を受けることがあります。

どうすれば適切なデータで運用できるのか、また間違った方向で運用してしまった場合はどうすれば良いかというのは知りたいと思います。その企業毎に正解はあると思いますが、運用を始めようとしている場合はやはり、ベストプラクティスの方法で試すのがいいですね。自分で独学に始めたものはそこまでいい結果を生み出さなかった場合が経験上は多いです。賢者は歴史から学ぶともいいます。まずはそのベストプラクティスを運用できるシステムややり方を見習うべきかなとは思います。例えばITILのような考え方ですね。
次に間違った方向に既に進んでしまった場合です。この場合はデータが散乱して見つけにくくなっていたり、そのデータとどのデータが結びついているのか等が分かりにくくなっていたり様々ありますね。こうなるとデータコンサルの方を呼んで考えてもらう必要がでてくるかと思います。
ただ、冒頭に述べたように今では機械学習の技術が発達してきています。これらをうまく使えないでしょうか?例えば、データの世界であればデータの関連性をディープラーニング等で解析することも可能になります。特徴を見つけるのが得意なディープラーニングはその特徴からより有用な情報を見つけ出してくれます。これはデータの特徴を人間が捉えるのではなく、機械が何次元もの数値にして持つのでより精密になるからです。

簡単に言うと人間の見るリンゴ(まるい、赤い)と機械の見るリンゴ(R、G、B、高さ、幅....)は違うという事です。Azure Machine LearningというSaaSの基盤で機械学習ができますが、そこで線形回帰のアルゴリズムを使ってエンジンやメーカーの様々な情報から車の価格を予測するようなことができています。それができると、例えば、あるハードウェアとソフトウェアが何重もの構造になっているとします。その何重もの構造パターンをディープラーニングが学習して特徴を持っていたとします。その構造パターンにバグがあるやなしやの情報を加える。
とこんな事ができるかもしれません。ある構造のソフトウェアにバグが良く起きていたとします。人間が見ても分からない構造を機械なりに出した特徴で分析して、様々なパターンを補完してバグの起きそうな箇所を予測するといったこともできそうです。

構造自体を直すのは難しいですが、既にできてしまっているデータの分析にはとても強いのが機械学習です。データが複雑になってる所は逆にチャンスなのではと思います。機械が思わぬ特徴を見つけ出して、その企業の役立つ答えを出してくれるかもしれません。
以上、ほぼディープラーニングの話になりましだが今は直ぐに機械学習が行える時代なので、試しに持ってるデータを学習させてはいかがでしょうか?
結果次第では、けものフレンズで有名な動物にすごーいって言わせるアイディアが思い付くかも知れません。

メールマガジンの登録はこちらから
メルマガ登録 お問い合わせ