エンジニアリング企業向けのOKR重視のデリバリーモデル
序章 新しい技術を採用する組織や近代化の旅をしている組織は、通常、今後のツール、その機能、理想的な環境下での潜在的なパフォーマンス/コスト改善に焦点を当てています。一つ見落とされがちな側面は、組織がどのように効果的かつ効率的にこれらの技術を取り入れるかということです。実際のところ、技術の採用はビジネスの優先事項、他のシステムとの統合、技術的な負債に影響を受けます。これらの抵抗は、全体的なプロジェクトの実行と効率を潜在的に不安定にする可能性があります。 このテクノロジーの採用中における典型的なプロフェッショナルサービス組織の役割は、技術的な相談と変更管理を通じて抵抗を最小限に抑えることです。 Databricksプロフェッショナルサービス では、技術から約束されたビジネス価値を実現することに焦点を当て、顧客と責任を共有することが重要だと考えています。 そのことを念頭に置いて、私たちはエンジニアリングのDNAから学び、お客様の目標と主要な結果（OKR）に基づいた共同努力に焦点を当てた新しいエンゲージメントモデルの試験
Databricksで実現する高品質で信頼できるデータプロダクト作成法
序章 AIやデータ ドリブンを目指す組織では、多くの場合、社内のチームに高品質で信頼できるデータ を提供する必要があります。 このようなデータプロダクトを構築することで、組織はデータと AI の目標に対する標準と信頼できるビジネス上で価値のある基盤を確立できるようになります。 品質とユーザビリティを最優先するアプローチの 1 つは、データメッシュ パラダイムを使用してデータ資産の所有権と管理を民主化することです。 当社のブログ記事 ( パート 1 、 パート 2 ) では、顧客が企業内でDatabricksを活用して、データ メッシュの基本的な柱 (その 1...
データとAIに関する三位一体とは：ピープル、プロセス、プラットフォーム
翻訳：Ryo Hasegawa. - Original Blog Link ビジネスリーダーは皆、同じ質問をしています： データとAIに関する自社の計画を加速させるにはどうすればいいのか？ビジネスをリスクにさらすことなく、大規模な言語モデル（LLM）を活用するにはどうすればいいのか？そして、これらのシステムからできるだけ早く価値を得るにはどうすればいいのか？ 誰もが、誇大広告による混乱を回避し、自社のデータをどのように収益化し、前例のないスピードのテクノロジーを活用できるかを把握したいと考えています。より多くの業務を自動化し、より付加価値の高い業務に集中できるようにしたいからです。古いデータの照会にとどまらず、より良い未来像を得たいと考えています。セキュリティ・リスクを最小限に抑えながら、可能な限りコストを削減したい。そしてもちろん、今すぐ結果を出したいのです。 しかし、データとAIに関しては、成功のための戦略は企業ごとに異なるでしょう。私たちはDatabricksのフィールドCTOとして、データスタックをモダナ
レイクハウス・センターオフエクセレンス（CoE）： データAIビジネスで成功する4つの原則
翻訳：Ryo Hasegawa. - Original Blog Link Databricksのミッションは「データ分析とAIを民主化する」ことです。このステートメントは、データエキスパートの日常業務に意味を与えるだけでなく、今日のデータとAI分野において、スケールすることが難しいという現状を反映した適切なものと言えます。 McKinsey 、 Deloitte 、 Accenture などによる複数の独立した調査や研究ノートも、同じ結論を示しています。データとAIの需要と関心はかつてないほど高まっていますが、ほとんどの企業はデータとAIをスケールしてエンタープライズレベルの価値をを達成するのに苦労しているのは事実です。 2022年にアクセンチュアが発表した「 AI成熟に関す るアート 」と呼ばれるレポートもそのひとつで、強力な競争優位性を実現し、データおよびAIの達成者と呼べる企業は、調査対象となった1,200社のうち、わずか12％に過ぎないことが示されました。つまり、88％の企業がデータとAIの本当の価値を引
金融サービスのリスク管理に AI を活用する 4 つのメリット
効果的なリスク・コンプライアンス管理について詳しくは、 こちら のページをご覧ください。 銀行などの金融サービスにおける中核的な機能は、詐欺、マネーロンダリングなどの金融犯罪から顧客を守ることによる資産の保護、リスクの特定、損失の軽減です。相互に絡まり合ったデジタルな現在の世界において、金融サービスにおけるリスク・コンプライアンスの管理は、これまでになく複雑でコストのかかる取り組みとなっています。2008 年の グローバル金融危機 以来、コンプライアンスなどの規制変更は 500% 増加 し、プロセスにおける規制のコストは増大しています。金融サービス機関（FSI）では、2020 年に更新されたマネーロンダリング対策（AML）や 2023 年のトレーディング勘定の抜本的見直し（FRTB）、EU における PSD2 のような新たな規制への対 応に追われています。コンプライアンス規制への対応に加え、データ管理やリスク評価の改善を求める消費者の声もあり、銀行の運用コストは 60% 増加しています。 コンプライアンスの問題は、
Hadoop からレイクハウスへの移行：成功のための 5 つのステップ
Hadoop （ハドゥープ）から レイクハウスアーキテクチャ のようなモダンなクラウドベースのアーキテクチャへの移行は、技術的な判断ではなく、ビジネス的な判断です。以前のブログ、 It’s Time to Re-evaluate Your Relationship With Hadoop では、組織がHadoop との関係を再評価する必要がある理由を解説しました。技術やデータ、ビジネスのステークホルダーが、エンタープライズの Hadoop を移行する決断をした後、移行を実行する前に 考慮すべき課題 があります。本ブログでは、実際の移行プロセスそのものに焦点を当て、移行を成功させるための重要なステップや、新たなデータドリブンなイノベーションの成功にレイクレイクハウスアーキテクチャが果たす役割を説明します。 移行のステップ 率直に言って、移行は決して容易ではありません。しかし、移行を構造化することで、リスクを最小限に抑え、ビジネスの継続性を確保し、コストを効果的に管理できます。そのためには、 Hadoop からの移行