このブログは、データ戦略＆アナリティクス能力担当ディレクターであるGordon Strodel、エンタープライズデータ管理プラクティスリードのAbhinav Batra、エンタープライズアーキテクトのNitin Jindal、そしてZSのビジネステクノロジーソリューションマネージャーであるAbhimanyu Jainとの共同執筆です。 データスチュワードシップ：組織のデータ戦略の重要な要素 マスターデータ管理（MDM）システムは、長い間、あらゆる組織にとって不可欠な柱となってきました。時間の経過とともに、MDMフレームワークの進歩により、組織の顧客データを自動化、標準化、およびクレンジングする機能が大幅に強化されました。これらの機能強化にもかかわらず、データスチュワードの直接介入を必要とする未解決のエッジケースという、根強い課題が残っています。 データ管理は、組織のデータ管理戦略の重要な要素であり、これらのエッジケースを対処するために手動介入に依存しています。これらのデータ管理者は、顧客プロファイルを効果的にナビ

ロールス・ロイスは、様々なAIプロジェクトにおいて Databricksデータインテリジェンスプラットフォーム の変革的な力を目の当たりにしてきました。その一例として、ロールス・ロイスとDatabricksの協力プロジェクトがあります。このプロジェクトは条件付き敵対的生成ネットワーク（cGAN）の学習プロセスの最適化に焦点を当てており、 Databricks Mosaic AIツール を使用することの多くの利点を実証しています。 このcGAN学習最適化の共同プロジェクトでは、チームは数値、テキスト、画像データの使用を検討しました。主な目標は、ロールス・ロイスの設計空間探索能力を向上させ、パラメトリックモデルの限界を克服することでした。これは、従来の形状モデリングとシミュレーションプロセスを必要とせずに、特定の設計条件を満たす革新的な設計コンセプトの識別と評価を推進するために、過去のシミュレーションデータを再利用できるようにすることで達成されました。 ビデオを見る： ロールスロイスがクラウドベースの生成AI を使用

財務評価と比較分析 ヘッジファンド、マーケットメーカー、年金基金などのキャピタルマーケットに特化した金融機関は、これまでも最新の分析手法や新しいオルタナティブデータの導入に積極的でした。この競争の激しい業界では、成功者はより広範なデータを迅速に要約し、それに基づいて行動することで「アルファ」を獲得しています。 生成AI（Gen AI）の成熟は、金融サービス業界全体で注目されており、買い手側と売り手側の間に長く存在していたデータの格差は急速に縮まっています。リーダーたちは、大規模な言語モデル（LLM）やAI技術が、金融アナリストチームを強化するために大きな価値をもたらすことを認識しています。多くの企業が、データサイエンス部門から生まれた概念実証や限定的なパイロットプロジェクトに、すでに意欲的に投資を行っています。今日、「アルファ」を獲得するための戦いは、早期に正しい情報を手に入れるだけでなく、技術的なパイロットをいち早くビジネスユーザーが信頼して活用できる企業向けアプリケーションに変換する能力にも依存しています。

はじめに 時系列予測は、多くの企業における在庫管理や需要管理の基盤となっています。過去のデータと予測される条件を組み合わせて、企業は売上や販売数量を予測し、期待される需要に応じてリソースを配分します。このような基本的な作業であるため、企業は常に予測の精度を向上させる方法を探求しています。これにより、適切なタイミングで適切な場所にちょうど良い量のリソースを配置し、資本の無駄遣いを最小限に抑えることができます。 多くの組織が直面する課題は、利用可能な予測手法の幅広さです。古典的な統計手法、一般化加法モデル、機械学習や深層学習に基づくアプローチ、そして最近では事前学習された生成的AIトランスフォーマーなど、選択肢が非常に多く、シナリオによってはある手法が他の手法よりも優れていることがあります。 多くのモデル開発者は、ベースラインのデータセットに対して予測精度の向上を主張しますが、実際にはドメイン知識やビジネス要件によって、選択肢は数種類に絞られます。その上で、実際のデータセットに適用し評価することで、どのモデルが最適か

通信業界は、急速な技術の進歩と進化する市場動向により、大きな変化を遂げています。 通信サービス プロバイダー (CSP) は、顧客向けのモニタリングと最適化、およびパーソナライズされたエクスペリエンスのためにネットワークを管理するためのさまざまなソリューションを構築します。 CSP による 5G ネットワークの導入が進み、自動車、製造、小売、医療、物流などの業界全体で IoT (モノのインターネット) や M2M (マシン ツー マシン) ソリューションに多額の投資が行われる中、CSP は追加のソリューションやサービスでネットワークを収益化することで収益を増加できる独自の立場にあります。 このブログでは、Databricks を使用した IoT および M2M...

Stardogナビン・シャルマとジョー・ピンデルとの共同執筆作品である。 業界を問わず、納品後の失敗に伴うコスト（リコール、保証請求、納品後の信用失墜など）の影響は甚大です。食品業界では、1件あたりの直接的なコストが1,000万ドルを超えることもあります。その影響は多面的で、売上の減少やブランドの評判へのダメージが伴います。ある推定によると、納品後の失敗による売上損失は、顧客1人あたりの平均収益の2,000倍以上に相当します。このような高リスクの状況で不十分な対応や遅いレスポンスが続くと、顧客は競合他社へと流れ、将来の成長を支える酸素を断たれることになります。そのため、品質の悪さによるコストは製造業にとって大きな財務負担であり、場合によっては運営コストの最大40%に達することもあります。 企業は品質問題の早期警告指標をもっと得たいと願っていますが、通常は顧客の苦情が増加した後に初めて問題を把握します。典型的な問題は次のようなものです：週末に顧客からの報告が急増し、製品の品質問題やブランドに対する不満が明らかになり

Translation Reviewed by Akihiro.Kuwano 保険、金融、公共安全など、さまざまな分野で真の水リスク評価を実現 このブログ全体で参照されているノートブックをダウンロードするには、 ソリューション アクセラレータ を確認してください。 水と気候変動は密 接に関連しており、行動を起こさないことのコストが行動のコストを上回ることは明らかです。 過去40年間、米国は大規模な気候災害の劇的な増加により、 2兆ドルを超える復興費用 の増え続ける財政負担に直面してきました。 2023 年だけでも、米国は少なくとも 929 億ドル の価格を計上しました。 世界気象機関(WMO)は 、過去20年間で洪水の数が134%も増加し、干ばつの発生率は29%増加したと報告しています。 世界中のコミュニティと資産は、水の過剰と不足の両方による大きなリスクに直面しています。 効果的な水リスク管理には、リアルタイムの水リスクデータを継続的にリスクモデルに取り込むことが必要です。...

イントロダクション 金融機関は、複雑な規制検査と、柔軟で包括的なリスク管理ソリューションの差し迫ったニーズを伴う厳しい環境に直面しています。 時代遅れのインフラストラクチャと、さまざまな種類のリスクに関する分離されたデータの負担により、既存のシステムは、CECL（信用損失に関する米国会計基準）、ストレス テスト、流動性リスク、規制データ報告にわたる規制上の期待に持続的かつ効率的に対応するために必要なデータ フレームワークを提供できません。 さらに、複雑なリスクプロセスは長い間大きな障害となっており、変化する規制への迅速な適応や効率的なデータ処理と分析を妨げてきました。 これらの課題に対応するため、金融機関は時代遅れのレガシー システムからクラウドへと重点を移しつつあります。 この変化は、特にリスクと財務機能の統合において、イノベーションと業務効率の重要な推進力となります。 金融機関は、リスク管理を近代化する際に、規制上の懸念に対処するために2つの重要なイニシアチブを検討することができます。 規制リスクと財務のため

放射線学は、X 線、コンピュート断層撮影 (CT)、磁気共鳴画像 (MRI)、核医学、陽電子放出断層撮影 (PET)、超音波などの医療用画像診断手順を通じて病気を診断し治療する重要な要素です。 典型的な放射線科ワークフローには、特にプロトコル作成プロセスを中心に手作業のステップが含まれます。 大規模言語モデル (LLM) を使用すると、このような管理上の負担の一部を自動化できます。 現在の状況: 放射線科ワークフロー さらに詳しく調べるために、典型的な放射線科のワークフローについて詳しく見てみましょう。 最初に、患者は最近の脳震盪の影響が長引くと報告し、医療機関を受診することがあります。 医療提供者は、患者のメモを電子カルテ(EHR)にまとめ、CTスキャンなどの画像検査を依頼します。 その後、放射線科医が臨床記録を確認し、「造影剤付き脳のCT」などの適切なプロトコルラベルを注文に割り当てます。 このラベルは、画像技術者が注文を実行する際の指針となり、検査とその後の結果の確認につながります。 放射線科ワークフローに