廃棄される膨大な量のデータ（いわゆる「データエキゾースト」）には実は大きな価値があり、新たな競争優位性を生み出すために活用できる、とIoT、デジタル、AIを手がける企業Rocket Wagonの製品・先進分析担当バイスプレジデントAlex Castrounisと、ウォートン・スクールのシニア・フェローScott Snyderが寄稿したこのオピニオン記事は述べています。
モノのインターネット（IoT）ではなく、「モノのデータ」あるいは「データのインターネット」と呼ぶべきではないでしょうか？
シスコの2016年版「Visual Networking Index」によると、IoTは2018年までに年間400ゼタバイト（または400兆ギガバイト）という途方もない量のデータを生み出すとされています。これを後押しししているのは、ウェアラブル機器やスマートホーム機器から、ボーイング787のような高度なコネクテッドプラットフォームまで多岐にわたります。ボーイング787は飛行1時間あたり40テラバイトのデータを生成します。また、リオ・ティントの鉱山事業では、1分間に最大2.4テラバイトのデータを生成することができ、これはTwitterが1日に生成するデータの20倍以上です。
IoT機器からのデータがこれほど急増しているにもかかわらず、保存と後の分析のためにデータセンターへ実際に送られるのはごく一部（8.6ゼタバイト）に過ぎません。「データエキゾースト」は、実際に洞察を得るために分析されているものよりはるかに大きいのです。しかし、長距離・低消費電力のIoT接続、より小型で低コストのセンサー、そして人工知能（AI）を備えたクラウドおよびエッジコンピューティングが急速に進歩しているため、このデータエキゾーストの多くは、新たな洞察を得るために分析できるだけでなく、リアルタイムの行動へと結び付けることもできるようになっています。自動運転車は、新たな状況や環境ごとに、安全で効率的な運転行動を学習するために大量のセンサーデータを活用する好例です。
BCGによると、最も革新的な企業の80%は、データを活用して事業上の優位性を生み出しています。このため、Progressive、Nike、John Deereといった企業は、製品やサービスのセンサー化に投資を続け、その結果として顧客インサイト、経済性、ビジネスモデルの革新という恩恵を得ています。しかし、ほとんどの企業にとって、新製品やサービスの開発においてデータの価値は後回しにされており、業務改善でのデータ活用はなおさらです。生まれるデータがどれほど価値を持つ可能性があるかから出発するのではなく、「つながっている」ことそのものを価値と考えてしまいがちです。
中には、決してつなぐべきではないものもあるのでしょう。たとえば、性行為中に消費カロリーを計測できる「i.Con」スマートコンドームや、投資を120万ドル（1億2,000万ドル）も集めたにもかかわらず誰も関心を持たなかった、コネクテッドジューサー「Juicera」などです。
最初からデータを原動力とし、生成されたデータをどのように、なぜ活用すべきかという問いから全体のソリューションを構築していたらどうでしょうか。IoTについてよくある誤解――価値はハードウェアや接続性にある――にもかかわらず、これらは単にデータをより効率的かつシームレスに収集する手段であり、これまで手の届かなかったデータにアクセスすることさえ可能にするものです。たとえば、ぜんそくやCOPD（慢性閉塞性肺疾患）の吸入器にセンサーを組み込み、人がいつ、どこで吸入器を使用したかのリアルタイムデータを収集することで、スタートアップのPropeller Healthは、呼吸器疾患の管理方法を一新しました。患者集団全体の詳細な使用データを、天候や大気質などの外部データと統合し、リアルタイムで個別化されたコーチングを提供した結果、Propellerは計画外のぜんそく発作を50%削減することを示し、医療費で数十億ドルを節約できる可能性を示しています。
「データエキゾースト」は、実際に洞察を得るために分析されているものよりはるかに大きいのです。
同様に、Progressive Insuranceは、Snapshot車両センサーから得た運転行動のデータを、改善されたリスクモデルと、良好な運転行動を示す参加ドライバーへの保険料引き下げへと活用しています。これは現在、同社の直接販売チャネルの収益の20%超を占めています。いずれのケースでも、これらの企業はIoTを用いて、エンドユーザーにとってデータ収集をシームレスかつ意識させないものにしつつ、彼ら自身と顧客のために価値を生み出しています。
B2B分野では、John Deereのような企業がIoTデータを用いてビジネスモデルを転換してきました。農場1件あたりの平均データポイント数は、2014年の1日19万件から、畑や機器のセンサー化の大幅な進展を背景に、2020年には410万件に達すると予測されています。こうしたデータストリームを洞察や規範的分析（データに基づく自動化された意思決定）へと転換することで、Deereは農業機械の販売から、データという優位性に支えられた「精密農業（Precision Farming）」サービスの提供へと移行しました。John Deereの例と同様に、IoTデータは、他の多くの資産集約型産業（航空、鉱業、運輸、建設など）において、各製品やプラットフォームの利用状況と信頼性を監視・最適化できることから、「サービスとしての〇〇（as-a-service）」（XaaS）のビジネスモデルを可能にしています。
適切な場所と方法を知っていれば、データにはほぼ常に大きな価値と情報が含まれています。データは、そこに含まれる情報の価値だけでなく、潜在的なパートナーとの間で企業が活用できる通貨としての価値も持っています。データは売買や取引も可能です。データから価値を引き出し、最終的に競争優位性をもたらす方法は、さまざまな形態の分析と収益化を通じて行われます。
データで勝利を目指す
プロフェッショナルモータースポーツは、車が「モノ」として機能するIoTの一形態です。車載センサーのデータはリアルタイムでエンジニアに送信され、分析されます。このデータは、無線周波数（RF）技術に基づくトラックサイドのテレメトリーを通じてピットのエンジニアに送信されるほか、場合によってはネットワーク（WANや携帯通信網など）を介して、レースチーム本部のような遠隔地にいるエンジニアにも送信されます。
一般的なIndyCarには最大80個のセンサーが搭載されています。サンプリングレートを1000kHzと仮定すると、毎秒80,000件のデータサンプルとなり、インディ500の期間中には6,400億件のデータサンプルとなります。車がコースを走行するたびに膨大な量のデータが生成されるため、競争優位性の主要な源泉は、大量のデータをほぼリアルタイムで実行可能な価値へと転換する能力にあります。そこで登場するのが分析です。
2台体制のIndyCarレーシングチームの年間予算が約1,500万ドルに達することは珍しくなく、一部のフォーミュラ1チームは最大5億ドルに達します。既存のチームにとって、レースチームがスポンサー資金をどれだけ獲得できるか、また獲得できる金額は、チームの過去の実績と、実際のものと認識されたものの両方を含む競争優位性によって完全に決まります。大まかに言えば、レースチームが性能と競争優位性を高める方法は2つあります。「車をより速く走らせる」（レースチームのメンバーの多くが口にする常套句）ことか、優れたレース戦略や偶然によって順位を上げ、場合によってはレースに勝つことです。
車をより速く走らせることは、データの分析、そしてデータのみによって可能になります。このデータは、車載センサーやデータ収集、ドライバーのフィードバック、風洞、七柱式加振試験機、コンピューターシミュレーション、コース上でのテスト、タイヤテスト、流体力学シミュレーションとテスト、エンジン動力計テストなどから得られます。実際のレース中にレース戦略をより巧みに用いて競合を出し抜く能力は、過去と実時間の両方のレースデータに大きく左右されます。
IoTデータのエキゾーストを無駄にしないでください。そこには、競争優位性を生み出す洞察が含まれている可能性があります。
いずれの場合も、高度な分析を活用することで、レースチームはデータを性能向上（より速い車とより短いラップタイム）に転換でき、戦略によってレース結果を最大化することも可能になります。分析の一部はデータサイエンティストやエンジニアが手作業で行い、その他の分析は自動化されています。この場合の分析には、記述的分析、データの可視化、統計分析、そして人工知能や機械学習の手法やアルゴリズムの適用を含みうる高度な分析が含まれます。
車が速く、平均的にレース結果が良いほど、レースチームは資金を確保しやすくなり、しかもより多くの資金を得られます。これはビジネスにおいてもまったく同じです。企業が生み出す競争優位性が多いほど、顧客の獲得、維持、増加が容易になるため、財務実績は良くなります。
「データエキゾースト」を価値に転換する
競争優位性を持つとは、あなたまたはあなたの企業が、競合他社には提供できない何らかの価値を提供できることを意味します。その価値は、イノベーション、優れた実行力、より良いユーザーエクスペリエンス、またはデータを入手し価値に変換する能力の高さによって生まれます。
データは、意思決定を、勘や歴史と経験から得た当て推量に基づくものから、パターンと予測に基づく客観的な判断へと転換させます。データはまた、意思決定の前提となっている基礎的な仮定を定量化し、その可能性と規模の桁を割り当てることを可能にします。実際、データによって、何をどれだけ改善または最適化できるかを知ることができます。
IoTは、製品、サービス、業務に関するデータをはるかに多く収集する機会をもたらすだけでなく、IndyCarのレーシングチームと同様に、あなたのビジネスにおける競争優位性を生み出す機会も提供します。しかし、この優位性を引き出すには、勝利のために「レースデー」の前に基盤を整える必要があります。これには次のものが含まれます。」
— 成果のための計測。 まずは、IoTデータから価値を引き出せる潜在的な機会を特定し、それを可能にするデータを最もシームレスかつ経済的に収集する手段を決定することから始まります。たとえば、選手がすでにスパイクや競技用ユニフォームを着用しているなら、新しい機器を作って費用を算出する代わりに、そこにセンサーを組み込めるかもしれません。
Nikeは、Nike+プラットフォーム（コネクテッドスニーカー、ウェアラブル機器、アプリ）を拡充するために多額の投資を行い、700万人以上のランナーとその行動について、より詳細なデータを収集しています。これにより、スマートな買い替え（靴底の摩耗時期の把握）や、よりパーソナライズされたシューズ・アパレルを通じて売上の増加を図っています。
Under Armourは、1億5,000万人のデジタルフィットネス・健康ユーザーにアクセスするために約5億ドルを費やし、同じデータ収集の機会を開拓するとともに、健康・ウェルネスのデータインサイトにさらに深く踏み込むためにHealthBoxを立ち上げました。データを収集する最も効率的な手段（センサーと接続性）を特定することに加えて、企業は、扱うと想定されるさまざまなIoTデータストリームを取り込み、管理し、分析するためのビッグデータ環境も導入する必要があります。
— 最適化のための調整。 計測の仕組みが整い、データを収集・保存できるようになったら、このIoTデータを事業価値をもたらす洞察や意思決定へと転換するための知見とツールが必要になります。これは、既知の問いに答えて性能を最適化できると同時に、データの中に隠れたパターンを発見することで新たな問いにも答えられる、データサイエンティスト、データエンジニア、アーキテクトのチームを持つことを意味します。スマートシティの応用では、車両の流れを把握し、交通を最適化する代替策を決定することは既知の課題です。
公共交通の利用減少により、特定の地域では配車サービスが交通に悪影響を与えている、という仮説を立てることは新たな問いとなります。これは、最新の予測分析やAIプラットフォーム（TensorFlow、Torch、H20.aiなど）を用いて、仮説を迅速に提案・検証し、望ましい成果を生み出すための推奨戦略や行動を導き出せるデータ・分析チームを持つことを意味します。
このような批判的思考を備えたデータサイエンティストを見つけることは容易ではなく、異なるスキルを持つ人材（Pythonプログラマー、モデラー、統計学者、ビジネスアナリスト）を統合する必要があるかもしれません。また、Kaggleのオープンデータコンペティションや、新たな人材を発掘するための学生プロジェクトへの支援など、他の経路を通じて人材のパイプラインを構築することも必要になるでしょう。
— 勝利のための競争。 データ、洞察、推奨される行動を手にすることで、現在の事業やプラットフォームをさらに最適化できるようになります。しかし、データの価値を完全に引き出すには、データを用いて提供内容やビジネスモデル全体を再考し、データを中核的な優位性として活用する能力が必要になることがよくあります。
IoTは、現在の事業運営や顧客体験に関する膨大なデータへと拡張できるため、企業にはデータ中心のビジネスモデルへ移行し、製品を継続的なサービスとして提供する独自の機会があります。たとえば、医薬品企業が薬剤の販売から（患者モニタリングを通じた）疾患管理の提供へ移行する場合や、自動車メーカーが車の販売から移動距離の提供へ移行する場合などです。さらに、企業は、IoTデータ資産とデータサイエンスの能力を、イノベーションプロセスの初期段階から統合することで、それらを後付けとして扱うのではなく、まったく新しいコネクテッド製品や商品を開発することができます。
データの価値を完全に引き出すには、多くの場合、データを用いて提供内容やビジネスモデル全体を再考し、データを中核的な優位性として活用する能力が必要です。
要約すると、IoTが新たなインターネットであり、データが新たな石油であるなら、IoTデータのエキゾーストを無駄にしないでください。そこには、市場における将来の競争で勝利に導く競争優位性を生み出す洞察が含まれている可能性があります。しかしまず、このデータを効率的に取得・分析する能力を構築し、IoTが生み出すデータの力を新たな製品、サービス、ビジネスモデルへと活かすようイノベーションプロセスを刷新する必要があります。それにより、他社との差別化が可能になります。エンジンを始動する準備をしてください。
