アイデアの迅速な運用：Cognite CTO Geir Engdahl

Cogniteの設立以来、私は産業とデジタルトランスフォーメーションについて多くのことを学びました。コンシューマー向けのインターネットのバックグラウンドを持っていた私は、データを収集することは公園を散歩するようなものだと甘く考えていました。しかし、そうではありませんでした。そこで私たちは、データにアクセスできるようにし、データ収集をより効果的にするために、データを民主化する活動を率先して行いました。私たちはこれを「Data Liberation Front：データ解放最前線」と呼んでいます。これは業界内で広く浸透し、Cogniteの外でも使われる概念になりました。

データの民主化を実現した後に、民主化されたデータを使うことは、公園を散歩するようなものだと思っていましたが、そうではありませんでした。そこで私たちは、データを直感的なデータモデルに接続するためのコンテキスト化ツールを構築しました。その後、運用する上で、別の課題が出てきましたが、それについては後述します。驚くべきことに、産業界の企業から寄せられる課題が非常に似ていることがわかりました。これは、製品化されたソリューションを構築できることを示しており、産業企業自らが開発するコストを回避することができるということを示しています。

特に今は、資金繰りが厳しくなっているため、コンセプト・仮説を実用化したり、サービスにするためのリスクが特に高くなっています。私たちは、実用化に至らなかったPoCを頻繁に目にしてきました。データサイエンスモデルの出力を示すダッシュボードは良い例です。最初のソフトウェア開発では、データサイエンティストのラップトップで一度計算を行った静的データに基づいているかもしれません。実用化とは、それを現実のものにして、オペレータに機器を最適に動かす方法などをアドバイスすることです。これまで成長してこなかったデジタルプロジェクトは、コストセンターであり、滅びる運命にあります。

業界が直面している大きな課題は、優れたPoC（概念実証）を品質管理された実際の製品、コストと時間を節約できる製品（またはサービスやプロセス）にするまでの時間を短縮することです。これに取り組むためには、次の3つのことを行う必要があります。

１：モデルの実行環境を作る

データサイエンスのモデルは、定期的に、自動的に、入力データ上で実行する必要があるコンピュータコードの一部です。計算環境を第一に考えると、データサイエンティストのラップトップは、実運用でモデルを実行するのには適していません。あまりにも壊れやすく、可用性が低い上に、セキュリティ上の懸念は言うまでもありません。一部の顧客向けにベータ版が提供されているCognite functionsのように、コードの実行をスケジュールし、ログを記録し、監視することができるモデルホスティング環境が必要です。Azure functions、Google cloud functions、AWS lambdasのように、産業企業よりも幅広い層をターゲットにした代替手段は他にもたくさんあります。

２：データフローを確実にする：
「ガベージイン、ガベージアウト」の回避

モデルの品質は入力データの品質と深く関係しています。そのため、次に必要なのは、新鮮で正確で完全なデータがモデルに流れ続けるようにすることです。産業データは複雑で、多くの場合、数十種類の異なるソースシステムに由来し、共通の情報モデルとフォーマットに変換され、データ消費者が利用できるようになっています。データの整合性を確保するためには、誰が、何を各データセットに書き込むことができるかについて適切なガバナンスを持たなければなりません。Cognite Data Fusionでは、今年初めにData Setsを紹介しましたが、まさにこれを実現します。

３：データ収集プロセスとセンサーのテスト

デジタルツインなど、現実をデジタル上で表現したものは、そのデータ系統がそのままであっても壊れている可能性があります。最も一般的な原因であるセンサーデータの不一致を検出してアラートすることが重要です。原因としては、上流のデータ収集プロセスの問題、センサーの平坦化、または死んだセンサーなどが考えられます。企業は、データの品質をモニタリングし、カスタムコードをサポートすることで、より具体的な問題を掘り下げていく必要があります。

私たちは、これらの機能をはじめとするいくつかの機能を提供しています。私たちは、これまで以上に優れたアイデアを迅速に実現するためのお手伝いをしたいと考えています。今までよりも、デジタルトランスフォーメーションをより早く推進していく必要があります。