現代のビジネスは情報に基づいて進められているが、われわれは今、基幹業務システムから得られるデータや会社のデータベース、産業IoT（モノのインターネット）システムから生成されるデータ、ありとあらゆる外部データなど、データの海で溺れそうになっている。優秀なデータサイエンティストはほとんどおらず、雇うにしても高い費用が必要な時に、ビジネスに必要なインサイトを得るために、データを完全に把握して活用するにはどうすればいいのだろう？
「Tableau」や「Power BI」のような最新のデータ解析ツールは、クエリの作成や結果の表示を簡素化するグラフィカルツールを備え、このような問題のいくつかを解決するのに大いに役立つ。MicrosoftのPower BIは、「Excel」で提供されている解析ツールを基に作られ、さまざまなデータセットで利用でき、クエリの作成やテストができて、視覚化機能もカスタマイズ可能だ。
「実用的AI」の導入
MicrosoftのSteve Guggenheimer氏は、自らが現実世界あるいは「実用的人工知能（AI）」と呼んでいるものをテーマにしたブログ投稿の中で、データはAIの基礎であり、データなくしてAIは存在しえないと述べている。Guggenheimer氏はさらに続けて、インテリジェンスの前にインサイト（洞察）が必要だと説き、「BI before AI（AIの前にBI）」というコンセプトを掲げた。ここで登場するのが、「Common Data Model」とビジネスデータエンティティ向けの共有グラフを中心に据えたMicrosoftのビジネスアプリケーションプラットフォームだ。
MicrosoftのCommon Data Model（CDM）は、標準化され、モジュラー型で拡張可能なデータスキーマのコレクションだ。エンティティ、アトリビュート、セマンティックメタデータ、リレーションで構成される。
提供：Microsoft
「Dynamics CRM」とERP（統合基幹業務システム）のデータモデルをベースに作られたCDMは、さまざまなビジネスに共通するコンセプトを扱う水平方向のデータと、産業ごとに異なる特有な垂直方向のデータを結びつける。これは、Power BIのような解析ツールでうまく機能するアプローチであり、アプリケーションに組み込めそうな新しい機械学習（ML）モデルの構築に使えるインサイトを探しながらデータを検討することが可能になる。Power BIは、インタラクティブなアプローチと予め組み込まれているMLツールを利用することで、複雑なコードを書かずにMLモデルを構築する方法になり得る。
結局のところ、誰もが「R」や「Python」でプログラムを書けるわけではない。この2つはほとんどのMLシステムで使われている解析用のプログラミング言語だが、Power BIと共通するコンセプトが1つある。共有のノートブックを使用してデータを調べて結果を表示することだ。Power BIのレポーティングツールは、データサイエンスにおける「Jupyter Notebooks」に相当する。Jupyter Notebooksは共有サンドボックスで、大規模なアプリケーションで実際に使う前に、チームがデータを調べてモデルを調整できる場だ。
Power BIで膨大な量のデータにアクセスする
現在の一般的なビジネスインテリジェンス（BI）システムは、データレイクからデータを取り出し、Power BIのようなセルフサービスBIツールに取り込む。しかし、もっと即応性が求められる操作のために、Power BIのデータフローにはもっと柔軟なオプションが用意されている。通常のシステムでは、データレイクを構築するためのExtract-Transform-Load（ETL）ツールを開発するための時間が必要だ。データフローがあれば、その背後にある技術について何も知らなくても、馴染みのあるクエリ作成手法を使って再利用できるデータエンティティを組み立てられる。
Power BIのデータフローは、組織が種類の異なるソースから取得したデータを統合し、モデリングのために準備するのに役立つ。データフローは、使い慣れたセルフサービスツールを使って作成できるし、ビッグデータを取り込んで、変形や統合、強化をするのにも使われる。
提供：Microsoft
