データ ランドスケープ キャンバス

使用する理由

データ ランドスケープを調査し、データ/AI プロダクトにとって重要で有用なデータソースを特定します。

いつ使う？

既にData Monetizationキャンバスを使ってデータ/AI プロダクトに関連するデータセットを特定している場合、次のステップはData Landscapeキャンバスを使い、潜在的なデータソースを特定・所在確認・分類し、利用可能性と品質を確認することです。

使い方

I. 準備

1. キャンバスのヘッダーを記入します：

a) キャンバスのヘッダーの注目対象に、データ/AI プロダクトの名称を書いた白い付箋を貼ります。以前作業していたData Monetizationキャンバスから、注目対象の付箋をコピーして使うことができます。

b) フッター：対応する色の付箋で凡例を追加します。

• 緑色の付箋：データ資産：データソース

• 黄色の付箋：データ資産：データソース（課題あり）

• 赤色の付箋：データギャップ

• 青色の付箋：データ/AI プロダクトまたは必要な情報

• 白色の付箋：重要な仮定または未解決の質問

II. データ収集

② データ探索を絞るために、中央のデータ プロダクトボックスに、データ/AI プロダクトの名称、またはさらに絞る場合は求める情報を記した青い付箋を追加してください。

③-⑥ このデータ/AI プロダクトまたは求める情報に対して必要または有用なすべてのデータを検討してください。以下の色の付箋を使用するか、仕分け先ボックスの既存の付箋を取り込んでください：

• 緑: データセットがデータ元から取得できることを示します。緑の付箋には次のようにラベル付けしてください:「データセット: データ元」。データセットが異なるバージョン、形式、ソースなどで利用可能な場合は、複数の緑の付箋を追加し、ラベルに注記（例:「データセット: データ元（備考）」）を付けてください。

• 赤: データセットが利用できないことを示します。赤の付箋には説明的なタイトルを付けてください。

• 黄色: データセットは利用可能だが、アクセス性、品質、プライバシー、セキュリティなどの課題があることを示します。黄色の付箋は次のようにラベル付けしてください:「データセット: データ元（課題）」。

これらの付箋をデータランドスケープの4つの象限のいずれかに配置し、その影響を議論してください:

③ 所有データ: 所有データセットは、競合が複製できない場合があり、再現しにくい競争優位性をもたらします。所有データは利用制限がないため、データ/AI プロダクトは所有データを優先して構築してください。

④ 獲得データ: 顧客やサプライヤーなどから得られる獲得データには、個別の契約や法令（例：データプライバシー法）による利用制限がある場合があります。法的な問題があり得る場合は、リスクを示すために付箋を緑から黄に変更し、課題を記載してください。

⑤ 有料データ: 有料データは利用制限が厳しいことが多く、排他利用権が保証されない場合が一般的です。同じ会社内で別部署が同じデータセットを重複して購入していることがよくあります。こうした重複を避けるため、購入を確定する前に、必ずデータと既存のデータライセンス契約を入念に確認してください。

⑥ 公開データ: 公開データは通常、排他性がなく、多くのデータセットに非商用利用のみなどの利用制限が付いています。特に、オープンデータは「コピーレフト」の契約対象となることがあり、そのデータを使用すると、当該データを用いたデータ製品もオープンソース化しなければならない可能性があります。

また、それが生データか派生データかを判断し、その影響を考慮してください:

a) 生データ: 元の情報をすべて含みますが、扱いにくく効率的に利用するのが難しい場合があります。

b) 派生データ: このデータはクレンジング、正規化、集約、匿名化などの処理を経ており、その過程で元の情報の一部が失われます。これらの変化がデータの有用性に与える影響を検討してください。

法的・処理上の要件に応じて、データ/AI プロダクトに最も適したデータソースを決定してください。選んだデータセットの横に白い付箋を置いて判断と理由を記録し、不要な付箋は削除してください。

III. データ ブレインストーミング（任意）

機械学習では、データ量がモデルの性能を高めることが多いです。しかし、企業は一般に自社データのみに注力し、公開データや有料データといった大きな可能性を見落としがちです。データの幅を広げるために、追加のデータの可能性を検討してください：

③ Owned Data: ビジネスモデルやプロセスをどのように変更すれば、より多く、または異なる種類のデータを取得できますか？洞察を得るために、Business Model, Value Chain, Customer Touchpoints および Analytics & AI Maturity（Business Operations ボックス）キャンバスを確認してください。

④ 獲得データ: 顧客やパートナーが追加で提供してくれる可能性のあるデータは何ですか？潜在的な顧客やパートナーを特定するには、Business Model キャンバスを確認し、（コピー）したBusiness Model キャンバスを使って、自社の（B2B）顧客やパートナーのビジネスモデルを分析してください。

⑤ 購入データ: 購入したり自社データと交換したりできる外部データは何ですか？業界のバリューチェーン全体を分析するには、Value Chain キャンバスを使用し、顧客の顧客や仕入先の仕入先などを探してください。

⑥ 公開データ: 関連するデータを含む可能性のある公開データソースは何ですか？枠にとらわれず、創造的に考えてください：代理変数はありませんか？例えば、映画の Wikipedia ページの編集回数は、その映画の興行収入を強く予測することがあります。

IV. データ連携

最後にして重要なステップは、すべてのデータセットが相互に連携できることを確認することです。例えば、必要な識別子やその他の連結データ（例：日付、GPS座標、郵便番号など）を特定し、データソース（例：マスターデータベースシステム）の所在を把握し、その可用性を評価して（緑、黄、赤の付箋で）、データソースの出所に応じて対応する Link Data ボックス（③-⑥c）に付箋を配置します。

点線で、各データソースの付箋を共通の識別子や連結データに基づいて対応する Link Data の付箋に接続します。最終的に、グラフ全体が完全に連結され、包括的なデータ統合と分析が可能になるようにします。

さらに詳しく

Datentreiber はこの Miroverse テンプレートだけでなく、次のものも提供しています:

• Data & AI Business Design Kit では、Data & AI Business Design メソッドを適用するためのオープンソースのキャンバスが多数利用できます。

• 無料の Data & AI Business Design Community では、交流、イベント、エキスパートによるコンテンツを利用できます。

• 認定付きの有料オンラインおよびオンサイト トレーニングコースは、Data & AI Business Design Academy で受講できます。

• その他、多数のマネジメントツール、ワークショップ用テンプレート、プロジェクト向けの設計テンプレートが商用の Data & AI Business Design Bench で提供されています。

• 当社の Data & AI Business Consulting は、データおよび AI の戦略、イノベーション、変革プロジェクトを支援します。

ご興味がある方、またはご質問やフィードバックがある場合は、次の宛先までお問い合わせください: info@datentreiber.de.

Copyright: すべての権利は Datentreiber GmbH に帰属します。