TOPマネジメント > データ活用の改善で関心が高まるDataOpsとは(前)

マネジメント

データ活用の改善で関心が高まるDataOpsとは(前)

2020/12/22

Thor Olavsrud CIO

 DataOpsは、アジャイルのアプローチによるプロセス指向の方法論の1つで、データアナリティクスの開発や提供を対象とする。DevOpsのチームにデータエンジニアやデータサイエンティストの役割を組み合わせ、データに主眼を置く企業を支えるためのツール、プロセス、組織構造を実現する。米調査会社Forrester Researchのバイスプレジデントで主席アナリストのMichele Goetz氏は、DataOpsについて、「ソリューションを実現する能力、データプロダクトを開発する能力、インフラからエクスペリエンスまで、テクノロジーのすべての層で、データを生かしてビジネス価値を生み出す能力」と定義している。

DataOpsの狙い

Credit: Thinkstock
Credit: Thinkstock

 データマネジメントの教育機関であるDataversityの説明によると、DataOpsの狙いは、データやアナリティクスを基盤とするアプリケーションの設計、開発、保守を合理化することにあり、データの扱い方やプロダクトの作成方法をビジネス目標に沿った形で改良することを目指す。

DataOpsとDevOpsの違い

 DevOpsは、ソフトウエアの開発の進め方に関する方法論の1つ。プロダクトやサービスの開発チームと運用チームが密接に連携して、システム開発のライフサイクルに継続的デリバリーを取り入れる。一方、DataOpsは、同じような発想を基盤として、データアナリスト、データ開発者、データエンジニア、データサイエンティストなど、データのスペシャリストを加え、データのフローの確立や、組織全体での継続的なデータ活用を協調して進めることに主眼を置く。

 「DevOpsが引き続き発展する中、開発やシステムに何らかのデータサイエンスの機能を取り入れる人も増えている。そこで、DevOpsチームにデータの観点を持つ人間が必要になっている」と、米HPEのMapR担当最高技術責任者(CTO)、Ted Dunning氏は言う。HPEの主席テクノロジストEllen Friedman氏とDunning氏の共著に「Machine Learning Logistics: Model Management in the Real World」がある。

DataOpsの原則

 DataOpsは、DevOpsと同じように、アジャイルの方法論にヒントを得ている。データ分析の洞察の継続的デリバリーを重視し、顧客のニーズを満たすことを主たる目標とする。

 DataOps宣言では、DataOpsの原則として18の項目を掲げている。例えば、実用的な分析に重きを置き、データ分析で得られる洞察の程度を分析の尺度とすることや、変化を受け入れ、絶えず変わる顧客のニーズを把握すること、目標を軸とする自己組織的なチームを確立すること、英雄的行為を減らし、持続可能でスケーラブルなチームとプロセスを構築することなどを挙げている。

↑ページ先頭へ