More Related Content Similar to LiBRA 06.2021 / 最新ITトレンドの1日研修パッケージ (20) More from Masanori Saito (20) LiBRA 06.2021 / 最新ITトレンドの1日研修パッケージ13. UI/UXとは何か
UI
人とデジタルをつなぐ窓口
User Interface
直ぐに分かる
使い易い
迷わない など
UX
人とデジタルがつながることで得られる体験
User Experience
とても便利
もっと使いたい
感動した など
次へ 戻る 戻る 次へ
×良くないUI 〇良いUI
×良くないUI
ケチャップだとは
すぐに分からない。
×良くないUX
口を汚しやすく、少なく
なると使いにくい。
〇良いUI
ケチャップだとすぐ
分かる。
×良くないUX
口を汚しやすく、少なく
なると使いにくい。
〇良いUI
ケチャップだとすぐ
分かる。
〇良いUX
口を汚さず、最後まで
使い切ることができる。
15. プラットフォーマーと言われる企業の略称
GAFA
Google,Amazon,Facebook,Apple
FANGAM
Facebook,Amazon,Netflix, Google,Apple,Microsoft
GAFAM
Google,Amazon,Facebook,Apple,Microsoft
BAT
Baidu,Alibaba,Tencent
BATH
Baidu,Alibaba,Tencent,Huawei
米国系企業
中国系企業
FAANG
Facebook,Amazon,Apple, Netflix,Google
デジタル技術を駆使し、ビジネスでの圧倒的な支配力を持つ企業を、下記のように
まとめて呼ぶことがあります。
33. 時間感覚の変化がビジネスを変えようとしている
3年間の中長期計画
1年に一度の年度計画
半年に一度の設備投資
月例の定例役員会
週次の部門会議
ビジネス・モデル お客様との関係 働き方 情報システム
階層化された
ビジネス・プロセス
機能分化した組織
段階的意志決定
社会環境の変化が緩やかで中長期的な予測が可能
戦略を動かし続ける
現場に権限委譲する
現場での判断を重視
結果を迅速に事後報告
対話の頻度を増やす
圧倒的な
ビジネス・スピードで
変化に俊敏に対応する
社会環境が複雑性を増し将来の予測が困難な状況
デジタル化された
ビジネス・プロセス
自律したチーム
大幅な権限委譲
VUCA
中長期的な計画を元に
PDCAを回し
確実に目標を達成する
38. デジタル・トランスフォーメーション 2つの解釈
社会や経済の視点/社会現象
2004年、エリック・ストルターマン(ウメオ大学)の定義「ITの浸透により、人々の生活が根底
から変化し、よりよくなっていく」に沿った概念
デジタル・テクノロジーの発展によって社会や経営の仕組み、人々の価値観やライフ・スタイルが
大きく変化し、社会システムの改善や生活の質の向上がすすむという社会現象を意味する
経営や事業の視点/企業文化や体質の変革
2010年以降、ガートナーやマイケル・ウェイド(IMD教授)らによって提唱された概念
デジタル・テクノロジーの進展により産業構造や競争原理が変化し、これに対処できなけれ
ば、事業継続や企業存続が難しくなるとの警鈴を含む
デジタル・テクノロジーの進展を前提に、競争環境 、ビジネス・モデル、組織や体制の再定
義を行い、企業の文化や体質を変革することを意味する
デジタル・ビジネス・トランスフォーメーション
“デジタルを使うこと”ではなく “ビジネスを変革すること” が目的
デジタル技術とデジタル・ビジネス・モデルを用いて、組織を変化させ、業績を改善すること
1. 企業業績を改善することが目的。
2. デジタルを土台にした変革であること。組織を絶えず変化しているが1つ以上のデジタル技術が大きな影響を及ぼしているものでなければ、デ
ジタル・ビジネス・トランスフォーメーションには分類されない。
3. プロセスや人、戦略など、組織の変化を伴うものであること。
“ デジタル・ビジネス・トランスフォーメーションには、テクノロジーよりもはるかに多くのものが関与する ”
「DX実行戦略(マイケル・ウェイドら)」 p.27
40. リアルが最も貴い
デジタルはビジネスの手段である
価値の源泉はリアルにある、デジタルはリ
アルの付加価値に過ぎない
リアルとデジタルは別の仕組み、デジタル
はリアルを補間するもの
DXの常識とDXの実現
デジタルが前提
デジタルはビジネスの基盤である
デジタルとリアルが一体となって価値を創
出する
デジタルとリアルを分けることなく、デジ
タルが統合する1つの仕組みとして捉える
「DXの実現」とは
「デジタルが前提」を当然のことと考え、実践する
企業の文化や風土を実現すること
DXは 既存の常識の転換が前提
デジタルにできることは徹底してデジタルに任せ
人間にしかできないことに人間の役割をシフト
新しい常識
新しい価値
の創出を実現
42. CXとEXを向上させるためのDX
データ
CX : Customer Experience
お客様の事業の成果に貢献し
お客様の社員の幸せを支える
EX : Employee Experience
従業員のやり甲斐を与え
自己の成長の喜びを感じさせる
競争原理
収益構造
業務手順
組織・体制
意志決定方法
など
DX
デジタルを前提に
ビジネス・モデルや
ビジネス・プロセス
を再定義する
デジタル
技術
クラウド
AI
IoT など 変化に俊敏に対応できる
企業の文化や
風土への変革
UX
ユーザーの
体験価値を
高める
業務プロセスのデジタル化
デジタル・ビジネス・モデル
53. After DX 受託開発ではできない
人間とITが一体となってビジネスを動かす
即応力・破壊的競争力・新たな価値の創出
After DX
事業を変革するIT
達成基準と手段を予め決定できない
高速な試行錯誤と改善を繰り返し
最適解を探索しなければならない
要求を”あいまいさなく”定義することが難しい 試行錯誤が不可避
要件全体を定義することが困難なのに、定義したこととして発注しなければならない
手続きの効率化のため発注単位を大きくまとめる 変化に即応できない
実際に動く成果物を確認するまでに、かなりの時間がかかる(開発作業中は変更できない)
作業量(工数)の見積を作る そもそも工数が見積もれない
作業量の見積が困難であるにもかかわらず、人月単価×期間(月数)による見積を作る
要求する人とシステムを作る人は遠く離れている 現場感覚がない
一連の作業は分業化、伝言ゲームで現場の現実を理解できず、臨機応変な対応もできない
57. 受託型取引と共創型取引
受託型取引
どうなれば成功なのかを予め決められる
既存の業務プロセスの改善
既存システムの改修や機能の追加
既存業務の効率化や利便性の向上のための社内
ユーザーを対象としたシステム など
主従関係
ルールや手順に従う
効率を追求する
失敗は許さない
横並び・同質性を求める
リーダーの指示に従う
言われたとおりやりました
言われなかったのでやりませんでした
仕様書通りに作りました など
管理者が進捗や成果を管理する
ローコード開発、自動化やクラウド化で
誰もができるようになろうとしている
共創型取引
どうなれば成功なのかを予め決められない
新しいビジネス・モデルの立ち上げ
新しい業務プロセスのための新規システム
新規顧客の獲得や売上/利益の拡大のための社
外ユーザーを対象としたシステム など
チーム関係
ビジョンの達成を目指す
事業の成果を追求する
トライ&エラーを評価する
多様性を認め・補完しあう
対話や議論をして答えを探す
こうした方がいいと思います
事業の成果に貢献するには、こちらですよ
状況が変わったのでこちらにしましょう など
権限を委譲し自分たちで進捗や成果を管理する
専門家としての経験の蓄積と
最新トレンドへの体験的理解がなければできない
68. 仮想化 や ソフトウエア化 のための仕組み
使いたい機能や性能の組合せや変更の自由を実現
ソフトウェア化された情報システムの機能や性能を使うサービス
簡単・便利・いつでも/どこでもITの機能や性能をサービスとして使える仕組み
実質的に使える機能や性能
ネットワーク
専門的な
スキルや
ノウハウ
大規模・集中化・一元化・標準化
自動化などを駆使して、魅力的な
コストパフォーマンスを実現する
物理的なハードウェアや設備
インフラストラクチャー
プラットフォーム
アプリケーション
運用管理者
特定の業務処理
を行うためのソフトウェア
アプリケーションで共通に使う機能
を提供するソフトウエア
オペレーティングシステム
データベース管理システム など
販売管理システム
会計管理システム など
ソフトウエアを動かすための
ハードウェアや設備
76. クラウド・サービスの「作り方」による費用の違い
サーバー(物理マシン)×9台
+データベース等のライセンス
+インフラ、DBなどの環境構築
+運用管理業務
+設置場所(場所+電源+空調等)
購入費用 :数千万円
年間保守料 :数百万円
年間運用量 :数百万円
年間使用料 : ー
ハードウェアを所有 クラウド・サービスを使用
サーバー(仮想マシン)×9台
+データベース等のライセンス
+インフラ、DBなどの環境構築
+運用管理業務
× 設置場所(場所+電源+空調等)
購入費用 : ー
年間保守料 : ー
年間運用量 : ー
年間使用料 :254,980円
ハードウェアを所有する場合と変
わらないシステム構成と運用方法
実行環境を移行しただけ
システムの構成や運用方法などの設計・方式は同じ まったく異なる設計・方式
アンケート入力・集計・レポートのサービスとして、できることは同じ
サーバー(仮想マシン)×4台
購入費用 : ー
年間保守料 : ー
年間運用量 : ー
年間使用料 :198,691円
× データベース等のライセンス
△インフラ、DBなどの環境構築
△ 運用管理業務
× 設置場所(場所+電源+空調等)
無償のDNSや監視、低料金のデー
タベースなどのサービスを利用
一部をクラウドのサービスに代替
サーバーの構築・運用は不要
購入費用 : ー
年間保守料 : ー
年間運用量 : ー
年間使用料 :907円
× データベース等のライセンス
× インフラ、DBなどの環境構築
× 運用管理業務
× 設置場所(場所+電源+空調等)
サーバーレス方式と言われるまっ
たく異なる実行方式を採用
クラウド・ネイティブで再構築
ハードウェアを所有し、設置場所
とその運営も自社責任
83. 徹底した標準化
大量購入
負荷の平準化
APIの充実・整備
セルフサービス化
機能のメニュー化
クラウド・コンピューティングのビジネス・モデル
クラウド・コンピューティング
オンデマンド
従量課金
自動化・自律化
システム資源
の共同購買
サービス化
低コスト 俊敏性 スケーラビリティ
仮想化とソフトウエア化の仕組み
98. リスク・マネージメントの考え方
事故の発生 事故の影響 受容
脅威 ぜい弱性 機密性
完全性
可用性
対策
受容レベル
説明責任
コスト 影響
どこまでやればよいのかを?
対策コスト負担
3要件への影響
業務の受容レベル
最適な組合せ
情報セキュリティの3要件
機密性:情報を盗まれない。
完全性:情報をデタラメな内容に書き換えられない。
可用性:システムを停止・破壊され業務継続を妨げられない。
118. 使 用
の現場 センサー コンピュータ ソフトウエア
モノ・製品
モノのサービス化の本質
ものづくり
の現場
開 発
製 造
保守
サポート
ソフトウェア
改修・更新
インターネット
直
結
・
連
係
123. データとモノ/コト・ビジネスの関係
属性データ 商 品 販売代金
属性に最適化された
商品の作り込み
魅力的な商品を作る
属性理解→商品設計→商品開発
行動データ UX サブスク
従量課金
状況に最適化された
UXのアップデート
魅力的な体験を作る
状況理解→UX設計→UX開発
体験を継続したいという想いへの対価
商品を手に入れることへの対価
行動データ 商 品 販売代金
うまくいかないビジネス
行動データを取得する意味がない 商品の機能や性能を
アップデートできなければ意味がない
アップデートのコストをまかなえない
128. 学習と推論の役割分担
128
学習
推論
学習
推論
大規模な計算能力
専用プロセッサー
長時間演算
比較的小規模な計算能力
専用プロセッサー・省電力
短時間演算
学習モデル 学習モデル
学習
推論
学習モデル
学習モデル
クラウドでモデルを作り、
そのモデルをエッジのデバ
イスに送りリアルタイムの
現場のデータから予測や判
定を行う。
リアルタイム性が重要な処
理は、できるだけ現場に近
い場所で処理できたほうが
有利。また、機器の個体差
にも対処できる。
クラウドで完結するサービ
スに適用。
学習
推論
推論モデル(予測や分類などの
ルール)を大量のデータから作る
推論モデルを使って現場データ
から予測や分類、判断/判定を行う
AISing,HACURUS,
SOINN など
ARAYA,LEAPMIND,
IDENなど
ABEJA,Microsoft,Google,
Facebook,Amazon,
Preferred Networkなど
NVIDIA,Intelなど
130. 超分散の時代
130
インターネット
専用ネットワーク
インターネット
専用ネットワーク
専用ネットワーク
テキスト テキスト+ 画像 マルチメディア(テキスト×画像×動画) マルチメディア + センサー
全てのデータ保管・処理は集中
大規模なデータ保管・処理は集中
小規模なデータ保管・処理は分散
大規模なデータ保管・処理は集中
小規模なデータ保管・処理は分散
大規模なデータ保管・処理は集中
小規模なデータ保管・処理は分散
高速な処理・応答・制御は超分散
集中コンピューティング 分散コンピューティング クラウド・コンピューティング 超分散コンピューティング
通信経路上の
エッジサーバー
分散サーバー 分散サーバー ローカル
エッジサーバー
1960年代〜 1980年代〜 2000年代〜 2015年〜
組み込みコンピューター
132. IoT World Forumのリファレンス・モデル
132
物理的なデバイスとコントロー
Physical Devices &controllers
モノと設備・モノの周辺に配置される制御機器類
接続
Connectivity
ネットワークや機器との通信
エッジコンピューティング
Edge Computing
モノの周辺でのデータ分析や変換処理
データ抽象化
Data Abstraction
データ集約とアクセス
アプリケーション
Application
データ活用(業務処理・分析・レポート)
協働とプロセス
Corroboration & Processes
人と業務プロセス
データの蓄積
Data Accumulation
データの蓄積と管理
134. 1G 2G 3G 4G 5G
音声 テキスト データ 動画
あらゆるモノがつながることを前提とした
社会課題の解決
通信・コミュニケーションの性能向上
移動体通信システムの歴史
1979〜 1993〜 2001〜 2012〜
2020〜
9.6Kbps 28.8〜384Kbps 2.4〜14.4Mbps 0.1〜1Gbps
10Gbps〜
135. 5Gのビジネスの適用領域
データ量超増大 × 即時性向上
1通信あたりのデータの嵩が増える
リッチ化する:高精細や高音質になり臨場感、没入感
が増す
多角化する:同時に取り扱える情報の選択肢が増える
1通信あたりのデータの種類が増える
制御用の情報(センサーやカメラからの情報)が増え
る:自動○○が実現する
参考可能な情報(ログ情報)が増える:パーソナライ
ズのパターンが増える、レコメンドの精度が向上する、
対象への理解が深まる
タイムラグがほぼ無くなる
距離の制約が消える:各地に散らばる人たち同士で同
時に何かやる、今やった/起きたことをすぐに取り込
んですぐ活かす
社会(利便性)向上系
医療分野
超高信頼低遅延通信の実現で移動中や遠隔地の高度診療が可能になり、
医療格差が解消される
農林水産分野
超大量端末同時接続の実現で作物や家畜などの状況を把握するセン
サーと散水・薬剤散布や給餌を実施するロボットやドローンの制御が
可能になり、減少する従事人口を補える
土木建築分野
超大量端末同時接続と超高信頼低遅延通信の実現によって遠隔制御が
可能になり、危険度が高い高所・鉱山・災害地などの現場での安全な
作業が確保でき、またドローンの活用による高精度測量などの精度が
向上する
生活分野
自動運転と遠隔制御によって、細分化された公共交通が実現する
センサー情報を駆使して状況を把握する店舗運営が可能になる
遠隔授業や家庭教師の実現によって、学習格差が解消される
大量センサーと自動判定AIによって、防災・防犯・減災力が向上
VRオフィスとテレワークが実現する
コンテンツ向上系
スポーツの場合⇒体験が深くなる
自動制御が可能になってカメラ台数を一気に増やせることで、多地
点・ドローンなどによる多角度撮影ができるようになる
取得データの種類が増え分析できる情報が増えることで、選手のバイ
タルデータ・顧客のバイタルデータ・環境データが取得できるように
なる
AIが発達することでデータの有効活用レベルが上がり、多角的な分析
結果を提示できるようになる
エンタメの場合⇒現実を超える仮想実現へ
即時性が向上することで出演者の居場所を問わない制作環境を実現さ
せることや、同時多人数対応の参加型体験の提供ができるようになる
スポーツ&エンタメに共通
1通信あたりの送信データの嵩が増え、高画質・高音質・8K360°リ
アルタイムな高臨場感映像が提供できるようになり、また視聴者に合
わせた多種多様な映像・情報を提供できるようになる
生活者データ・ドリブン・マーケテイィング通信より https://seikatsusha-ddm.com/article/10129/
137. 第5世代通信の適用例
高速・大容量データ通信
10G〜20Gbpsのピークレート
どこでも100Mbps程度
大量端末の接続
現在の100倍の端末数
省電力性能
超低遅延・超高信頼性
1m秒以下
確実な通信の信頼性担保
5G
多様なサービスへの適用を可能にする
異なる要件のすべてを1つのネットワークで実現する。
各要件をに応じてネットワークを仮想的に分離して提供する(ネットワーク・スライシング)。
2020年代〜
2時間の映画を
3秒でダウンロード
ロボット等の
精緻な遠隔操作を
リアルタイムで実現
自宅内の約100個のモノ
がネットに接続
(現行技術では数個)
現在の移動通信システムより
100倍速いブロードバンドサー
ビスを提供
利用者がタイムラグを意識
することなく、リアルタイ
ムに遠隔地のロボット等を
操作・制御
スマホ、PCをはじめ、身の
回りのあらゆる機器がネッ
トに接続
152. 人工知能と機械学習の関係
人工知能 Artificial Intelligence/AI
機械学習 Machine Learning
ニューラル・ネットワーク
Neural Network
深層学習
Deep Learning
人間の”知能”を機械で
人工的に再現したもの
強いAI:コンピュー
タに人間と同様の知
能を持たせた仕組み
弱いAI:コンピュー
タに人間と同様の知
的な振る舞い・処理
をさせる仕組み
データからグループ分
けのためのルール(モ
デル)を作る仕組み
脳の仕組みを参考に作
られた機械学習の手法
従来よりも精度の高いモ
デルを作ることができる
ニューラル・ネットワー
クの手法
遺伝アルゴリズム、エキスパートシステム、音声認識、画像認識、感性処理、機械学習、
ゲーム、自然言語処理、情報検索、推論、探索知識表現、データマイニング、ニューラル
ネット、ヒューマンインターフェース、プランニング、マルチエージェント、ロボット
データ
プログラム
モデル
154. 第3次AIブームの背景とこれから
1960 1970 1980 1990 2000 2010 2020 2030
第1次AIブーム
推論・探査など
ゲームや迷路などに
用途は限られ実用性は
無かった
第2次AIブーム
ルールベースなど
エキスバーとシステムと
して実用化されたが汎用
性が無かった
第3次AIブーム
機械学習(統計確率論や深層学習など)
汎用性、実用性が高まり、様々な分野の適用
が期待されている
大型コンピューター
メインフレーム
パーソナル・コンピューター
スマート
フォン
IoT
ビッグデータ時代の到来
ARPAnet 米国・インターネット
商用利用開始
日本・インターネット
商用利用開始(IIJ)
World Wide Web
が開発され公開
画像が扱えるWWWブラウザー
Mozaicが開発され公開
Windows95発売
IEが付属し、ブラウザーでの
インターネット利用者が拡大
ISLVRCにて
ディープラーニング圧勝
1969 1990 1993
1995
2012
Googleによる
猫認識
2011
Jeopardyにて
IBM Watson勝利
電脳将棋
竜王戦 開始
1997
チェス・チャンピオンに勝利
IBM Deep Blue
2007
iPhone
発売
1981
IBM PC 5150
発売
汎用人工知能
Artificial General Intelligence
登場の可能性
ムーアの法則/コンピュータ性能の加速度的向上
1965〜
ムーアの法則の限界/新たな選択肢の登場
GPGPU、ニューロモーフィング・チップ
量子コンピュータ等
IBM S/360
メインフレーム
1964
ニューラル
ネットワーク
考案
Intel 404
マイクロプロセッサ
1971
データ流通量
1957
1956
ダートマス
会議
1982
第5世代
コンピュータ
プロジェクト