https://machine-learning15minutes.connpass.com/event/226110/ 第60回 Machine Learning 15minutes! Broadcast IBM Data Fabricで実現するアカデミック分析アプローチ 日本アイ―・ビー・エム株式会社 平山 毅(Tsuyoshi Hirayama)、Mindy Fang の発表資料です。

1. IBM Data Fabricで実現する
アカデミック分析アプローチ
第60回 Machine Learning 15minutes!
⽇本IBM株式会社
テクノロジー事業本部
クライアントエンジニアリング事業部
Engineering Manager & Data Scientist
平⼭ 毅 （Tsuyoshi Hirayama）＆Mindy Fang

2. 平⼭ 毅 Tsuyoshi Hirayama
⽇本アイ・ビー・エム株式会社 テクノロジー事業本部
クライアントエンジニアリング部 エンジニアリングマネージャー
IBM Technical Experts Council of
Japan Steering Committee Member
東京理科⼤学理⼯学部卒業（同学SunSiteユーザーで電⼦商取引研究）。早稲⽥⼤
学⼤学院経営管理研究科ファイナンス専攻修了（AACSB EQUIS 認定MBA／ブロックチ
ェーンファイナンス研究）。GMOインターネット、サイバーエージェント、東京証券取引所、野村
総合研究所、アマゾンウェブサービスを経て2016年2⽉⽇本IBM⼊社。
IBMクラウド事業本部、デジタルイノベーション事業開発部(Red Hatアライアンスエンジニアリ
ング)、DataAIオートメーション事業部、テクノロジーガレージ事業部、を経て2021年10⽉よ
り現職。グローバルカンファレンス登壇多数。著作7冊。早稲⽥⼤学ビジネススクールゲスト講
師。事業構想⼤学院⼤学ゲスト講師。産業技術⼤学院⼤学情報アーキテクチャー専攻ゲ
スト講師。
第 ３回 Machine Learning 15minutes!
第11回 Machine Learning 15minutes!
第33回 Machine Learning 15minutes!
第50回 Machine Learning 15minutes!
第56回 Machine Learning 15minutes︕
に過去登壇

3. IBM Client Engineeringの強み
- Practices. Teams. Technology.
1. Transformative
practices
IBM Garage
Methodology
アイデア創出、構築、評価を
繰り返してソリューションを
シームレスに拡張します。
2. Empowered
teams
スピード感のある価値、新し
い能⼒、有意義なカルチャー
チェンジをお客様のチームと
IBMの多彩な専⾨家がパート
ナーシップを組んで実現しま
す。
3. Technology that
accelerates
強化されたパターン、インダ
ストリーイノベーション、多
種多様な専⾨性の恩恵を受け
て、画期的なテクノロジーを
採⽤します。
Client Engineeringは、IBMの幅広い専⾨知識、デザイン思考とアジャイル⼿法を活⽤しな
がらイノベーションの実験・実証・実践を繰り返し、「デジタル・イノベーションの推進」「
新規事業の⽴ち上げ」を⽀援します。
Design Thinking for Data AIのMethodologyを実践し、
独⾃のデータ分析モデル考案の共創実践中。

4. 4
あらゆるデータ
あらゆるクラウド
あらゆる場所
生産性の向上
85%
の手作業を削減
価値実現の
加速
50%
のデリバリーを加速
コストとリスク
の低減
65%
の向上
データは元の場所に
置いたまま
⼤規模に
仮想化
リアルタイムの
データの
関連性を形成
ユニバーサルに
アクセスを保護
ライフサイクルを
⾃動化
信頼できる as-a-Service
拡張された
ナレッジ
AI のガイド付
き⾃動化
インテリジェントなデータ・ファブリック
IBM のデータ・ファブリック戦略

5. どんなデータでも、どのクラウドでも、どこでも
COLLECT DATA
ORGANIZE
DATA
ANALYLZE
DATA
INFUSE AI
AIモデル
ライフ
サイクル
分散
クエリ
データ・
プライバシー
データ
抽出
拡張、柔軟な
データベース
データ
仮想化
データ・ファブリックとは︖
インテリジェント・
データ・ファブリック
新しいAI機能をインテリジェント・
データ・ファブリックに織り込み
データがどこにあってもアクセスし
、⼀元化して管理する⽅法を
⾃動化します
• 分析のためのデータのコピーや移動
が不要
• 分散クエリーの⾼速化設計により、
より速く、かつ低計算コストでクエリ
ーの回答を取得可能に
• 単⼀のアクセス・ポイントで組織全体
にわたるデータの検索、理解し、危険
にさらすことなくデータ利⽤が可能
5

6. インテリジェント・データ・ファブリックを実現
するテクノロジー
6
Watson
Knowledge
Catalog
AutoPrivacy
AutoSQL
AutoAI
AWS
Amazon S3
IBM Cloud
Db2 Warehouse
Azure
Snowflake
Ready !
Ready !
Ready !
AutoCatalog
データの発⾒と理解
分散クエリ
AIモデル開発
ポリシー管理
インテリジェントなデータ・ファブリック
どこでも必要な場所から、適切なタイミングで、
適切なデータを適切な担当者につなげます。

7. Auto AI
7
ラベル付けした
⽣データ・セット
データの準備
モデル
選択
ハイパーパラメーター
最適化
フィーチャー・
エンジニアリング
モデルの作成
最適な前処理の補完/
エンコーディングおよび
スケーリング戦略を特定
上位のモデルを特定 選択されたモデルを
最適化
フィーチャー・
エンジニアリングの後に
モデルを最適化
最適なデータ変換の
順序を特定
Python Notebook
デプロイ可能なパイプライン
ユーザーが提供 AutoAI によって⾃動化 ユーザーに提供
数週間
200%
53%

8. ⾃動メタデータ・
キュレーション・サービス
⾃動メタデータ管理 セルフサービス・インタラクション
⾃動コア・ガバナンス・サービス
データ・リネージュ
データ品質の⾃動分析
ビジネス⽤語の⾃動割り当て
データの⾃動分類
ビジネス⽤語の管理
参照データ管理
データの⾃動検出
Knowledge
Catalog
機密データの⾃動識別
ポリシーとルールの適⽤
ワークフローとコラボレーション
関連データの検索と検出
データ準備
データの⾃動分類 モデル・ガバナンスと
バイアス・レポート*
ナレッジ・アクセラレーター
差分の⾃動
検出*
タグ付け、注釈、コメント
AutoCatalog のロードマップ項⽬
AutoCatalog の機能
*
プライバシー関連
Auto Catalog
Watson Knowledge Catalog 内で使⽤できる、価値実現までの時間を短縮するための機能

9. 既存のデータレイクの強化 データレイクのモダナイズ データ・ファブリック
データサイエンス/ML BI/レポート
HDFS
読み取り/書き込み
移⾏
データサイエンス/ML BI/レポート
AutoSQL
オブジェクト・
ストレージ
AutoSQL
オブジェクト・
ストレージ
AutoSQL
マーケティング
財務
読み取り/書き込み
セールス
COS
取り込み
取り込み
取り込み
CSM
取り込み
Auto SQL
データ・ストアの融合に対応する SQL

10. Auto Privacy のビジョン
データ・ファブリックを通じたエンタープライズ全体で⼀貫したプライバシー適⽤
⾼度なデータ保護
(Watson Knowledge Catalog)
リスクおよび
コンプライアンス
(OpenPages)
機密情報のガバナンス
(Watson Knowledge Catalog)
ビジネス⽤語
(ナレッジ・アクセラレーター)
統合されたデータおよび AI ツール、ワークフロー、プロセス
機密データを含む
資産の⾃動プロファイ
リング
機密データの
⾃動分類
動的マスキングのため
の⾃動ルール適⽤
最適な⾮識別化
⼿法の⾃動適⽤
静的マスキング中の
保護ルールの
⾃動適⽤
規制標準の分類法
(CCPA、GDPR)
業界別参照データ
ライブ・メタデータ・ビュー
を備えたプライバシー
管理ダッシュボード
⾃動化された
データ・リネージュ・
ビュー

11. 11
方 雪敏
Mail : xuemin.fang@ibm.com
IBM Client Engineering
Mindy Fang
Data Scientist
20年以上ヘルス業界におけるデータサイエンス、ビジネス、コンサルティングを経験。
2004年Harvard Universityで生物統計学博士を取得、製薬（Novartis、Bayer）、コンサ
ルティング（Mckinsey & Company）、アカデミック（北里大学薬学部、ヘルスイノ
ベーションスクール）など、様々な領域でヘルスケアにおける研究、ビジネスの推進。
AI、Machine Learning、big dataが得意、Rの元開発者のRobert Gentleman先生の
Teaching Assistantを務めた経験を持つ
Profile Works
Skill & Tools
自己紹介
【日本介護、レセプト、スマ
ホアプリ、コロナ患者予後予
測、コロナ抗体調査、予防医
療、ゲノム解析、個別医療】
2014.4-
データサイエンス
【製薬会社におけるNew
Business, Supply Chain,
R&D, Organizational
optimization】
2007.9-
ビジネスコンサルティング
【臨床試験のディザイン、
中間モニター、結果評価 】
2004.8-
Statistician
ヘルスケア産
業のトレン
ド・業務
日本介護 ヘルスアプリ
データ解析
AI/
Machine
Learning
Big Data
レセプト・
NDA
Business
Consulting
PMDA/老健局
Technology Garage / Month 9, 2021 / © 2021 IBM Corporation

12. © 2021 IBM Corporation
12
アカデミアにおけるデータ管理・運⽤（ライフサイエンスの例）
12
患者カルテ
レジストリー
Protection
Jobs
医療機関
レセプトNDB
介護DB
厚⽣労働省
コホート研究
ゲノム、マイクロバイオム
研究機関
コロナ抗体調査
疫学調査
⾃治体
新薬開発・臨床試験
市販後調査
製薬企業
画像
⾳声
ベンチャー企業
MELLODDY
IGSR
オープンデータ
データソース IBM Data Security
Masked
Data
Masked
Data
IBM Data Fabric
内部ユーザ
学⽣・教員
外部ユーザ
企業・共同研究
論⽂
報告書
特許
ベンチャー
アプリ
解析 成果物
IBM Cloud Pak for Data
運⽤されていない原因︓
①セキュリティー
②ビッグ
③分析⼿段
① ② ③

13. © 2021 IBM Corporation
13
IBM Cloud Pak for Dataよりデータの活⽤
アプリ
分析ツール
BI
モバイル
Web サービス
No code Coding
Data Refinery
Auto Machine Learning
Python
Rstudio

14. Group Name / DOC ID / Month XX, 2021 / © 2021 IBM Corporation 14