新規会員登録再開のお知らせ

新規会員登録を9月14日9:30より再開いたしました。ログアウト状態になっている方はお手数ですが再度ログインをお願いいたします。

サイト内検索

会場受講/ライブ配信/アーカイブ配信(2週間、何度でもご視聴可) 【講師】 フォーティエンスコンサルティング 新規事業戦略チーム シニアマネージャー 天野 秀俊(あまの ひでとし) 氏 【重点講義内容】 企業に蓄積されるデータを収益・利益に変える「データマネタイゼーション」。近年、生成AIの進化により、その実現方法は大きく変わりつつあります。従来は活用が難しかった文書・画像・図面等の非構造データから意味を読み取り、データ整備の負荷を抑えて価値化できる可能性が広がる一方、AIが分析・提案、さらにはアクションまで担うようになっています。 本講演では、データマネタイゼーションの基本的なパターンと成功原則を整理したうえで、生成AIによって何が変わるのか、そして企業はいかに「データで稼ぐ」仕組みを構築すべきかを、最新事例と実践知を交えて解説します。 1.今、改めて「データマネタイゼーション」を考える理由  (1)データマネタイゼーションとは何か  (2)「データを売る」だけではない、改善・既存サービス高度化・新規事業  (3)DX・生成AIの進展によって高まる企業データの戦略的重要性 2.「データで稼ぐ」ビジネスを生み出す3つの発想 <誰に価値を提供するか>  (1)バリューチェーン上のプレイヤーへの価値提供  (2)同じ顧客課題を持つプレイヤーへの価値提供 <誰と価値をつくるか>  (3)複数企業がデータを持ち寄る「データ共創型」ビジネス <データをどう価値に変えるか>  (4)加工・再編集による新たな情報価値の創出  (5)分析・組み合わせによる新たな知見・サービス価値の創出 3.データマネタイゼーションの「深さ」 -データからアクションへ  Lv.1:データを提供する  Lv.2:可視化・情報を提供する  Lv.3:インサイト・予測を提供する  Lv.4:意思決定・推奨アクションを提供する  Lv.5:AIが実行まで担う     深くなるほど顧客業務に入り込み、差別化・収益性が高まる 4.生成AIが変えるデータマネタイゼーション① -「使えるデータ」の範囲が広がる  (1)従来:収集・クレンジング・構造化されたデータが活用の前提  (2)対象の拡大:文書・画像等の非構造データを意味的に解釈  (3)整備負荷の低減:属性・タグを整備せず、文脈から探索・活用  (4)死蔵データの資産化:図面・議事録・現場記録等、従来使えなかったデータを価値化  (5)競争優位の変化:「整ったデータ」だけでなく「他社にはない独自データ」が価値の源泉に 5.生成AIが変えるデータマネタイゼーション② -「分析」から「意思決定・実行」へ  (1)自然言語によるデータ探索・分析  (2)AIによるインサイト・予測の生成  (3)顧客ごとの推奨アクションの提示  (4)AIエージェントによる業務実行  (5)「データを提供する」から「顧客成果を提供する」ビジネスへの進化 6.「データで稼ぐ」をPoCで終わらせないための実践論  (1)パターンを活用したデータマネタイゼーションアイデアの網羅的な抽出  (2)顧客の業務・経済価値を起点としたマネタイズ水準の設定  (3)代替サービスを踏まえた差別化  (4)自社データと外部データを組み合わせた価値創造  (5)生成AI時代に重要となる「他社にはない独自データ」の蓄積  (6)サービス利用 → 独自データ蓄積 → AI高度化 → サービス価値向上の好循環 7.質疑応答/名刺交換 ※講演内容は最新状況に応じて変更する場合があります

システム運用保守の現場では、特定の担当者に業務が集中し、ミスや遅延のリスクが常につきまとっています。多くの組織がアウトソーシングや従来のDX施策で解決しようとしてきましたが、限界を感じているのが現状です。 ・特定の担当者がいないと業務が回らない。退職・異動のたびに組織が揺らぐ「業務の属人化」が深刻化 ・深夜対応や繰り返し作業によるヒューマンエラーが発生。どんなに気をつけてもゼロにできない"人手"依存のリスク ・手作業中心の業務のため24時間365日の対応が困難。突発的な負荷増大に備えた過剰な人員配置が常態化 ・アウトソーシングや従来のDX施策による効率化には限界があり、さらなる効果を生むリソースも欠如 第1部 AI時代のシステム運用保守で取り組むべき3つのポイント 生成AIの進化により、システム運用保守は「人が実行する」前提から「AIが実行し、人は設計・監督する」前提へと大きく移り変わろうとしています。では、この変化に向けて、IT部門は具体的に何から取り組めばよいのか。本パートでは、単なるコンセプトの提示にとどまらず、AIが実際にどう動くのか、そのために何を準備すべきかを、現場目線で明らかにします。取り組むべき「システム基盤、運用保守ナレッジ、設計・監督する人材」の3つのポイントについて、それぞれを第一線の実務者が解説します。 第2部 Gogenで実現するAI時代のシステム運用保守 第1部で取り組むべき3つを実現する手段の1つとして、アクセンチュア発のシステム運用保守ソリューション「Gogen」を紹介します。ナレッジの整備やAIによる自動化など、「そんなに簡単ではない」と感じる課題に対し、それをいかにして実現するかを、具体的な機能・効果・導入ステップとともに提示します。 ※Gogen: Accenture Generative Orchestration & Governance Engineの略称 こんな課題を抱える方におすすめ ・特定の担当者がいないと業務が回らない。属人化・ナレッジの暗黙知化が深刻な方 ・深夜対応・繰り返し作業でヒューマンエラーが発生し、業務品質に不安がある方 ・24時間365日の対応が必要だが、人員配置コストが限界に近い方 ・アウトソーシングやRPAを導入済みだが、さらなる効率化の打ち手が見つからない方 ・障害発生時の初動対応(検知→シビアリティ判定→暫定対応)を自動化したい方 ・生成AIを活用したいが、現場業務に即した具体的なユースケースが見えていない方 ・導入リスクを最小化しながら、短期間でビジネス効果を実感したい方

システム運用保守の現場では、特定の担当者に業務が集中し、ミスや遅延のリスクが常につきまとっています。多くの組織がアウトソーシングや従来のDX施策で解決しようとしてきましたが、限界を感じているのが現状です。 ・特定の担当者がいないと業務が回らない。退職・異動のたびに組織が揺らぐ「業務の属人化」が深刻化 ・深夜対応や繰り返し作業によるヒューマンエラーが発生。どんなに気をつけてもゼロにできない"人手"依存のリスク ・手作業中心の業務のため24時間365日の対応が困難。突発的な負荷増大に備えた過剰な人員配置が常態化 ・アウトソーシングや従来のDX施策による効率化には限界があり、さらなる効果を生むリソースも欠如 第1部 AI時代のシステム運用保守で取り組むべき3つのポイント 生成AIの進化により、システム運用保守は「人が実行する」前提から「AIが実行し、人は設計・監督する」前提へと大きく移り変わろうとしています。では、この変化に向けて、IT部門は具体的に何から取り組めばよいのか。本パートでは、単なるコンセプトの提示にとどまらず、AIが実際にどう動くのか、そのために何を準備すべきかを、現場目線で明らかにします。取り組むべき「システム基盤、運用保守ナレッジ、設計・監督する人材」の3つのポイントについて、それぞれを第一線の実務者が解説します。 第2部 Gogenで実現するAI時代のシステム運用保守 第1部で取り組むべき3つを実現する手段の1つとして、アクセンチュア発のシステム運用保守ソリューション「Gogen」を紹介します。ナレッジの整備やAIによる自動化など、「そんなに簡単ではない」と感じる課題に対し、それをいかにして実現するかを、具体的な機能・効果・導入ステップとともに提示します。 ※Gogen: Accenture Generative Orchestration & Governance Engineの略称 こんな課題を抱える方におすすめ ・特定の担当者がいないと業務が回らない。属人化・ナレッジの暗黙知化が深刻な方 ・深夜対応・繰り返し作業でヒューマンエラーが発生し、業務品質に不安がある方 ・24時間365日の対応が必要だが、人員配置コストが限界に近い方 ・アウトソーシングやRPAを導入済みだが、さらなる効率化の打ち手が見つからない方 ・障害発生時の初動対応(検知→シビアリティ判定→暫定対応)を自動化したい方 ・生成AIを活用したいが、現場業務に即した具体的なユースケースが見えていない方 ・導入リスクを最小化しながら、短期間でビジネス効果を実感したい方


処理に失敗しました

ユーザーをフォローすることにより自身の基本情報が
お相手に公開されます

基本情報公開時のサンプル画像

ブロック

さんはあなたをフォローしたりあなたのコメントにいいねできなくなります。また、さんからの通知は表示されなくなります。

さんをブロックしますか?

ブロック

ブロックが完了しました

ブロック解除

ブロック解除が完了しました