[論文レビュー] Next Generation Business Intelligence and Analytics: A Survey

Quoc Duy Vo, Jaya Thomas+4 more|arXiv (Cornell University)|Apr 11, 2017

Big Data and Business Intelligence参考文献 32被引用数 4

ひとこと要約

本調査は、次世代ビジネスインテリジェンスおよびアナリティクス（BI&A）の包括的フレームワークを提案し、オペレーショナル、シチュエーショナル、セルフサービスBIを、高度なバックエンドアーキテクチャとフ론トエンドアナリティクスで統合する。ビッグデータ、クラウドコンピューティング、機械学習を活用して、リアルタイムで適応可能なインサイトを実現する—医療分野の活用事例を通じて、予測分析が誤検知を低減し、患者の治療成績を改善できることを示している。

ABSTRACT

Business Intelligence and Analytics (BI&A) is the process of extracting and predicting business-critical insights from data. Traditional BI focused on data collection, extraction, and organization to enable efficient query processing for deriving insights from historical data. With the rise of big data and cloud computing, there are many challenges and opportunities for the BI. Especially with the growing number of data sources, traditional BI\&A are evolving to provide intelligence at different scales and perspectives - operational BI, situational BI, self-service BI. In this survey, we review the evolution of business intelligence systems in full scale from back-end architecture to and front-end applications. We focus on the changes in the back-end architecture that deals with the collection and organization of the data. We also review the changes in the front-end applications, where analytic services and visualization are the core components. Using a uses case from BI in Healthcare, which is one of the most complex enterprises, we show how BI\&A will play an important role beyond the traditional usage. The survey provides a holistic view of Business Intelligence and Analytics for anyone interested in getting a complete picture of the different pieces in the emerging next generation BI\&A solutions.

研究の動機と目的

• リアルタイム、複雑で多様なデータソースを処理する能力に欠ける伝統的な3層構造のBIアーキテクチャの限界を是正する。
• 動的なビジネスニーズに応えるために、BIの歴史的レポートからオペレーショナル、シチュエーショナル、セルフサービスアナリティクスへの進化を説明する。
• ビッグデータ、クラウドコンピューティング、機械学習といった現代技術を、BIのバックエンドおよびフロンエンドシステムに統合する。
• ICUの詳細な事例研究を通じて、BI&Aが医療など複雑な分野で果たす変革的役割を実証する。
• 次世代BIにおけるデータガバナンスとコンプライアンスの課題を強調し、企業規模のスケーラビリティと信頼性を確保するための解決策を提示する。

提案手法

• センサー、非構造化テキスト、リアルタイムストリームを含む多様なデータソースからの統合を焦点とした、BIバックエンドアーキテクチャの進化を調査する。
• 特に時系列予測と機械学習を用いた統合的データ分析を特徴とする、アナリティクスエンジンにおけるフロンエンド革新を分析する。
• データインジェスト、変換、ストレージを可視化と意思決定支援から分離する階層型アーキテクチャを提言する。
• 機械学習モデルを統合して、構造化データと非構造化データ（例：EHR、臨床ノート、センサー情報）を相関づけ、予測的インサイトを提供する。
• リアルタイムデータ処理パイプラインを適用し、動的環境における低遅延意思決定支援を可能にするオペレーショナルBIを実現する。
• 医療分野の事例研究を通じてフレームワークを検証し、特にセンサー情報と臨床記録を用いたICUモニタリングに注目する。

実験結果

リサーチクエスチョン

• RQ1 オペレーショナル、シチュエーショナル、セルフサービスBIは、アーキテクチャおよび機能面でどのように異なり、それぞれの技術的実現要因は何か？
• RQ2 特に非構造化データおよびリアルタイムデータを含む多様なデータソースを統一されたBIシステムに統合する際の主な課題は何か？
• RQ3 機械学習と高度なアナリティクスは、医療などハイリスク分野におけるBIの予測能力をどのように向上させられるか？
• RQ4 動的データとユーザー主導のアナリティクスを伴う次世代BIシステムにおいて、データガバナンスがコンプライアンスと信頼性を確保する上で果たす役割は何か？
• RQ5 次世代BIは、ICUにおける誤検知をどの程度低減させ、臨床意思決定を改善できるか？

主な発見

• 伝統的な3層構造のBIアーキテクチャは、リアルタイムおよび適応的アナリティクスに対応できないため、オペレーショナルおよびシチュエーショナルBIを支援するためのアーキテクチャの進化が不可欠である。
• ICU環境におけるセンサー情報、臨床ノート、EHRの統合は、1人あたり1秒あたり数キロビットを超えるデータを発生させ、スケーラブルかつ知能的なデータ処理が求められる。
• 機械学習モデルは、構造化データと非構造化データの異なるタイプを相関づけることで、臨床予測の正確性を向上させ、誤検知を低減できる。
• 小児ICUでは、92％のアラートが誤検知であったと判明し、インテリジェントなアナリティクスによるアラートのフィルタリングと優先順位付けの必要性が浮き彫りになった。
• セルフサービスBIとシチュエーショナルアウェアネスにより、医師やコールセンター担当者などの現地のユーザーが専門家による支援なしにリアルタイムのインサイトにアクセスでき、対応性が向上する。
• 次世代BIシステムは、特に医療など規制が厳しい分野において、アジャイル性、ガバナンス、コンプライアンスのバランスを保つ必要がある。これにより、データの整合性と規制適合性が保証される。