"Wisdominterface は、最新の研究や出版物の入手先として、世界最大かつ最も著名な企業に代わって厳選したリソースを配信しています。プロフェッショナルは、無料のWisdominterface.comメンバーシップに加入することで、サイトのリソースライブラリへのフルアクセスや、WisdomInterfaceライブラリ全体へのアクセス、最新の論文や研究が掲載されたメールの受信、無料のeBookプロモーション、エキスパートサービスなどのサービスを利用することができます。世界最大かつ最も重要な企業のリサーチや出版物については、今や何百万人ものプロフェッショナルがWisdominterface.comを主要な情報源として選んでいます。"
入会案内
Wisdominterface.comは、世界で最も影響力のある企業と協力し、最新のITイノベーションに関する最先端のコンテンツで現代のマーケティング担当者を教育する技術ニュースレター、レポートなどを推進する洗練されたコンテンツリポジトリです。
Wisdominterface.comは、世界中のハイテク企業のリサーチや出版物にアクセスできる、専門家の間で好まれるリソースとして成長してきました。
もっと読む
コンテンツマーケティング、データソリューション、販売機会創出、リードジェネレーション、イベント登録、アカウントプロファイリング、インバウンドマーケティング、デジタルPR、アーンドメディア、コンテンツプロモーション、コンテンツ戦略、コンテンツパブリケーション、インフルエンサーマーケティング、マーケティングイベント、コンテンツシンジケートメント
WisdomInterface編集部は、最新のITイノベーション、技術革命、B2Bマーケティングトレンド、デマンドジェネレーション戦略など、最先端のコンテンツを読者に提供することに専心しています。21世紀の最新ニュースレターやウェブサイトとともに、私たちのチームメンバーは、ソーシャルメディアの支持者や業界のソートリーダーでもあり、LinkedInやTwitterでの会話に積極的に参加し、最新ニュースを共有しています。
最近のブログ
効果的な要約技術へのニーズは、かつてないほど高まっています。YouTubeには毎分500時間以上の動画が投稿され、毎日750万件近いブログ記事が作成されるなど、私たちは膨大なコンテンツに圧倒されています。1950年代に学術研究として始まったこの分野は、今や数千もの文書を数秒で読み込み、その要点を抽出できる高度なアルゴリズムへと進化を遂げました。 自然言語処理（NLP）の最も実用的な応用の一つである「テキスト要約」は、ニュース記事から法務文書に至るまで、あらゆる種類の文書を扱えるよう規模を拡大しています。こうした技術を実装しようとしている開発者の方も、あるいはニュースアプリがどのようにしてあの「完璧な要約（スニペット）」を作成しているのか興味をお持ちの方も、ぜひこのガイドをご覧ください。NLPにおけるテキスト要約について、知っておくべきすべての情報を分かりやすく解説します。 自然言語処理におけるテキスト要約とは？ テキスト要約は、いわば計算機によるバーテンダーのようなものです。膨大な量の言語コンテンツを混ぜ合わせ、要点だけを抽出して提供するのです。アルゴリズムが長文を扱いやすい塊に凝縮しつつ、重要な詳細と主要なアイデアを維持するプロセスです。 従来の要約は人間の判断に依存していました。自然言語処理に基づくアプローチでは、計算言語学、統計的手法、そして近年では深層学習アーキテクチャを活用して、このプロセスを自動化します。アルゴリズムは、重要な文を特定し、冗長性を認識し、意味理解、共参照解決、談話分析に基づいて最も重要な部分をつなぎ合わせます。 優れた要約には、エンティティとその関係性を理解し、複雑な文構造を解析し、時には皮肉や比喩といった微妙なニュアンスまで把握する必要があります。この分野は、初期の頻度ベースの手法から、T5やBARTといった高度なトランスフォーマートポロジーへと進化し、人間が作成した要約を模倣した抽象化を生成できるようになりました。 自動テキスト要約の種類 自動テキスト要約には、主に2つのタイプがあります。 「抽出型要約（Extractive summarization）」は、蛍光ペンを手にした大学院生のように、元の資料から既存の文をそのまま特定し、抜き出す手法です。このアルゴリズムは、TF-IDF（単語の出現頻度と逆文書頻度）、文の位置、固有表現の有無、文書の主要テーマとの意味的類似性といった特徴に基づいて、各文の重要度をランク付けします。 TextRankやLexRankといった代表的なアルゴリズムは、文をグラフ構造として表現し、改良版PageRankアルゴリズムを用いて各文の中心性（重要度）を判定します。抽出型の手法は、文のつながりが不自然になったり、一貫性に欠けたりすることもありますが、計算効率が高く、元のテキストをそのまま利用するため事実誤認（ハルシネーション）が起きにくいという利点があります。 一方、「生成型要約（Abstractive summarization）」は、本を読んだ後に自分の言葉で内容を語り直してくれる、創造性豊かな友人のようなアプローチをとります。このシステムは、全く異なる言い回しを用いつつ、元のコンテンツの本質を捉えた新しいテキストを生成します。これには、Attention（注意）機構を組み込んだSequence-to-Sequence（系列変換）ニューラルネットワーク・アーキテクチャが用いられ、BART、T5、PEGASUSといったTransformerモデルが活用されています。 生成型モデルは情報をより効率的に圧縮し、人間が書いたような自然で流暢な要約を作成できますが、特有の課題も抱えています。例えば、元の資料には存在しない事実をでっち上げてしまう（ハルシネーション）、非常に長い文書の処理に苦労する、あるいは重要な詳細を見落とすといった問題が生じることがあります。こうした中、ポインター・ジェネレーター・ネットワーク（pointer-generator networks）のような最近の手法では、重要なフレーズを元の資料から直接コピーしつつ、それらをつなぐ文章を新たに生成することで、両者の長所を活かそうとする試みが行われています。 NLPにおけるテキスト要約技術 テキスト要約の歴史的基盤は、TF-IDFスコア、フレーズの出現頻度、文の位置に関するヒューリスティクス（経験則）を用いて重要な情報を特定する、統計的手法によって築かれました。現代のニューラルアルゴリズムと比較すると、これらの手法は古風に見えるかもしれませんが、ニュース記事などのテキストに対しては依然として有効であり、計算コストの面でも効率的です。 TextRankのようなグラフベースの手法では、文をネットワーク上のノードとして扱い、文間の意味的な類似性をエッジ（辺）で表現します。そして、改良されたPageRankの計算を適用することで文書の要点を特定します。これは、膨大な学習データを必要とせずに、テキスト内の「インフルエンサー（影響力のある文）」を見つけ出すための巧みな手法です。 自然言語処理（NLP）によるテキスト要約のユースケース ニュース集約とメディアモニタリング：Apple NewsやGoogle Newsなどのニュースシステムは、高度な要約パイプラインを用いて、数千もの記事を読みやすい要約にまとめています。これらのアルゴリズムは、事実の正確性を確保するための抽出技術と、注目を集める見出しを作成するための抽象化技術のバランスを取っています。 法律文書分析：通常であれば数百時間もの請求時間を要する契約書、判例、証拠開示書類などの処理において、法律事務所は専門的な要約システムをますます活用するようになっています。重要な文章、判例、潜在的な法的責任などを特定するために、これらのシステムは多くの場合、固有表現認識とドメイン固有の抽出モデルを組み合わせています。 科学研究の支援：研究者は、研究成果やその意義を迅速に評価するために、自身の専門分野に最適化された要約手法を活用しています。こうしたカスタマイズされたモデルは、引用ネットワークや専門用語の重み付けといった機能を駆使することで、見落とされがちな論文の中から重要な発見や手法上の進歩を浮き彫りにします。 顧客フィードバックの分析：AmazonやSamsungといった企業の製品チームは、数千件に及ぶレビューを実用的な知見へと集約するために、「アスペクト（側面）ベースの要約」を活用しています。単なる感情分析にとどまらず、これらのシステムはレビュー内で言及されている特定の製品機能を抽出し、各機能に関するユーザーの体験を簡潔に要約して提示します。 結論 自身の知識の不足している部分に合わせて内容を調整し、既知の情報を省きつつ必要に応じて文脈を補足しながら要約を行う――そんな場面を想像してみてください。真のイノベーションが訪れるのは、こうした技術が3時間にも及ぶポッドキャストから要点を抽出し、関連する研究論文の文脈に位置づけ、さらには時事問題へと適用できるようになる時でしょう。処理能力が向上し、モデルが意味内容をより深く理解できるようになるにつれて、「要約」と「理解」の境界線は曖昧になっていくはずです。
IoTのためのエッジおよびクラウドコンピューティング：入門 IoTにおけるエッジコンピューティングとクラウドコンピューティングは、現在、幅広い用途で活用されています。本ブログでは、IoTにおけるこれら両技術の重要な役割に焦点を当てて解説します。 今日のIoT環境において、エッジコンピューティングは多岐にわたる役割を担っています。この分散型かつローカルなコンピューティング・パラダイムは、IoTデバイスをレイテンシ（遅延）や接続性の問題から解放します。こうした問題は、本来であれば一部のIoTアプリケーションの実現を阻む要因となり得るものです。 この極めて重要な技術は、機密データや、リアルタイム性・低遅延性が求められる意思決定を伴うIoTアプリケーションの中核を成しています。また、クラウドへの接続が不安定あるいは不可能な環境下で行われるアプリケーションや、産業用IoT（IIoT）の導入事例に見られるような、特にデータ集約型のアプリケーションにおいても有用です。 エッジコンピューティング・デバイスはデータをその場で（ローカルで）分析するため、レイテンシが発生しません。これは、精密かつ厳密なタイミングが求められるタスクにおいて、IoTデバイスが機能するか否かを左右する重要な要素となり得ます。エッジコンピューティングは、費用対効果が高く、効率的かつ安全で、プライバシーにも配慮したIoTの利用形態です。さらに、ミッションクリティカルなタスクに対して冗長性とレジリエンス（回復力）をもたらします。 以下に、IoT技術におけるエッジコンピューティングとクラウドコンピューティングの主な役割を挙げます。 IoT（モノのインターネット）におけるエッジコンピューティングの役割 レイテンシ 多くのIoTアプリケーションは高度な監視システムを備えています。これらのシステムはデータを収集・分析し、その結果に基づいて何らかの処理を行います。こうした処理は、デバイスとの特定のやり取りがトリガーとなった場合にのみ実行されることもあります。リアルタイムで分析結果や知見が必要とされる場面では、エッジコンピューティングがIoTの運用に役立ちます。エッジコンピューティングでは、データの収集や分析がIoTデバイスの近くで行われます。大規模な中央集中型データセンターではなく、同一の国や地域内といった近接した場所で処理が完結するため、データセンターとの往復時間が短縮され、ネットワークのレイテンシを最小限に抑えることができます。また、エッジコンピューティングは、リアルタイムでのアクションが求められるIoTアプリケーションの性能向上にも寄与します。 帯域幅 多くのIoTデバイスは、データ管理プラットフォームへ小さなデータパケットを送信し、プラットフォーム側で分析を行って知見を抽出します。現在、データは集中型クラウド上のプラットフォームへとストリーミング送信されています。接続デバイス数の増加に伴い、将来的には通信事業者のネットワークに大きな負荷がかかる可能性があります。個々のデータパケットはわずか数バイトであっても、狭い範囲にある多数のデバイスからリアルタイムで送信されれば、その累積的な影響は甚大なものとなり得ます。エッジコンピューティングは、IoTデータの処理やフィルタリングをデバイスの近くで行うことを可能にします。これにより、帯域幅の消費を抑えることができます。具体的には、長期保存や分析に必要なデータのみを中央の管理プラットフォームへ送信するように制御することで、これを実現します。 セキュリティ 接続されるデバイスの数が増加する中、セキュリティをどのように管理するかは、IoTエコシステムに関わる多くの人々にとって重要な課題となっています。マルウェアを利用してIoTデバイスからDDoS攻撃が仕掛けられる恐れもあります。エッジコンピューティングは、プライベートクラウドと比較してセキュリティ面で必ずしも優れているわけではありませんが、ローカル環境で処理が行われるという利点があります。データが生成された場所とは異なるデータ保護法が適用される地域にデータを保存することに懸念を抱く企業にとって、エッジコンピューティングはセキュリティ上のメリットをもたらす可能性があります。また、企業はデータをローカルの境界外へ流出させずに運用することも可能です。さらに、特にエッジサーバーをオンプレミスで設置している場合、情報を格納するサーバーへのあらゆるアクセスを自社で制御することができます。 IoT（モノのインターネット）におけるクラウドコンピューティングの役割 IoTとクラウドコンピューティングの根底にある概念は、日常的な業務の効率化を図ることにあります。その際、データの保存や転送の品質を損なうことなく、この目的を達成することを目指しています。両者は相互補完的な関係にあり、IoTがデータの発生源となる一方で、クラウドはデータの最終的な保存場所としての役割を担っています。 今後、私たちは多くの変化を目の当たりにすることになるでしょう。それらの変化の中には緩やかに進むものもあれば、急速に進行するものもあります。Amazon AWS、Google、Microsoftといった企業が、クラウドIoTサービスの分野で圧倒的なリーダーとしての地位を確立しつつあり、この分野における取り組みをさらに意義深いものにしています。 クラウドの普及に伴い、多くのクラウドサービスプロバイダーが企業向けに従量課金制のモデルを提供しています。企業は、実際に使用したコンピューティングリソースに対してのみ料金を支払えばよいことになります。 所有コストの削減 インフレは、あらゆる企業がいずれ直面せざるを得ない、絶え間ない脅威です。企業はクラウドを活用することで、豊富なリソースを利用できます。インフラ構築に多額の費用を投じる必要はありません。また、オンプレミスのシステムやハードウェア、ソフトウェアを自社で保有・管理する必要がないため、IT部門は日々の運用・保守業務に専念できます。これらはクラウドの明白な利点です。 事業継続を確保する仕組み クラウドコンピューティングは、予期せぬ災害に直面しても事業の継続を可能にします。機密データは別のサーバーに保管されているため、即座に危険にさらされることはありません。こうした特性により、クラウドはインターネットを活用するビジネスにおいて不可欠な存在となっています。 クラウドは遠隔地の処理能力リソースとなる オンプレミス型のインフラは、現実的な選択肢ではなくなりつつあります。IoTデバイスの普及に伴い、膨大な量のビッグデータが絶えず生成されています。これには、大容量のストレージシステムと高速な処理能力が不可欠です。クラウドは、こうしたニーズに応える大容量のストレージスペースを提供します。また、5Gと組み合わせることで、高速な演算処理をクラウドへオフロード（外部委託）することも可能になります。 クラウドはIoTデータのセキュリティとプライバシーを強化する IoTは膨大なデータを生成します。データの取り扱いにおいては、セキュリティやプライバシーの確保が重要な課題となります。さらに、IoTはモビリティ（移動性）を活用する技術でもあります。クラウドを導入することで、予防的、是正的、そして検知的なセキュリティ対策の強化が期待できます。クラウドは、効果的な認証や暗号化プロトコルによって、ユーザーに強固なセキュリティ対策を提供します。 オンプレミスでのホスティングは不要 IoTデバイスには、接続してすぐに利用できる「プラグ・アンド・プレイ」型のホスティングサービスが不可欠です。こうしたサービスを実現するには、通常、大規模な機器やハードウェアが必要となりますが、それらを導入・運用するには多大なコストがかかります。しかし、IoTとクラウドコンピューティングを組み合わせれば、大規模な機器に依存する必要はありません。クラウドコンピューティングは、すぐに利用可能なモデルを提供します。このモデルは、IoTホスティングプロバイダーにとっての参入障壁を取り除くものとなります。 デバイス間通信の向上 IoT向けの強力なAPIを備えたクラウドは、通信を円滑にする役割を果たします。これらのAPIはスマートデバイスの接続を容易にし、その結果、デバイス間の通信がより簡単になりました。 所有コストの削減 クラウドコンピューティングを利用すれば、企業は自社でインフラを構築する必要がなくなり、十分なリソースを確保できます。これにより、インフラ構築にかかる多額の費用を節約できます。さらに、クラウドにはオンプレミスのシステム、ハードウェア、ソフトウェアといった概念がないため、IT部門は日常業務により集中できるようになります。 事業継続を確保する仕組み 予期せぬ災害が発生した場合でも、クラウドコンピューティングは事業の継続を保証します。また、データを別のサーバーに保存することで、データ消失のリスクを低減できます。これは、IoTベースのインフラにおいて極めて重要です。 参入障壁の低さ IoTのイノベーションには、使いやすいホスティングソリューションが必要です。その点において、IoTにおけるクラウドコンピューティングは有力な選択肢となります。IoT関連企業はクラウドコンピューティングを活用することで、オンプレミスのハードウェアやソフトウェアに投資することなく、遠隔地にあるデータセンターの能力を利用できます。コストの面でも、IoTにおけるクラウドコンピューティングは優れた選択肢です。クラウドコンピューティングは従量課金制であるため、初期費用を大幅に抑えることができます。その結果、企業は大規模なIoTプロジェクトを容易に導入できるようになります。多くのIoT関連企業にとって、これは参入障壁を下げることにつながります。 デバイス間の通信 IoT（モノのインターネット）において、クラウドコンピューティングはIoTデバイス間のシームレスな通信を可能にします。これにより、コネクテッドデバイスやスマートデバイスと連携する、多種多様で堅牢なAPIの利用が可能になります。クラウドコンピューティングは、コネクテッド技術の発展への道を切り開くものです。 結論 IoTとクラウドコンピューティングの融合は、インターネットに続く次なる大きな技術的潮流を予感させるものです。両者の統合により新たなアプリケーションが次々と登場しており、それらはビジネスや研究の新たな機会を創出しています。その結果、IoTとクラウドの組み合わせは、マルチネットワーキングやオープンサービスプラットフォームの分野において、パラダイムシフトをもたらすと期待されます。 現在、IoTはエッジコンピューティングがなくとも幅広い用途で活用されています。しかし、接続されるデバイスの数が増加し、レイテンシ（遅延）、帯域幅、セキュリティに対してより厳しい要件が求められるユースケースが検討されるようになるにつれ、エッジコンピューティングが重要な役割を果たすようになるでしょう。 本ブログでは、IoTにおけるエッジコンピューティングとクラウドコンピューティングの利点について解説しました。あとは、どちらが自社のビジネスに適しているかを判断する段階です。間違いなく、IoTにおけるエッジコンピューティングとクラウドコンピューティングこそが、IoT技術の未来を担う存在なのです。
Googleは、ウェブ解析サービスの最新版である「Google Analytics 4（GA4）」を提供しています。GA4は、ウェブサイト、モバイルアプリ、その他のデジタルプラットフォームなど、複数のプラットフォームやデバイスにわたるユーザー行動を追跡・分析するための高度な機能を提供します。 GA4の主な特徴の一つは、イベント、ユーザープロパティ、オーディエンスなど、複数のデータソースからデータを収集・分析できる点です。また、ユーザー行動をより詳細かつ包括的に把握できるため、企業はユーザーがウェブサイトやアプリとどのように関わっているかを理解し、それに応じてマーケティング戦略を最適化することが可能になります。GA4は機械学習を活用して、ユーザーの離脱予測や高価値ユーザーの特定など、ユーザー行動に関する有益なインサイトを提供します。さらに、新しいイベントベースのデータモデルを採用しており、ユーザー行動をより正確かつ柔軟に追跡・分析できるようになっています。総じて、GA4は企業がオーディエンスを理解し、オンラインでのプレゼンスを向上させるための強力なツールです。より高度な追跡・分析機能、強化されたデータプライバシー管理、そして複数のプラットフォームにわたるユーザー行動の包括的な把握を実現します。Google Analytics 4（GA4）は、ウェブサイトやモバイルアプリ、その他のデジタルプラットフォームにわたるユーザー行動を追跡・分析する高度な機能を備えた、Google Analyticsプラットフォームの最新版です。GA4の重要な特徴は、イベント、ユーザープロパティ、オーディエンスといった複数のソースからデータを収集・分析し、オーディエンスの行動をより包括的に把握できる点にあります。さらに、GA4はより高度な追跡・分析機能や優れたデータプライバシー管理機能を提供し、異なるプラットフォーム間でのユーザー行動を包括的に可視化します。これにより、企業はマーケティング戦略を最適化し、オンラインでのプレゼンスを向上させることが可能になります。Universal Analyticsと比較すると、GA4はユーザー行動をより詳細かつ包括的に把握できる高度な分析プラットフォームであり、オンラインでのパフォーマンスを最適化するための有益なツールとなっています。 GA4（Google Analytics 4）とユニバーサルアナリティクスは、Googleが提供する分析プラットフォームの異なる2つのバージョンです。長年にわたりユニバーサルアナリティクスが分析ツールの主流でしたが、Google Analytics 4はそれらとは一線を画す新しい機能や能力を備えています。ユニバーサルアナリティクスは、ウェブサイトのトラフィック、ユーザー行動、コンバージョンに関するデータを提供します。CookieやGoogle広告サービスのデータを利用して、デバイスやプラットフォームを横断したユーザーの活動を追跡しますが、デバイスをまたぐ追跡やモバイルアプリからのデータ収集においては限界があります。一方、Google Analytics 4はより柔軟な設計となっており、デバイスやプラットフォームを横断したユーザー行動をより包括的に把握できます。機械学習を活用してユーザー行動を深く理解し、Cookieに依存することなくデバイスを横断した追跡を可能にします。さらに、動画のエンゲージメント計測やスクロール深度の計測など、より高度なイベント追跡機能も提供しています。総じて、Google Analytics 4はユーザー行動をより包括的に把握できるため、複数のチャネルやデバイスにわたるオンラインでのプレゼンスを最適化しようとする企業にとって、特に有益なツールと言えます。 GA4とユニバーサルアナリティクスの違いを簡潔に説明してください。 GA4とユニバーサルアナリティクスは、デジタルマーケターやウェブサイト運営者がほぼ同様の業務を行えるよう設計されたツールですが、その仕組みや動作は大きく異なります。ここでは、Google Analytics 4（GA4）とユニバーサルアナリティクスの主な違いについて詳しく解説します。 近年、オンラインにおけるユーザーのプライバシー保護はますます重要な課題となっています。そのため、訪問者のプライバシーやデータ収集といった点において、GA4が従来とは大きく異なるアプローチを採用していることは、ある意味で当然のことと言えるでしょう。 データ収集について—Google Analytics 4（GA4）のデータ収集手法は、総じて、今日のオムチャネル化が進むデジタル環境に極めて適していると言えます。 Universal Analyticsが導入された2012年当時、スマートフォンを所有していたウェブユーザーは約45%に過ぎず、利用可能なアプリの数も数十万程度でした。一方、2021年初頭にはスマートフォンの普及率が85%に達し、アプリの数も500万近くにまで増加しました。当然ながら、それから2年が経過した現在も、その数は増え続けています。 GA4は、こうした変化や継続的なトレンド、そしてその結果として生じた「一般的なバイヤーズジャーニー（購買行動のプロセス）」の変化を考慮して設計されています。今や、アプリを含むあらゆるストリームからのデータを、一か所でまとめて確認、評価、比較することが可能になっています。 データレポート –GA4とユニバーサルアナリティクスを比較すると、データに関する用語の多くが変更されていることにお気づきになるでしょう。何が異なり、何が同じなのか、スクリーンショットを交えて詳しく解説します。（インフォグラフィックのスクリーンショット） ご覧の通り、GA4の「ライフサイクル」タブでは多くの情報が整理・統合されています。これにより、顧客のエンゲージメントや満足度を高めることだけでなく、顧客をブランドの熱心な支持者（ブランド・アドボケイト）へと変えていくことの重要性を、より適切に反映できるようになりました。また、「アクション」は「エンゲージメント」に、「コンバージョン」は「収益化（マネタイズ）」へと名称が変更されています。 「エンゲージメント」や「収益化」という用語は、2023年以降の現在において非常に幅広い概念を包含するものであり、Google Analytics 4もそれに対応した設計になっているという点にご留意ください。 イベントとセッションの比較 –ご存知の通り、Universal Analytics（ユニバーサルアナリティクス）は、訪問者の「セッション」を基にデータを収集・整理します。このセッションは、Eコマースやページ閲覧などに関連する様々な種類の「ヒット」によって構成されています。 一方、Google Analytics 4（GA4）では、これらすべての発生事象（およびその他の事象）が「イベント」として扱われます。これには、ウェブサイトへの初回訪問や新しいページの閲覧なども含まれます。この変更は、消費者が自社のデジタル資産と実際にどのように関わっているかについて、マーケターやウェブ担当者により多くの情報を提供することを意図しており、実際にそれが実現されています。 Universal AnalyticsからGA4へ移行する際、過去のデータは引き継がれません。この点を理解しておくことが不可欠です。従来の「ヒット」ベースのデータとは全く異なる方法でイベントを扱うことになるため、新しい仕組みに慣れるには時間がかかります。また、将来の利用に備えてデータ蓄積（データキャッシュ）を行っておく必要もあります。 機能の拡充（インフォグラフィックのスクリーンショット）Google Analytics 4（GA4）とUniversal Analyticsの大きな（そして好ましい）違いの一つは、新しいプラットフォームが備える圧倒的な機能性です（これは設定の過程で実感していただけるでしょう）。GA4には、とりわけ以下のような機能が含まれています。 カスタムレポートを作成できるだけでなく、それらをナビゲーションインターフェースの「レポート」セクションに直接追加するなど、実際のニーズに合わせてプラットフォームをカスタマイズする機能。 Universal Analyticsで2018年から提供されていた「インサイト」機能（基本オプション）は、引き続き機械学習機能を備えています。予測分析機能がプラットフォームに組み込まれているため、そのために別途有料ツールを購入する必要はありません。 便利な「異常検知」機能コンバージョンに至る経路やタッチポイントなどを追跡・測定するための強化されたツールもちろん、Google Analytics 4（GA4）は日々変化・進化し続けているため、学ぶべきことは多岐にわたります。しかし、Universal Analytics（UA）に慣れ親しんでいる方であれば、全体的な操作感は比較的スムーズに理解できるはずです。Universal Analyticsのサポートは2023年7月に正式終了するため、いずれは完全にプラットフォームを移行しなければならない日が訪れます。とはいえ、Universal Analyticsを使い続けながら、並行してGA4の導入準備を進めることも可能です。 […]
エディターズチョイス
近年、石油・ガス産業は、最新のテクノロジーによって変貌を遂げています。O&G業界の競争が激化するにつれ、組織は創造的なアプローチに邁進しています。多くのリーダーは、市場のあごひげから身を守るために、デジタル化をのぞんでいます。また、原油価格が下がっても利益を確保し、回復期には競争力のある利益を生み出そうとしています。バリューチェーン全体で開発・採用されているAIやMLベースの技術を活用することが、今後の道筋になります。
ネットワークを保護するための侵入検知システム（IDS）には、さまざまな種類があります。しかし、なぜIDSが必要なのでしょうか？昨今、インターネット上には様々な個人情報や業務データが存在します。したがって、IDSは、このデータが悪意のある活動やポリシー違反から安全であることを確認します。IDSは、疑わしい活動に対してユーザーに警告を発します。
デバイス管理機能とは、あらゆる物理デバイスや仮想デバイスの運用、実装、保守を管理することに他なりません。デバイス管理プロセスには、ネットワーク、コンピューティング、物理的または仮想的なマシンを維持するための様々なツールやテクニックが含まれています。例えば、ノートパソコン、コンピューター、サーバー、携帯電話などが、通常デバイス管理の対象として考えられている。今回は、デバイス管理の主な4つの機能を勉強します。
関連会社によるリソース
現代では、"Data "という言葉には複数の意味があり、その抽出や解釈の仕方も様々です。このため、Google Cloud Platform（GCP）には、データ処理とウェアハウスの分野で3つの主要な製品があります。Dataproc、Dataflow、Dataprepは、さまざまなニーズに対応した大量のETLソリューションを顧客に提供しています。
ULは、独立した包括的なプレコンプライアンス試験および認証サービスを提供しています。これらのサービスは、性能や安全性、サイバーセキュリティや相互運用性など、スマートホーム製品をグローバルに販売するための様々な要件をカバーしています。発売前の
Return Material Authorization (RMA) ハードディスクは、保証の下、交換または返金を求めるため、メーカーに返却する必要があります。これらのハードディスクには社員や顧客の記録などの機密情報が含まれている可能性があります。多くの場合、異常または使用停止となったハードディスクはオンサイトで保存されるため、、リース契約の「Keep my disk (自己のディスク保存)」条項の罰金の対象となるだけでなく、保管費用も発生します。
COVID-19の危機が発生する以前から、企業とその従業員の働き方は大きく変化していました。例えば、人工知能や機械学習（AI/ML）、自動化の導入が急速に進み、リモートワークが増えつつありました 。
今年は、パンデミックによってもたらされた予測不可能な変化により、あらゆる種類と規模の組織にとって、紛れもなく困難な年でした。多くの企業が足がかりを見つけるのに苦労しましたが、混乱が続く中、リーダーたちが再考、再評価、再構築を行う機会も生じました。このインタビュー コレクションでは、CFO の皆さんがパンデミックにどのように対応したか、その皆さんの勤務先である組織がどのように回復しているか、その組織の未来がどのように再考されているかをご覧いただけます。