SAS Blogs

同じデータを見ても、なぜ判断は割れるのか：共有すべきは「結論」ではなく「判断材料」

Kazunari Okada — Wed, 28 Oct 2026 13:22:02 +0000

第1回では経営KGIと現場KPIをどうつなぐかを、第2回では「同じデータ、同じ定義」を誰がつくるのかを書きました。では、同じデータを同じ定義で見られるようになれば、企業の意思決定はうまくいくのでしょうか。私は、その先にもう一つ問題があると考えています。同じデータを見ても、人によって判断が違うことです。今回は、製造現場の「判断」を考えます。設備に異常の兆候が出た。さて、止めるべきか？ある工場の生産設備で、センサーの振動や温度に通常と異なる傾向が現れたとします。今すぐ故障するとは限りませんが、何かが起こり始めている可能性があります。オペレーター、保全担当、生産管理、工場長は、この設備を止めるべきかどうかを、図１のように考えるかもしれません。図１. 設備停止をめぐる4者の判断誰か一人が間違っているわけではありません。守るべきKPIと負っている責任が違うため、同じデータを同じ定義で見ていても判断は割れます。それぞれが自分の責任を果たすことを考えた結果だからです。「予測できること」と「判断できること」は違う AIやアナリティクスで、「この設備は近い将来、故障する可能性が高い」と高い確度で予測できるようになったとしましょう。これは大きな進歩です。しかし、そこで問題が解決するわけではありません。今止めるのか、今日の生産を終えてから止めるのか。部品はすぐ手配できるのか。誰が決めるのか。予測を受け取ったところから、次の問いが始まります。「何が起きそうか」を予測することと、「では何をするか」を判断することは、別の問題です。予測精度を高めても、後者が自然に解決するわけではありません。ベテランが持っているのは、「答え」だけではない経験豊富な保全担当者は、センサーの値が通常と違うからといって、機械的に「停止」と判断しているわけではありません。ベテランが本当に持っているのは答えそのものより、答えにたどり着くまでのプロセスです。どの情報を見るのか何と何を比較するのか何をリスクと捉えるのかどの条件になったら他の人に相談するのか経験やノウハウと呼ばれているものの中には、こうした「判断の仕方」が含まれているはずです。自社のベテランに「この異常を見たとき、最初に何を確認するか」を聞いてみてはいかがでしょうか。目指すのは、同じ結論ではなく、同じ判断材料全員に同じ結論を求めると、立場の違いが無視され、責任範囲が曖昧になり、例外に対応しにくくなります。目指すのは、同じ判断材料を共有した上で、それぞれの責任に基づいて判断できる状態です。設備異常の例でいえば、何が起きているか、想定される原因、類似事例、継続運転のリスク、生産計画への影響、対応方法の選択肢です。共有するのは結論ではなく、判断の根拠です。図2．共有するのは結論ではなく判断材料データ基盤の次に、「判断基盤」を考えるデータを集め、整え、定義を揃え、分析する。ここまでは多くの企業で議論されています。しかし、分析できるようになっても、意思決定の速さや質が自動的に変わるとは限りません。そこで、データ基盤の次に「判断基盤」を考えることを提案します。新しいITシステムの名前ではなく、意思決定プロセスの整理と言い換えても構いません。必要なデータ、判断材料、判断基準、責任者、そしてアクションまでをつなぐ仕組みを、ここでは「判断基盤」と呼ぶことにします。自社の現在地は、図３の5つの問いで確認できます。図3．判断基盤を確認する5つの問い 5つすべてに即答できるかどうかが、判断基盤がどこまで整っているかの目安になります。答えに詰まる問いがあれば、そこが次に手をつける箇所です。おわりにデータを集める。定義を統一する。分析できるようにする。ここまで整えても、判断が自動的に良くなるわけではありません。最後に残るのは、「この情報から、私たちはどう判断するのか」という問題です。その答えは、全員が同じ結論を出すことではありません。同じデータを同じ定義で見て、判断に必要な材料を共有した上で、それぞれの責任に基づいて意思決定できる状態をつくることです。次回は、この判断のどこまでをAIに任せ、どこからを人が持つのかを考えます。皆さんの会社では、同じデータを見たとき、誰もが同じ「判断材料」を手にしているでしょうか。

The post 同じデータを見ても、なぜ判断は割れるのか：共有すべきは「結論」ではなく「判断材料」 appeared first on SAS Blogs.

Emerging Economics: Token Pricing and the Case for Local Inference

William Nadolski — Wed, 28 Oct 2026 20:33:01 +0000

Part 4 in the Demystifying Recent AI Advances Series The previous three posts in this series covered what the models are, how much autonomy to grant them, and how to ground them in your data. This one covers the constraint that quietly governs all three decisions: cost. For the first [...]

The post Emerging Economics: Token Pricing and the Case for Local Inference appeared first on SAS Blogs.

Recipes for resilient bones

Jen Sohl-Marion, MPH, RDN, LDN — Wed, 28 Oct 2026 12:05:49 +0000

The previous blog explained that bone health depends on more than calcium—strong bones are supported by a comprehensive lifestyle and eating pattern. Now it’s time to put bone health on your plate. If you want to nourish your bones without loading up on supplements or consuming lots of dairy, you must [...]

The post Recipes for resilient bones appeared first on SAS Blogs.

同じデータ、同じ定義の次に来る問題：「誰が」統一データソースをつくるのか

Kazunari Okada — Thu, 22 Oct 2026 00:00:47 +0000

前回の記事では、GT-Rの開発者が「同じ条件・同じ指標で測ること」を譲らなかった話から、データ分析には同じデータ、同じ指標定義が欠かせないという結論に至りました。では、それを製造業の現場で実現するにはどうすればよいのでしょうか。今回は、そのために必要なデータの置き場と層構造、そして意外と見落とされがちな「誰がつくるのか」を取り上げます。製造業でよく起きる「同じ用語、違う数字」たとえば「設備稼働率」です。生産部門は、計画稼働時間に対する実稼働時間で見ている保全部門は、故障停止だけを引いて計算している経営層向けの月次資料では、段取り替えや待機時間の扱いが資料ごと・部門ごとに異なる誰も間違っていません。ただ、定義が揃っていないだけです。この状態では、OEE（設備総合効率）を改善しようとしても、予知保全モデルをつくろうとしても、議論が「その数字は何を指しているのか」から始まってしまいます。これを解消する土台が、統一されたデータソースです。データの層構造を整理する近年、製造業では、構造化データに加えて、IoTや機械から生成されるセンサーデータ、テキストなど、多種多様なデータが生まれています。これらを一元的に管理・活用できる新しい技術と概念が、データレイクハウスとメダリオンアーキテクチャです（出典１・２）。データレイクハウス：従来のデータウェアハウスとデータレイクそれぞれの制限を克服し、両者の長所を併せ持つデータアーキテクチャです。低コストなストレージ上のデータに対して、ACIDトランザクション（データの整合性を保つ仕組み）やガバナンス、高速なクエリ性能を実現する統合データプラットフォームです。メダリオンアーキテクチャ：データレイクハウスに蓄積されるデータを、品質や加工度合いに応じて段階的に整理・洗練させていくマルチレイヤーのパイプライン構造です。このメダリオンアーキテクチャは、次の3層で整理されます。ブロンズからシルバー、ゴールドへと進むほど、「生データ」から「使えるデータ」へ磨かれていきます。この3層は、従来のデータ基盤の用語では、おおむね、データレイク → ブロンズ層データウェアハウス → シルバー層データマート → ゴールド層に対応します。厳密には一対一で対応するわけではありませんが、本記事では説明のしやすさのためのイメージとして捉えていただき、以降はブロンズ層・シルバー層・ゴールド層の呼び方で話を進めます。いちばん難しいのは、実はシルバー層 3層のうち、技術的に最も手間がかかりそうに見えるのはデータ量の多いブロンズ層ですが、実際に難しいのはシルバー層です。理由は2つあります。１．やりたい分析を意識して設計する必要があるシルバー層は「きれいに整える」だけでは終わりません。OEEを出したいのか、故障予兆を見たいのか、不良の要因を追いたいのかによって、必要な粒度（秒単位か、ロット単位か）や、どのデータを紐づけるかが変わります。分析目的を知らないまま整えると、「整ってはいるが使えないデータ」ができあがります。２．現場の専門知識が不可欠この停止コードは「故障」なのか「段取り替え」なのか設備の時刻と、MESの時刻がずれているのはなぜかこのセンサー値が突然ゼロになるのは、異常か、単なる停止中かロットIDと設備IDは、どのタイミングで紐づくのかこれらはデータを眺めるだけでは分かりません。現場を知る人にしか答えられない問いです。 ITチームだけでは、シルバー層はつくれないデータ基盤というとIT部門の仕事と考えがちですが、シルバー層の構築にはIT部門だけでは足りません。必要なのは次のような多彩なメンバーです。現場のオペレーター・ライン長：データが実際の動きをどう反映しているかを知っている生産技術・設備保全：設備の構造や停止の意味、センサーの癖を理解している品質保証：不良の定義や検査データの意味づけを決められるデータサイエンティスト/アナリスト：分析で何が必要かを示せるデータエンジニア/IT：その要件を実際に実装し、運用に乗せる業務オーナー（工場長・部門責任者）：部門間で割れた定義に決着をつける最後の「定義の決着をつける人」が特に重要です。指標定義の統一は技術の問題ではなく、部門間の合意形成の問題だからです。この点は、計画段階で十分に考慮されていないケースが少なくありません。ヨーロッパの建築資材の製造企業様での事例 SASはヨーロッパの建築資材の製造大手、Wienerberger社にて同様の経験をしています（出典３・４）。生産ラインからのデータ収集を行いブロンズ層を構築するまではITベンダーが実施できましたが、データ分析目的であった「製造品質を維持したまま、消費エネルギーを最小化する」という経営KGIを達成しようとしたところ、必要なデータの選定やクレンジングがうまく行えずデータ分析が実施できないという問題が発生しました。そこで弊社が参画しました。データ分析の知見が、シルバー層/ゴールド層の設計の手がかりになるここで、分析の出口から逆算するというアプローチが生きてきます。 SASはアナリティクスのリーディングカンパニーとして50年にわたる経験を有しています。そのため、「このデータ分析を実現するには、どんなデータ項目が、どの粒度・どの関係性で必要か」という、分析が要求するデータ構造についての知見を持っています。例えば、生産設備の状態監視や品質改善といったデータ分析用途ごとに、その構造を整理した専用のデータマートを、ノウハウとして保有しています。これはメダリオンアーキテクチャでいえば、ゴールド層に相当するものです。この知見があれば、 [...]

The post 同じデータ、同じ定義の次に来る問題：「誰が」統一データソースをつくるのか appeared first on SAS Blogs.

SAS Championship: Then and now

Caroline Kinlaw — Wed, 21 Oct 2026 14:54:10 +0000

We took a trip around SAS Championship, revisiting some familiar locations with photos from the tournament's first year. As SAS celebrates 50 years, we’ve looked back at the people, places and moments that have shaped our story. This time, we took a trip around SAS Championship with a few photos [...]

The post SAS Championship: Then and now appeared first on SAS Blogs.

Did you know? SAS Technical Support is included

Kim Wilson — Tue, 20 Oct 2026 19:20:31 +0000

SAS Technical Support is included (at no additional charge) with your SAS software license. Got problem or question? Just ask!

The post Did you know? SAS Technical Support is included appeared first on SAS Blogs.

IA generativa vs. IA agéntica en el sector financiero: ¿cuál es el verdadero motor de la eficiencia operativa?

SAS Colombia — Tue, 20 Oct 2026 15:57:17 +0000

El sector financiero enfrenta el reto de responder más rápido a sus clientes, prevenir el fraude y cumplir con las regulaciones, mientras optimiza sus costos operativos. En este contexto, la inteligencia artificial (IA) se posiciona como una herramienta clave para transformar los procesos y mejorar la toma de decisiones. Pero [...]

The post IA generativa vs. IA agéntica en el sector financiero: ¿cuál es el verdadero motor de la eficiencia operativa? appeared first on SAS Blogs.

More than a game: How SAS HBCU Career Day and Invitational connects golf to what's next

Caslee Sims — Tue, 20 Oct 2026 15:26:18 +0000

For college golfers, it's easy to measure progress. Scores improve, rankings change and tournaments offer a pretty clear picture of where you stand. Figuring out what comes after college isn't always so straightforward. That's part of what makes the SAS Championship HBCU Career Day and Invitational interesting. Student-athletes arrive with [...]

The post More than a game: How SAS HBCU Career Day and Invitational connects golf to what's next appeared first on SAS Blogs.

How can organizations close the AI decision gap?

Lindsey Coombs — Tue, 20 Oct 2026 11:00:36 +0000

Organizations that report successful AI initiatives invest up to 4 times more (as a percentage of revenue) in foundational areas, such as data quality, governance, AI-ready people, and change management, compared with those that experience poor AI outcomes, according to Gartner. These organizations recognize that an accurate model, useful prediction [...]

The post How can organizations close the AI decision gap? appeared first on SAS Blogs.

Vijay Singh wins the 2026 SAS Championship

Dan Starbuck — Mon, 19 Oct 2026 18:49:47 +0000

Consistency carried Vijay Singh to the top of the leaderboard at the 2026 SAS Championship. The 63-year-old World Golf Hall of Fame member posted matching rounds of 3-under 69 on Friday, Saturday and Sunday, finishing at 9-under 207 to win by two strokes over Ernie Els at Prestonwood Country Club [...]

The post Vijay Singh wins the 2026 SAS Championship appeared first on SAS Blogs.