サービスとしてのデータ

データ・アズ・ア・サービス（DaaS）は、データウェアハウスでのデータ管理やビジネスインテリジェンスによるデータ分析など、データを扱うために使用されるクラウドベースのソフトウェアツールです。これは、ソフトウェア・アズ・ア・サービス（SaaS）によって実現されます。 ^[1]すべての「サービスとしての」（aaS）テクノロジーと同様に、DaaSは、プロバイダーと消費者の地理的または組織的な分離に関係なく、データ製品をオンデマンドでユーザーに提供できるという概念に基づいています。^[2]サービス指向アーキテクチャ（SOA）とAPIの広範な使用により、データが存在するプラットフォームは無関係になっています。^[3]

ビジネスモデルとしてのデータ・アズ・ア・サービスとは、2つ以上の組織が機械可読データを価値のあるものと交換に購入、販売、または取引するという概念です。^[4]

DaaSは主にWebマッシュアップで始まり、2015年以降は商業的にも、また国連などの組織内でもますます採用されるようになりました。^[5]

従来、ほとんどの組織は自己完結型のリポジトリに保存されたデータを使用しており、そのデータにアクセスして人間が読める形式で表示するためのソフトウェアが特別に開発されていました。このパラダイムの結果の 1 つは、データとそれを解釈するために必要なソフトウェアの両方が 1 つのパッケージにバンドルされ、消費者向け製品として販売されることです。データ パッケージにバンドルされたソフトウェアの数が増え、相互のやり取りが必要になると、別のインターフェイス レイヤーが必要になりました。これらのインターフェイスは総称してエンタープライズ アプリケーション統合​​(EAI) と呼ばれ、同じ基盤テクノロジ上に構築されたアプリケーションを統合するのは一般的に簡単であるため、ベンダーロックインを促進する傾向がありました。^[6]

ソフトウェア/データ コンシューマー パッケージと必要な EAI ミドルウェアの組み合わせの結果、特定のデータを使用するためだけに、組織が管理および保守するソフトウェアの量が増加しました。日常的な保守コストに加えて、データの形式が変化すると、カスケード型のソフトウェア更新が必要になります。このような状況の存在は、データ コンシューマーにとって DaaS の魅力に貢献しています。これは、データ コストとデータ使用を特定のソフトウェア環境またはプラットフォームのコストから分離できるためです。Sensing as a Service ^{[7] [8]} (S ^{2 aaS) は、}モノのインターネットデータを統合してデータ取引市場を作成する ビジネス モデルです。

MuleSoft、Oracle Cloud、Microsoft Azureなどのベンダーは、RESTアーキテクチャ制約に準拠したWebサービスAPI（RESTful API ）を使用して、大量のデータをより迅速に計算し、そのデータを統合および分析し、リアルタイムで公開するDaaSの開発に取り組んでいます。

ビジネスモデルとしてのデータ・アズ・ア・サービスとは、2つ以上の組織が機械可読データを売買または交換して価値のあるものを得るという概念です。データ・アズ・ア・サービスは、データ関連サービスを包括する一般的な用語です。現在、DaaSサービスプロバイダーは、従来のデータ分析サービスを置き換えたり、既存のサービスとうまく連携して顧客に付加価値を提供しています。DaaSプロバイダーは、より価値のある分析データや情報を提供するために、複数のソースデータをキュレーション、集約、分析しています。^[9]

このデータは、ビジネスプロセスや意思決定を改善するための社内データの増加、 AIトレーニング、組織のサービスや製品の補完に使用されています。^[10]一方、外部DaaSはベンダーからライセンス供与されたデータを使用し、オンデマンドで顧客に提供されます。たとえば、Clearbitは社内の顧客データ（CRM、MAP、ABM ）を使用して、よりパーソナライズされたサービスを提供できるだけでなく、リアルタイムデータでシステムを強化し、リードルーティングを改善し、セグメンテーションを強化し、スタック全体にインテリジェンスを提供しています。^[11]

通常、データはクラウドベースのネットワークを介して配信されます。「この目的のために、組織はDaaSサービスとしてソフトコピーデータを「購入、販売、または取引」することができます。」^[12]

通常、DaaS ビジネスはサブスクリプションに基づいており、顧客はサービス パッケージまたは特定のサービスに対して支払います。同時に、投資家は、生み出される収益がビジネスを運営するための初期コストと運用コストを上回ることを確認する必要があります。価格モデルは通常、次の 2 つのカテゴリに分類されます。

• 数量ベースの価格設定モデルとペイパーコール（PPCall）
• データ型基本モデル^[13]

顧客は必要なときにのみDaaSベンダーから提供されるデータストリームにアクセスできるため、社内にデータを保存する必要がなくなり、それに伴うコストも削減され、ビジネスの柔軟性が向上します。^[14]

このビジネスモデルの要素の1つは、ユーザーデータの引き渡しに関する規制です。ベンダーに特定の顧客サービス要件を遵守することを要求する規制がいくつかあります。特に、データを収集するウェブサイトは、どのようなデータが収集されるかを訪問者に通知し、これらのアクションに対する同意を得る必要があります。サイトは、サイトに保存されている個人データが侵害された場合にも、訪問者に速やかに通知する必要があります。さらに、ウェブサイトデータのセキュリティを評価し、その保護を確実にする必要があります。^[15]一般データ保護規則^[16]は、英国、トルコ、モーリシャス、チリ、日本、ブラジル、韓国、アルゼンチン、ケニアなど、 EU以外の多くの国の法律のモデルとなり、カリフォルニア州消費者プライバシー法の基礎となりました。^{[17] [18]}

ビジネスモデルのもう1つの要素は、顧客がデータを受け取って使用し、自社の価値提案（製品、サービス）を改善できるようにすることです。このビジネスモデルでは、データはサポートメカニズムまたは他の価値提案を作成するためのツールとして価値を提供するため、収益源は通常かなり低くなります。^[19]

一方、Data as a Service は、価値提案と顧客に基づくビッグ データ ビジネス モデルの 3 つのカテゴリのうちの 1 つです。

• サービスとしての回答;
• サービスとしての情報;
• サービスとしてのデータ。

データ・アズ・ア・サービスベンダーは、さまざまな種類のデータを使用して、さまざまなビジネス分野でサービスを提供しています。たとえば、People Data Labsは、顧客が採用プラットフォームを強化したり、AIモデルやカスタムオーディエンスを作成したりできるように、人々に関する公開データを収集しています。^{[20] [21]}

金融テクノロジーの分野では、消費者の財務データや行動データが収集・集約され、組織がより良い意思決定を行い、収益性を高め、融資のリスクを軽減し、企業、政府、個人にサービスを提供できるように支援しています。^{[22] [23] [24] [25]}

別のセグメントでは、DaaSベンダーがモバイルオペレーターのデータを収集して、さまざまな種類のサービスを提供しています。たとえば、他の企業（通信会社、銀行、小売業者、決済システムなど）が独自のデータを処理して追加情報で強化し、機械学習モデルを構築して本番環境で起動することで収益化できるoneFactorプラットフォームがあります。^{[26] [27]}

ビジネス データの分野では、Enigma Technologiesなどの DaaS ベンダーが、収益プロファイリング、市場分析、ビジネス オンボーディング、競合ベンチマークなど、ビジネス運営のさまざまな側面に関する洞察を集約して提供しています。これらのサービスにより、企業は戦略を最適化し、市場機会を特定し、運用効率を高めることができます。たとえば、一部の DaaS プロバイダーは、小売店からのデータの収集と分析に重点を置いており、企業が収益パターン、顧客行動、市場動向を理解し、サイトの選択や拡張戦略に役立てられるようにしています。

DaaS市場には、世界中で収集された気象データに基づいた天気予報サービスを提供する企業がある。^[28]

データ・アズ・ア・サービスは、データ品質が一元化された場所で実現できるという前提で運営され、組織内やネットワーク上の場所に関係なく、データをクレンジングおよび強化し、さまざまなシステム、アプリケーション、またはユーザーに提供します。^[3] DaaSは、次の利点を提供することを約束します。

• 俊敏性- データ アクセスが簡単で、基礎となるデータに関する広範な知識を必要としないため、ユーザーは迅速に行動できます。データ構造と場所固有の要件は、ユーザーのニーズに合わせて変更できます。
• コスト効率- プロバイダーはデータ エキスパートで基盤を構築し、プレゼンテーション層をアウトソーシングできるため、コスト効率に優れたユーザー インターフェイスが実現し、プレゼンテーション層での変更要求がはるかに実現可能になります。
• データ品質– データ アクセスはデータ サービスを通じて制御され、更新ポイントが 1 つになるため、データ品質が向上する傾向があります。これらのサービスがテストされたら、次回の展開でサービスが変更されていない場合は、回帰テストのみが必要になります。

DaaS の欠点は、一般的には、テロ攻撃、停電、自然災害によるサーバーのダウンタイムを回避するためにサービス プロバイダーの能力にユーザーが依存するなど、あらゆるタイプのクラウド コンピューティングに関連する欠点と同様です。DaaS モデルに特有の一般的な批判は、従来のデータ配信と比較すると、消費者は単にデータを「レンタル」し、それを使用して分析や洞察を生み出しているだけであり、通常、元のデータはダウンロードできないという点です。^[29]

データ・アズ・ア・サービスビジネスモデルの落とし穴は、データの著作権侵害や機密データの漏洩の問題である。^{[30] [31] [32] [33]}通常、すべてのDaaS事業者は、販売、処理、分析するデータの知的財産権を保護するためにライセンス契約を策定し、使用して、あらゆる種類の著作権侵害、サブスクリプション違反、使用違反からデータを保護します^[34]

DaaSプロバイダーは顧客に匿名化されたデータを販売しているにもかかわらず、場合によってはクリーニングプロセスによって大量のデータが顧客に公開され、データセットに含まれる人物が露出してしまう可能性があります。^[35]

データの収集、処理、保存に対するユーザーの同意にも問題がある。モバイルアプリケーション開発者はユーザーのスマートフォンからデータを販売する可能性があるが、同時に、アプリケーションユーザーはアプリケーションによってどのような情報が追跡されているかを常に認識しているわけではない。^{[36] [37] [38]}

LinkedInのような公開データの発行者は、公開ウェブサイトをスクレイピングして直接または分析製品として再販することは望ましくないと考えるかもしれない。しかし、法廷での成功は限られている。^[39]公開データをスクレイピングして無料または商用製品として利用できるようにすることは、データの独占に挑戦したり、ジャーナリズムを支援したりするなど、経済的および社会的利益をもたらすという議論がある。^[40]

• クラウドデータベース
• サービスとして