Straumann GroupがデータとAIで歯科医療を変革

Straumann GroupのSridhar Iyengar氏には壮大な使命があります。70年近い歴史を持つ同社のデータとテクノロジーの組織を、インプラント、歯科補てつ、歯科矯正、デジタルデンティストリーの世界的なメーカー・サプライヤーのData as a Service (DaaS)プロバイダーへと変貌させ、ビジネス関係者に機械学習（ML）もサービスとして提供することです。

「私のビジョンは、データ＆技術のチームが中心となってサポートするのとは対照的に、事業がデータを管理し、自分たちでデータを実行できるように鍵を与えることです」と、Straumann Group North Americaのデータ＆技術担当ディレクターのIyengar氏は言います。

これを実現するのは並大抵のことではありません。スイスのバーゼルに本社を置き、100か国以上で事業を運営する同社は、高度に構造化された顧客データ、治療や検査依頼に関するデータ、業務データ、そして膨大に増え続ける非構造化データ、特に画像データなど、ペタバイト級のデータを保有しています。たとえば、同社の歯科矯正事業では画像処理を多用しており、非構造化データは月20%から25%のペースで増加しています。

画像技術の進歩は、Straumann Groupに同社の顧客がクライアントに新しい機能を提供する機会を与えてくれます。たとえば、画像データは、アライナーが時間とともにどのように外観を変化させるかを患者さんに示すために使用できます。

AIがStraumannの画像処理とラボ治療事業で重要な役割を果たすと信じるIyengar氏は、「これは、プロバイダーがサービスを販売する際に大きな力を発揮すると同時に、患者からのNPS[ネットプロモータースコア]をより多く得ることができる」と言います。そこで、データ＆技術チームの社内顧客にサービスとしてMLを提供することになりました。

「自分たちのモデルを作り、それを実行するだけでいいのです」と同氏は説明します。

しかし、MLとAIでさまざまなビジネスを強化するために、Iyengar氏のチームはまず、組織内のデータのサイロ化を解消し、会社のデータオペレーションを変革する必要がありました。

「デジタル化は、データジャーニーにおける最初の賭けでした」と同氏は振り返ります。

データ変換の価値を売り込む

Iyengar氏とチームは、ERP、CRM、従来のデータベースなどのデータソースを構造化データ用のデータウェアハウスと非構造化データ用のデータレイクにまとめるという、データレイヤーの構築から始めて3年から5年のジャーニーを始めて、1年半が経過しました。

このステップは主に開発者とデータアーキテクトによって行われ、データガバナンスとデータ統合を確立しました。現在、チームのインフォメーションアーキテクトは、ビジネスアナリストと提携して、データウェアハウスやデータレイクからファイナンス市場、セールス市場、サプライチェーン市場、マーケット市場を含むデータ市場にデータを供給するセマンティックレイヤーに取り組んでいます。次の目標は、パートナーであるFindability Sciencesの協力を得て、MLとAIのパイプラインを構築し、予測分析と処方分析をサポートできる情報デリバリーレイヤーにすることです。

「情報レイヤーが成熟してくれば、MLやAIが芽を出し始めるでしょう」と同氏は言います。同氏によると、2021年に契約を結んだとき、データ変換は差し迫ったニーズでしたが、取締役会やビジネスリーダーにこの問題への取り組みを売り込むには、より説得力のあるビジョンが必要でした。

そのために、同氏はデータ戦略において守りと攻めのメタファーを利用しました。守りの側面には、データガバナンスやデータ品質といった従来のデータ管理の要素が含まれます。では攻めはどうでしょう？それは、単なる分析情報やビジネスの最適化を超える役割を果たす、AIと高度なアナリティクスの領域です。

「攻めの面は、いかにして収益を上げるか、当社が収集した過去のデータからすべての分析情報を得ること、そして実際に今後のトレンドを予測することです」とIyengar氏は説明します。「攻めの面で得るデータのほとんどは構造化されていません。当社は、それがビジネスリーダーにとって意味のあるものであることを確認し、より効率的に顧客にサービスを提供できるように、そして顧客がより強固で摩擦のない方法でサービスを受け、Straumannのサービスを活用できるように、調和させ、充実させるサポートをします。」

当然のことながら、Straumannの取締役会がIyengar氏の変革計画に投資したのは、この攻めの面があったからです。

「顧客中心主義とデジタルトランスフォーメーションがデータの変換とともに提案されたとき、取締役会の心に響いたのだと思います」とIyengar氏は言います。

将来のためにスキルを磨く

Iyengar氏のチームは、Straumanの中核事業のものとは異なるユースケースのアプローチを採用することで成功を収めました。「患者に見せる治療前と治療後の画像は、ほとんど同じ原理で作りました」とIyengar氏は説明します。

チームは、データ革新がどのようにビジネス成果の促進に利用できるかを説明するために、企業リーダーに顧客中心のベクトルをいくつか選んでもらいました。目標の一つは、顧客離れの抑制でした。チームはまず、解約傾向を既存顧客の維持と新規顧客獲得の2つの値に分けることから始めました。典型的な顧客生涯価値を使って購買パターンを分析し、マーケティングチームと営業チームが戦略の推進に使える分析情報を提供しました。

Iyengar氏は、デジタルトランスフォーメーションを社内に売り込むためにこのアプローチを採用したことで、非常に仕事がやりやすくなったと言います。「このイニシアチブをサポートするために、各企業から多くの投資が承認されていることを確認しています」と同氏は説明します。

一方、MLとAIの機能を構築し始めると同時に、データ＆技術チーム自体の変革も必須となります。

「従来の保守的な考え方で得たスキルセットはMLやAIには適していません」とIyengar氏は言います。「そこで必要なのは統計学者や数学者であって、プログラマーやコーダーではないですよね？ですから、文化的、技術的な観点からも自分たちを変えてきました。それにはそれなりの時間がかかります。適切なスキルセットを身につけるために、私達も学習途上にあります。」

Iyengar氏は、エンタープライズAIのスペシャリストであるFindability Sciencesの協力を得て、チームのスキルを補っています。同社のFindability.aiプラットフォームは、機械学習、コンピューター ビジョン、自然言語処理（NLP）を組み合わせて、顧客のAIジャーニーを支援します。

「私のチームには従来のETLスキルがたくさんあります」と同氏は言います。「私に今ないのは、ML/AIのスキルセットです。パートナーがその分野で私たちをサポートしてくれています。」

最終的に、これらの変化はデータ＆技術チームがビジネスとどのように接するかを変えるだろうとIyengar氏は予想します。今のところ、一元化された「ハブアンドスポーク」モデルで運営されています。しかし、統計学者や数学者をチームに採用してもスケーラビリティはないと同氏は言います。その代わり、3年から5年以内に同氏が本当に望んでいるのは、よりビジネスラインに近いチームに彼らを組み込み、ビジネスが自分たちでモデルを運営できるようにすることです。

「今は時速100マイル（160km）でバスを走らせながら、同時にタイヤを交換しているようなものです。これは、どう考えてもスケーラブルではありませんが、それを実践していることはチームの誇りでもあります」と同氏は言います。