アイデアの具現者が企業を動かす

プライベートエクイティ企業がAIで価値を創出する戦略

非構造化データの品質向上こそ、AIの成功に直結する

ビジネスプロセスがコモディティ化する

生成AIをマーケティング戦略にどのように組み込むべきか

AIで進化するプロセスマネジメント

分析力で勝負する企業

生成AIと分析AIは何が違い、どう使い分けるべきなのか

「科学的実験」で仮説を検証する経営

意思決定プロセスのカイゼン

グーグル：革新し続ける組織

企業がテクノロジー関連のリーダー職を統合すべき理由

生成AIから経済価値を引き出すために必要な6つの規律

生成AIの導入は「顧客の声」の解析から始めるべき理由

生成AIで成功したければ、いますぐデータ整備に着手せよ

シチズンデベロッパーを企業でどう活かすか

生成AIが「データドリブンな組織」の構築に与える驚くべき効果

競合他社の隠れた重要情報を生成AIで見つけ出す方法

生成AIによる環境への負荷を減らす方法

自社独自のデータで生成AIを訓練する方法

データ戦略はすべての社員を巻き込むことが重要だ

アナリティクスの定義、トーマス H. ダベンポート教授が解説

AIは「リエンジニアリング」の力を解き放つ

AIを中心に据えた組織に変革する法

人間中心の情報マネジメント

“利益”の見えにくいエキスパートシステム導入を納得させる方法

データやAIを活かす仕事はこれからも「セクシー」である

最高データ責任者が価値を創出するための8つの戦略

ビッグデータとアナリティクス：よりよい意思決定につなげる

ジェネレーティブAIは創造的な仕事を奪うのか

システムの力を最大限に引き出す「データプロダクトマネジャー」という新たな役割

データサイエンティストは、いまもなお「21世紀で最もセクシーな職業」なのか

レガシー企業がプラットフォームビジネスへの転換を実現する方法

最高データ責任者の在任期間はなぜこれほど短いのか

データサプライチェーン・マネジメントを実践する

マーケターはAI戦略をいかにデザインすべきか

データサイエンスを「民主化」する4つの方法

データドリブンの組織文化をどうすれば構築できるのか

デジタルトランスフォーメーションを成功に導く人材の要件

競争優位を築くには「専有データ戦略」が必要である

ＨＲ部門のアナリティクス主導は飛躍的に進んでいる

注目を浴びたデジタルトランスフォーメーションが失敗する理由

あれこれ考えるのをやめて、さっさと決断すべき時

行動経済学の「ナッジ」を糖尿病治療に利用する

AIを業務改善に活かす法

データ管理は戦略である

業務プロセスを自動化する前に、何をやるべきかをまず見極める

モルガン・スタンレーの挑戦：機械学習で顧客ニーズを理解する

Ｐ＆Ｇとアメリカン・エキスプレスは、ＡＩの活用にどう取り組んでいるのか

人工知能の導入前に検討すべき7つのアプローチ

コンプライアンス業務の自動化は「起業家社会」に貢献する

情報と「意識」のマネジメント

［入門］ナレッジ・マネジメント実践法

既製のERPを有効に活用する法

機械化がどれほど進んでも、人間を活用する企業が勝つ

オーグメンテーション：人工知能と共存する方法

アナリティクスの専門家をいかに活用するか

アナリティクス3.0

マネジャーは社内のデータ・アナリストに何をどう訊くべきか

ビッグデータ時代のマネジャーに求められる、「データを伝える力」

意思決定とは「管理すべきタスク」である

P&Gは情報をどうビジュアル化しているか

「サービス・プロフィット・チェーン」が今なお重要である理由

企業内でソーシャルツールを上手に活用する方法

情報の提供をスピードアップする方法

必要な情報を、必要な時に受け取っているか

ビジネスで「点と点を線で結ぶ」方法

データ・サイエンティストほど素敵な仕事はない

データ・サイエンティストがいなくても、企業はやっていけるのか

顧客インテリジェンスの目的を特定する

「スモールデータ」でも、組織の判断力を高めることができる

ジャスト・イン・タイム型ナレッジ・マネジメント

「人材分析学」がもたらす競争優位

「自主性」と「創造性」を引き出すスキル

データが導く顧客への最適提案