[編集者注: こちらのブログ記事は、サプライチェーンのデジタルトランスフォーメーションにおける分析自動化の役割について特集した3部構成の記事の第2部です。]
分析自動化の CoE を立ち上げる醍醐味は、レポーティング、ダッシュボード、KPI の測定をサポートするビジネスインテリジェンス（BI）ツールや、前回のブログで取り上げたデータサイエンスチームなど、組織内の他の分析関連の取り組みやチームとの連携を促進できるようになることにあります。
これらのリソースが連携し、一元管理されるようになれば、データ主導の成果を即座に実感できるようになります。
たとえば、分析自動化では分析ユースケースのあらゆる要素を高速化できますが、 結果の可視化においては、通常、視覚的な分析や大規模なインサイトの解釈を得意とする BI チームがカバーすることになります。 Tableau コミュニティはその良い例です。
分析自動化チームにとって、BI は補完的な存在です。 ユースケースの結果や成果をステークホルダーに伝えるだけでなく、チーム自身でユースケースのポートフォリオを常に監視し、ビジネス価値を経営幹部に伝える必要があります。 Auto Insights（旧Hyper Anna）は、このようなユースケースへの対応に役立ちます。
また、分析自動化の知識をデータサイエンスに活かすことも有効です。
まず、データサイエンス関連のユースケースのリクエストには、ローコード・ノーコードのアプローチでに対応可能なものも含まれます。 こうしたケースには、クラウドベースで利用できる Designer Cloud や Alteryx Machine Learning を使えば、容易に対処できます。 しかし、データサイエンスチームが、分析自動化で何ができるのかを理解していない限り、他のプロジェクトに時間を費やした方がよいケースを見分けることはできません。
この問題は、データサイエンスチームの代わり、適切なソリューションを適切なユースケースにマッチングできる分析の解釈者（Analytics Translator）を社内に増やすことで解決することができます。
次に、分析自動化は、データサイエンスのコーディング作業の高速化にも役立ちます。 データ関連の作業は、データサイエンスプロセスで依然として時間のかかるパートですが、ローコード・ノーコードで利用可能な分析ツールがあれば、スキルや学歴に関係なく、誰もがこうしたステップをサポートすることが可能となります。 Alteryx Analytics Cloud の新たなクラウドサービスである Trifacta は、データウェアハウスのクラウドへの移行を促進・簡素化することで、これらの目標の達成を支援します。
さらに、機械学習や予測モデル作成の作業においても、プロジェクトの初期段階で仮説を立てたり、結果を検証した後に調整が必要な場合に、プロトタイピングを迅速に行えるという利点があります。
3回シリーズの最初のブログを読む： Alteryxを利用するトップサプライチェーン企業のベストプラクティス