データテック　XMLルネサンスによる最強のデータ戦略

この本について

データを扱う仕事をしていると、「AIを入れたいのに、そもそも元データがバラバラで動かない」「必要な形式にそろえるだけで力尽きる」みたいな壁に何度もぶつかります。自分もそうで、どこから手をつけるべきか分からないまま、とりあえず部分的な改善だけ続けてしまうことが多いんですよね。 この本が面白いのは、XMLという“昔の技術”を切り口にしながら、実はその裏にある根本問題──非構造化データが圧倒的に多すぎて、AIもDXも前に進まないという現実──をまじめに扱っているところです。OCRからXML化までを現実的な工程として分解している話や、PDFをHTMLに変換してビュー情報とデータを切り離すプロセスは、「あ、ここを自動化できれば流れが変わるのか」と具体的にイメージしやすい。さらに、AIが本当に機能するためには“数千〜数万件の構造化データ”が必要だという指摘も、日々の実務と直結して刺さりました。 XMLを救世主として持ち上げているわけではなく、「結局、データを扱える形にする仕組みを持たない限り、どの技術も十分に働けない」という現実を淡々と示してくれる。その距離感が、自分の悩みとちょうど噛み合いました。 特に、非構造化データの山をどう扱うかでもたついている人には、視界がひらける一冊だと思います。