IT技術の向上により急速に拡大した情報のトラフィックに、経験や勘を頼りにした従来のプロセスで対応することが難しくなり、データに基づいて意思決定するデータドリブンが注目されている。
データドリブンはビッグデータで複雑化された状況を的確に分析し、データにもとづき意思決定すること
昨今の顧客は製品・サービスの購入や利用にあたって、インターネット検索で得た情報を精査し行動を選択するなど従来より顧客行動が複雑化している。
[インターネット検索例 ]
・類似 / 競合品
・入手 / 利用方法
・代替手段
・時期
・価格
・顧客行動の複雑化は製品・サービスを提供する企業にも影響を及ぼしている。
・企業は顧客ニーズに応えるために、様々な商品・サービスラインナップを取り揃えたり管理したりする必要があり、現場業務も複雑化していることで従業員の負荷・コスト・効率の改善が迫られている。
・製品・サービスのライフタイムが短くなり、顧客は常に新しい商品・サービスや情報を求めている。
・市場の需要・供給もセンシティブに変動、安定した利益を得るために、より早く精度の高い業務推進が必要不可欠
・そのため企業は様々な課題の早期発見や解決が求められている。
データドリブンとはビジネスの意思決定や課題解決を「経験や勘」ではなく、膨大なビッグデータとアルゴリムを用いた分析結果をもとに行う「次世代型の経営プロセス」のことを意味する。
1.データの収集
・ビジネスの意思決定に必要なデータを各部門の業務システムやIoT、Webサーバー、外部サービスなどから収集、クラウド上のデータサーバーに蓄積
2.データの分析
・蓄積されたビッグデータの時間的変化や他データとの関連性などをアルゴリズムを用いて計算
・ランキング(順位)、最大値、最小値といった定量的なデータや、グラフや図など定性的なデータを導き出す。
3.データのビジュアル化・可視化
・ステークホルダーがエビデンスを示した上で意思決定できるようにビジュアルを駆使し、“一目瞭然”な分析結果を示す。
4.意思決定・アクション
・分析結果をもとに具体的な施策や対策、結論などを決定
・アルゴリズムやAIなどでは判断が難しい内容をトレードオフの観点などから判断、意思決定後の行動実態もデータとして加味
小売業では顧客との距離の解消と競合店との差別化に向けて、オムニチャネル化やカスタマーエクスペリエンス(顧客体験価値)の追究などデータドリブンのマーケティング活用が進んでいる。
・小売業の多くはリアル店舗やEC(通販)を運営
・売上、在庫、店舗来店客やECユーザーの情報を得ることが可能
・これらの情報は売上向上の施策の模索や生産・開発にも活用可能
・IoT技術が進化し、より質の高いデータドリブンが実践されている。
集客力向上
リード(見込み客)の獲得やナーチャリング(顧客育成)
例)Web、オウンドメディア、広告などPR施策のアクセスやクリック率などリード動向を把握、宣伝・広告活動の効果検証を行える。
販売力向上
IoTやAIにより、店舗客の様々なデータを自動で蓄積・分析することで接客、プロモーション、課題に対する取組みや対策の検討が可能
例)性別、年齢、来店人数、購買履歴、店内滞在時間等の行動データ
来店予測
売上、来客数、天候、季節、新商品の発売時期、宣伝効果を分析しリアル店舗やECへの訪問客数を予測し、リソース、仕入れなどを判断、安定した店舗運営へ
在庫管理
商品ロスを防ぎ、商機を逃さないために商品在庫、発注を日々の販売状況や市場の流通状況などのデータを分析し、決定する。
人員配置/シフト作成
曜日、時間帯、季節、新商品の販売などによって必要リソースは大きく変動するため様々なデータを活用し必要な労働力を予想した上でシフトを決定
・オンラインとオフラインの融合するオムニチャネル化
・カスタマーエクスペリエンス(顧客体験価値)の追究
‐ 顧客ロイヤリティ(信頼・愛着)の向上
‐ 企業・商品(製品)・サービス価値の向上
‐ ブランド乗り換えの抑制
‐ 優良顧客・リピーターの獲得
‐ 口コミ、レビューによる宣伝効果
‐ 競合他社との差別化
見込み客情報、失注理由、受注・購買事例といった膨大なデータを分析し、ヒト(セールス)が意思決定や課題解決にデータドリブンを活用する「データドリブンセールス」が進んでいる。
・顧客ニーズ、製品ライフタイムなどが急速に変化するためよりスピーディーで効率的な営業活動が求められている。
・競合他社との競争に勝つためにはマーケティングや開発、生産など営業部門だけでなく、様々な部門の情報を活用し、未開拓領域の顧客開拓や新たなニーズの模索することが必要
・顧客訪問を必要最低限にするインサイドセールスの需要も高い。
・成約率が大幅に高まる。
・購買意欲がある顧客にフォーカス、営業効率の最大化
・顧客ニーズを把握することで企画や製品、提案の質を向上
・市場のライフタイム、供給量の的確な予測による最適供給
・顧客ロイヤリティ(信頼・愛着)の向上
・見込み客データによる顧客の関心の把握
・企業情報と取引・購買履歴をもとに最適なタイミングでアプローチ
・データ分析で効果的なセールストークの検討
・失注事例データから無駄な営業を見極めて削減する
・ケーススタディを活用して営業スキルと成約率の向上
・ツール/インフラ導入だけでなく、中長期的な企業全体の意識改革が必要
・信憑性の高い分析ができるようになるまで一定のデータの蓄積期間が必要
・分析結果の判断/行動の実践は、データドリブンではなくヒトが必要
・「いつ」、「誰」、「何」になど効果的な営業活動から逆算して蓄積すべきデータを明らかにすることが重要
製造業の情報共有・連携の課題が解消、リードタイムやダウンタイムの削減などフレキシブルでスピーディーな生産実現に向けてIoT・センシング技術を組み合わせたデータドリブン活用が進んでいる。
・製造業の業務プロセスは、“経験”や“勘”に頼って遂行されがち
・必要な情報が他部署の管理下にあり利用しづらい。
・部署間のやり取りに時間がかかる。
・部署間の文化の違いが障壁となり、協力体制が採れない。
IoT技術&ビッグデータによる製造業の“課題の見える化”
・センシング技術(カメラセンシングなど)や画像解析、AIによるデータ処理技術などを取り入れる。
・製造に使用された部品、テスト条件などの数値データ、実際の組立・テスト状況などを視覚的に捉えられる画像や動画データなどブラックボックスだった情報をビッグデータに加え、様々な課題、問題へアプローチ
・SCM(サプライチェーン管理)
予約・実売状況などリアルタイムデータで製造計画を迅速に立案
・ECM(エンジニアリングチェーン管理)
顧客ニーズ、部材・原材料の入手性・コスト、品質管理状況などを分析しスピーディーで質の高い工程管理が可能に
・MOM (製造オペレーション管理)
製造計画/生産能力分析/在庫回転率等の判断に必要な情報をリアルタイムに提供、工程の単純化や連携の実現、廃棄物や在庫の削減、顧客満足度の向上へ
・顧客ニーズにマッチした製品の開発
・評価工程における真の不具合原因の特定
・生産品質向上による不良発生率の低下
・より的確でスピーディな生産と販売網への供給
・カスタマーサービス単独での顧客トラブルなどの問題解決
経験・勘ではなく様々な種類の膨大なビッグデータとアルゴリムによって処理された分析結果をもとに、企業運営の意思決定や課題解決を行う「データドリブン経営」に取り組む企業が増えている。
・基幹システム導入により、経営に必要なデータは蓄積しているものの経営判断のエビデンスに値する役割を果たせない。
・適切な判断材料が得られたとしても、いざ行動に移せない。
・従来型の勘や経験による意思決定から脱却できない経営者も多い。
・プロセス(1):テーマの模索
テーマ例 → 新規事業・新商品の企画、顧客ターゲットの特定など
・プロセス(2):蓄積すべきデータ項目を決める。
新規事業の模索 → 自社の強み / 技術 / 実績 /新規事業の需要/ 販売網
・プロセス(3):蓄積したデータを分析する。
プロセス(4):分析結果から取るべき行動を選択する。
メリット、デメリット、リスクなどを考慮して選択
・プロセス(5):行動の実践
・経営陣は率先してデータドリブン経営を学ぶべき
・データ活用を徹底するリーダーの存在
・コミュニケーションも重要
・データサイエンスの知見
・ITサービス・ツールの導入・利用
データ統合/格納 |
・データレイク・分析基盤 ・DMP(データマネジメントプラットフォーム) |
データ活用 |
・BIツール ・ダッシュボード |
特定業務への活用 |
・営業:SFA(セールスフォースオートメーション) ・顧客管理:CRM(カスタマーリレーションシップマネジメント) ・Webマーケティング:Web解析ツール ・マーケティング:MA(マーケティングオートメーション) |
データドリブンツールの独自開発は多大な期間と費用、人材など負担が大きい。そのためBIやデータマネジメントプラットフォームなど、ツールやITサービスを導入する企業が多い。
BI: ビジネスインテリジェンス |
・企業に蓄積されたビッグデータを分析、経営管理や売上のシミュレーションなどの機能を備えている。 ・BIツールはデータドリブンの中でも中核となる役割を担っている。 |
DMP: データマネジメントプラットフォーム |
・外部サービスが提供するパブリックデータ(ビッグデータ)と社内のデータで顧客の興味・関心を把握 ・分析結果は主にマーケティングの分野で、商品の改善・開発や新規顧客開拓などに活用 |
MA: マーケティングオートメーション |
・獲得したリード(見込み客)情報を一元管理、デジタルマーケティング活動の自動化を実現 ・宣伝・広告や優先度の高い顧客のリスト化が自動化されるので、セールス部門の業務負荷を大幅に削減 |
Web解析ツール |
・Webページに埋め込まれたタグをもとに、PV数(ページビュー数)やUU数(ユニークユーザー数)、セッション数、インプレッション数(表示回数)、CTR(クリックスルー率)、Bounce Rate(直帰率)などを集計 ・自社サイトやLP(ランディングページ)のアクセス状況を把握し宣伝・広告の効果を把握 |
SFA: セールスフォースオートメーション |
・営業担当が持つ顧客情報や案件進捗、商談事例など、営業情報をデータとして蓄積・共有する業務システム ・組織的な情報共有は、顧客対応力、生産性、業務効率を大幅に高める。 |
CRM: カスタマーリレーションシップマネジメント |
・特定顧客との関係を継続的に築き上げ、売上、利益、企業価値を向上させる管理方法 ・データドリブンでは以下のようなプロセスで実践 ‐ 顧客情報を蓄積し、不特定多数の人々を同じニーズや性質を持つ固まりとして市場細分化 ‐ 固まり(セグメント)単位でアプローチやニーズを把握し、顧客にランク(プライオリティ)を付与 ‐ プライオリティの高い顧客を優先して、製品やサービスを提供し、関係を維持するための施策を実施 |
企業の業種や部門によりデータドリブンツールの活用方法は異なるため、導入後に失敗を招かないためには、以下のような「目的・コスト・利用環境」を考慮して最適なデータドリブンツールを選定すべき。
POINT – 1 | POINT – 2 | POINT – 3 |
明確な目的が導入成功へ導く。 | 費用対効果でコストを考える。 | ツールと企業環境のマッチング |
・「業務プロセス上、どのような分析結果が必要か?」という目的・ビジョンの明確化が重要 <目的の明確化に向けて検討したいポイント> ・どのような機能が必要なのか? ・どのようなデータを蓄積すれば良いのか? ・データドリブン活用における業務プロセス検討 ・導入前検証(PoC) |
・昨今のツールは利用人数、機能、データ量によって変動する料金体系が多い。 ・利用する全ての人が全ての機能を使用するわけではないため、企業規模に見合ったコストでの利用を検討する。 ・費用対効果で考え、導入前検証を実施して選定すると良い。 |
・データドリブンツールの多くは、クラウドのため、企業が備えているインフラ、IT環境(システム、パソコン、OS、言語)、利用者のITスキルによって導入難易度が大きく変動する。 ・ツール要件と企業の利用環境(システム、利用者スキル等)のミスマッチングが生じると、データドリブン定着までに多大な期間がかかる可能性もある。 |
▼ | ▼ | ▼ |
データドリブン導入により効果的な意思決定やアクションを実現することが可能 | 利用規模に見合ったラーニングコストで利用することが出来きる。 | 導入から利用定着までがスムーズに |
ファイル名 | 完全保存版 データドリブンのトリセツ ホワイトペーパー(PDF形式).pdf |
ファイル形式 | Portable Document Format形式(PDF) |
ファイルサイズ | 1.7MB |
ダウンロードには会員登録(無料)が必要です。
ログイン後すべての資料をダウンロードいただけます。
無料|新規会員登録のご案内
・すべての資料ダウンロードができます。メルマガ登録をしていただくと、記事やイベントなどの最新情報をお届けいたします。
30秒で理解!インフォグラフィックや動画で解説!フォローして『1日1記事』インプットしよう!