About us データのじかんとは？
About us データのじかんとは？
データドリブン（Data Driven）とは、経験や勘などではなく、様々な種類と膨大な量の情報を蓄積するビック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、ビジネスの意識決定や課題解決などを行う次世代型の業務プロセスです。
データドリブンは大きく分けて、以下に示す4つの柱によって成り立っています。
ビジネスの意思決定に必要なデータをクラウド上のデータサーバーにビックデータとして蓄積します。ビックデータに蓄積するデータは、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取得します。
ビックデータに蓄積した定量的なデータの時間的変化や他のデータとの関連性などをアルゴリズムにて計算します。ランキング（順位）、最大値、最小値といった定量的なデータ、視覚的に理解できるグラフや図といった定性的なデータを分析結果として導き出します。
企業の意思決定では、あらゆるステークホルダーにエビデンスを示した上で合意を得るプロセスを踏まなければなりません。従って、単なるデータやグラフの羅列ではトレードオフの理解を得にくくしてしまうため、ビジュアル・可視化を駆使し、“一目瞭然”な分析結果を示す必要があります。数値、グラフ、図をバランスよく、シンプルに再加工・構成することで、分析結果の価値が大幅に高まります。
データの分析結果を元に具体的な施策や対策、結論などを決定します。分析結果ではいくつかの選択肢が抽出され、このプロセスでは、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などで判断します。その後、意思決定の内容に従い、行動を実践しますが、データドリブンは行動対象の現状・実情もデータとして加味します。従って、意思決定には、具体的な行動の内容が伴うケースが多く、データドリブンに精通した企業は、“あとは実践あるのみ=アクション”といった共通認識で、解決・改善などに向け、前に進み始めます。
情報化社会の基幹技術であるストレージ、クラウド、計算処理、センシングなど、IT技術の向上により、様々な情報が行き交うようになり、スピード感のある世の中に変わり続けています。IT革命以降、急速に拡大した情報のトラフィックは、ビジネスのターゲットに様々な選択肢を与え、複雑な社会が構築され、その深度は日々深まっています。
当然ビジネスにおいても経験や勘を頼りにした従来のプロセスでは対応しきれなくなってしまっており、昨今ではデータに基づいて判断や意思を決定するデータドリブンが注目されています。
データドリブンはビッグデータで以下のように複雑化された状況を的確に分析し、意思決定に必要な判断材料や分析結果を示してくれます。
ある製品やサービスの購入や利用を考えたとき、昨今の顧客は、インターネット検索で得た情報を精査した上で採るべき取るべき行動を選択します。そのため、従来の顧客行動に加え、インターネットの情報により、様々な選択の要素が加わります。
例えば、
などが該当し、これらのバリエーションの増加が顧客行動の複雑化を後押ししています。
顧客行動の複雑化は、製品やサービスを提供する側の企業にも影響を及ぼします。企業としては顧客のニーズに応えるため、様々なラインナップを取り揃えなければなりません。
また製品やサービスによっては、顧客毎のカスタマイズやチューニングなどにも対応しなければならないケースもあります。
このようなビジネスモデルは現場業務を複雑にしており、昨今では従業員の負荷、コスト、効率の改善が迫られています。
昨今では製品やサービスの市場でのライフタイムが短くなっており、常に新しいものが顧客から求められています。また市場の需要と供給の関係もセンシティブに変動しており、安定した利益を得るためには、より早く、精度の高い業務プロセスの実践が必要不可欠です。
そのため企業は様々な問題・課題の早期抽出、発見、解決に取組む必要があります。
デジタル技術の発展に伴い、それを駆使・活用した新たなマーケティングやセールス手法も登場します。これらに追従し続けることは、データの収集手段・入手経路を拡大させることになるので、より精度の高いデータドリブンを可能にします。
また競合他社からの遅れや負の差別化の対策にも繋がります。
従来のマーケティングやセールスは経験や勘、足や人の伝手に依存していましたが、データを活用して効率化が進む他社との格差により、昨今はこれらが通用しなくなり、またやみくもな活動は従業員の負担を増大させるばかりです。
データドリブンは自社にマッチした市場や顧客をデータで導出するので、無駄な活動を大幅に削減し、売上に繋がる可能性が高いターゲットにフォーカスした費用対効果の高い活動を実践できるようにしてくれます。
AIはデータを分析することで予測、判断、自動化などを実践するテクノロジーのことです。
適切な判断はデータドリブンのプロセスそのもので、企業の重要な局面を除き、定型的な業務の判断のAIでの完結は、人的負担を削減し労働力不足の解消に繋がります。
データドリブンの習慣化は、データの蓄積の習慣化でもあります。
蓄積し続けたデータを組み合わせたスモールデータは、これまで気が付かなかったビジネスの可能性や付加価値、新たな販路などを洞察してくれます。
データドリブンはビッグデータに蓄積された様々なデータの時間的変化、他のデータとの相関関係などを分析することで、事象の因果関係、ランキング、予測値などを求めます。
ビックデータに蓄積するデータはデータドリブンを利用する企業の業種、部門などによって様々で、企業の業務システム、WEBサーバー、IoT、他社サービスなどからインプットします。
ここでは、データドリブンのビックデータに使用するデータについて、小売業のユースケースを交えながらいくつか紹介したいと思います。
主に製品・サービスを販売する企業で必要とするデータです。顧客の購入履歴により、購買タイミングの予想や顧客に寄り添ったセールスが実践できるようになります。
顧客が購入に至るまでのルートを知る事は、宣伝・広告の効果や有用な販売方法を知ることに繋がります。
具体的には、
といったデータが利用されています。
商品、サービスを購入した購買者から寄せられたアンケートやインタビューなどをデータとして収集します。ただWEBに自ら投稿する人、販売員からの協力に求めて答える人など、モチベーションにバラツキがあるため、全ての購買者の真意に当てはまらないケースもあります。
SNSやアンケートなど、様々なメディアから得た居住地、年齢、家族構成、交友関係、興味・関心といったデータです。これらの情報を蓄積する事でマーケティングに活用できる分析結果を得る事ができます。
商品の在庫、発注の日別のデータで、売上予測や生産計画、人員計画などが予想できるようになります。
モノづくり企業の多くは、開発プロセスをウォーターフォール型からアジャイル型にシフトしており、部署、チーム間での情報の共有がより求められています。要求、要件、日程、ステータス等などのデータを企業全体で共有する事でフットワークが向上します。
生産現場ではIoTとセンシング技術の発達に伴い、製品の組み立て状況、農産物の栽培状況などがデータとして蓄積できるようになりました。具体的には画像や動画などからAIで抽出したデータが該当します。
データドリブンは通信インフラのように規格に従って運用されているわけではありません。
従ってExcelやAccessなどのビジネスソフトでも実践することができます。ただデータドリブンの分析結果の精度は、元となるビッグデータの蓄積量とアルゴリズムに大きく依存します。
データドリブンで高い効果が期待できるシステムやツールを独自に準備するとなると多大な期間と費用、それに対応できる人材などの負担が強いられます。
そのためデータ活用に取り組んでいる企業の多くは、データマネジメントプラットフォームというデータドリブンに特化したツールやITサービスを導入しています。
データマネジメントプラットフォームは、様々なデータを蓄積して企業内の各部署で共有し、可視化や業務にマッチした分析結果を提供してくれます。
また、データ活用を前提にしたツールやITサービスの使用が強いられるため、データドリブンの定着が課題の企業には、ワークフローの早期確立も促してくれます。
1 2 
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！
