「自社にあるデータを活用していかなければならない」と思いつつ、「うちの会社は技術も経験もないし難しい」と感じていらっしゃる方は多いです。
そのような方に向けて、データ活用の第一歩として最低限知っておきたいことをできる限りわかりやすく・詳しく解説しています。読み終えていただければ、企業におけるデータ活用の必要性を認識し、データ活用を成功させる為に一歩目を踏み出すことができるはずです。
目次
1.データ活用とは？
1-1.データ活用の定義
データ活用とは、「データを業務プロセスの中に継続して組み込んでいく活動」を指します。突発的に一回限りの分析でデータを使うのではなく、日々の業務でデータを継続的に用い、発見につなげることを指します。
業務プロセスにデータを組み込むイメージとして、「和食堂」などの商業施設を営む「有限会社ゑびや」のデータ活用の取り組みが好例です。ゑびやさんは店舗オペレーションにデータを組み込むことで店舗経営の効率化や合理化を図っています。
以下の図のように、カメラで記録した顧客の動向データを、商品の配置を決める業務プロセスに組み込み、分析を行っています。
参考：CNET Japan 「リアル店舗の経営をコグニティブで科学する~伊勢の老舗店 「ゑびや」の挑戦」
こうして商品配列を決める業務にデータを組み込むことで、商品配置を最適化を進めていらっしゃいます。
1-2.データを活用する場合としない場合の違い
一方で、データを活用しなければ、経験やセンスで店舗を商品配置を決めざるを得ません。ちょうど、次のようなイメージです。
以上の様に、「どうするのが適切なのか」をデータに基づいて判断出来るようにすることがデータを業務プロセスに組み込むことであり、データの活用そのものです。
データを活用しない時、活用する時、ではちょうど以下のようにまとめることができるでしょう。
勿論、データだけでは無く今までの経験で培ったセンスや勘所も重要です。ですが、センスや勘所だけでは無くデータに基づいた根拠もあれば、自分が下す決定が上手くいく確率がさらに上がるでしょう。ちょうど以下のようなイメージです。
以下の、総務省の「デジタルデータの経済的価値の計測と活用の現状に関する調査研究（2020年）」によると、大企業の約9割、中小企業の半数以上が「データをビジネスに活用している」とされています。企業のデータ活用への取り組みは、ますます活発になっていると言えるでしょう。
1-3.活用するデータの主な種類
社内に蓄積された膨大なデータは、あらゆるビジネスシーンで活用することができます。実際にどのような業務に使われているのか、部門ごとに見ていきましょう。
総務省の調査研究では、「経営企画・組織改革」、「製品・サービスの企画、開発」「マーケティング」領域で多く活用されていると出ています。
引用：総務省（2020）「デジタルデータの経済的価値の計測と活用の現状に関する調査研究」
「データの種類」というとき、様々な側面でその「種類」があるのですが、ここではわかりやすくするため、部署・部門ごとの切り口で見ていきましょう。
営業
営業部門で活用できるデータには、顧客データ、商談データ、販売データなど、SFAから抽出できるデータ含め非常に多くあります。得に顧客データは、年齢、性別、地域などでの顧客傾向などの分析などで顧客開発につなげることが可能です。
商談データからは成功事例を分析・共有することで営業力アップを図ることも可能でしょう。
マーケティング
顧客データ、アンケートデータ、広告系のデータがあるでしょう。また、行動ログ、ユーザーの閲覧履歴などもっとも多くデータを扱う部門でもあります。顧客行動パターンの分析やレコメンドなども可能です。
製造
IoT機器からのセンサーデータを監視することでトラブル予防に役立てることも可能です。また、事業上重要となる機械の故障予測などもあります。機械学習のアプローチを使うテーマも多い部門です。
「データの種類」としてファーストパーティデータ、セカンドパーティデータ、サードパーティデータなどの概念もあります。以下参考記事に詳細を公開していますのでご参考にされてください。
参考記事：『ファーストパーティデータとは？活用戦略と具体的な戦略策定ステップ』
1-4.ビッグデータ活用
テクノロジーの進化は速く、昔より非常に廉価でビッグデータを扱えるようになりました。このビッグデータを活用することで、事業への貢献が見込まれています。例えば以下のようなことです。
事業の現状把握や将来の予測
まず一つ目に挙げられる大きなメリットは、データを使うことで事業の現状把握と将来の予測が可能になることです。
良い経営判断を行うためには、自社のビジネス動向を把握し、将来のシナリオを描くことが重要です。データを活用することで、現状を短時間で把握することができ、さらに、そのデータをもとに予測を立てることも可能です。例えば、商品別、店舗別の売上情報をリアルタイムで可視化するなどがわかりやすい例でしょう。
意思決定のスピード向上
企業活動においては、スピーディーな意思決定が重要です。
意思決定にデータを活用することで、部分的にでもエビデンスに基づいた意思決定が可能になり、また、自分の認識を他者と共有しやすくなることで、判断・共有のスピードアップが図れます。また、将来的な判断の効果の検証もしやすくなるというメリットもあります。
新たな事業機会の発見
データ活用を進める中で、新たな事業機会を生み出せるかもしれません。
単体では意味のなかったデータが、他のさまざまなデータと組み合わせて可視化・分析することで、これまで気づかなかったビジネスの課題が浮き彫りになったり、新しい商品やサービスのアイデアにつながるヒントが見つかることはよくあります。実際、データの活用から生まれた新商品や新サービスはたくさんあります。
ビッグデータの概念自体については、以下の記事でも定義から説明していますのでご参考にされてください。
参考記事：『ビッグデータとは何か？事例を通じてわかりやすく解説』
DXの大指針となる「DXの羅針盤-よくある19の質問に回答」をダウンロードする
2.「データ分析」と「データ活用」の違い
「データ活用」をより深く理解するため、似た概念である「データ分析」という言葉とその目的の違いを比較しましょう。
簡単に要約すると、以下のようなイメージです。
| データ分析の目的 | データから知りたい情報を得ること |
| データ活用の目的 | データを使って事業・企業活動に役立てること（より広義的な意味） |
「データ分析」の目的
データ分析の目的は、データから知りたい情報を得ることです。
データは、そのままでは数字や文字の集まりに過ぎません。ですので、洞察を得やすくするための加工を行い、可視化・分析しやすくするための処理を施します。さらに、規則性や異常値、相関関係、因果関係などを調べ分析することで、初めてデータが意味を持つようになります。
「データ活用」の定義と絡めて言えば、データ分析やデータ活用に必要な情報を抽出すること、とも言えます。
「データ活用」の目的
データ活用の目的は、データを使って事業・企業活動に役立てることです。「データ分析」よりも、より広義的な意味合いがあります。
データ活用を始める前に、データを利用する目的を明確にし、目的達成のための戦略や行動を考えるそのPDCAサイクル自体がデータ活用とも言えます。
「データ分析」の定義と絡めて言えば、データ活用は、データ分析にに基づき必要なアクションを起こし、ビジネスに活用することであると言えるでしょう。必然的に、データ活用には実務経験に基づく知識が要されます。
3. データを活用した企業の成功事例
この章では、データ活用の重要性が分かる２つの成功事例をご紹介します。データ活用の有無によって、企業が顧客に提供できるサービスの質や、業務効率に大きく差が生じる示唆となる例です。
3-1.Netflixは顧客データを用いて徹底的に顧客分析をし、既存の大手企業を上回る急成長をした
動画ストリーミングサービス「Netflix」は、データ活用を積極的に進め、当時競合であった「ブロックバスター」との競争に勝利しました。
Netflixが当時業界最大手であったブロックバスターを差し置いて急成長できた大きな要因の一つは、「データ活用によってユーザが求めるコンテンツを提供し続けたこと」です。
Netflixは以下の様な、ユーザーの動向データを収集しました。
- ポーズ、巻き戻し、早送りをしたのかいつか
- 何曜日にコンテンツを閲覧しているか
- 閲覧する日付
- 視聴開始時間、視聴終了時間
- どこで見ているか(郵便番号やIPアドレス）
- どのデバイスで見ているか(TV・タブレット端末・スマホなど)
- どこで一時停止したか、いつもう一度視聴したか
- 視聴後にユーザーが付ける星1つ〜5つまでのレート
- ユーザーがサイト上で行った検索結果
- ページのブラウジング・スクローリング状況(サイト内動向)
上記に代表されるユーザーの動向データを活用して、次のようにユーザーそれぞれに好みに合うようなコンテンツを提供(レコメンド)しています。
- ユーザーの動向を分析し、趣向に合いそうな・新しく興味を持ちそうな番組・映画をサイト上にオススメで表示
- ユーザーの反応が良さそうな番組を分析し、「次にどんなコンテンツを制作したらヒットしそうか？」を検討しオリジナルの番組・映画を制作
この徹底したデータ活用により、Netflixはユーザー全員に「自分の好みにあったコンテンツを継続的に視聴することが出来る」という最高の顧客体験を提供しています。
結果として、国内だけでもNetflix有料会員数は2020年9月に500万人を突破し約1年で200万人増加しています。(参考：AV Watch「Netflix、日本で有料会員数500万人突破。約1年で200万人増」)
アメリカのレンタルビデオ業界で最大手だったブロックバスターはNetflix程の徹底した顧客データ活用を行っていなかったのでは無いかと推測します。Netflixがデータ活用により顧客に個々の好みにあるサービスを提供する一方、ブロックバスターは顧客の好みをデータで把握し適切なコンテンツを届けることが出来ず時代の流れについて行くことが出来ませんでした。
アメリカ中で店舗を展開し品揃え力・ブランド認知力では優勢にあったブロックバスターは、「顧客に来店してもらいコンテンツをダウンロードしてもらう」店舗型サービスに注力していました。
結果として、一時は業界最大手であったブロックバスターはデータを駆使して挑んできた新興のNetflixに破れてしまったのです。ブロックバスターは2004年には9000店舗以上展開する企業でしたが、それがあっという間に2010年に倒産してしまったことを踏まえると、データ活用が出来ないことは致命傷になり得ると言えます。
参考：商人舎 流通スーパーニュース「老舗ビデオレンタル店、全直営店閉鎖へ」「ソフトウェアファースト あらゆるビジネスを一変させる最強戦略」「NETFLIX コンテンツ帝国の野望ーGAFAを超える最強IT企業ー」
3-2.ヤマハは工場における作業担当者の生産能率をデータで分析し、年1000万円のコストを削減した
ヤマハは工場の作業担当者のデータ分析に積極的に取り組み、生産性の向上に成功しています。
日経XTECH「業務を変えたビックデータ」よると、同社は2013年から保有する工場で、作業担当者の生産に関するデータの分析を開始しました。
- 2013年3月：作業員の生産効率に関するデータを分析・可視化出来るシステム(POPシステム)を構築
- 2015年3月：POPシステムを80人まで拡大。機械の稼働能率のデータも分析・可視化をスタート
といった、データを使って作業効率を改善する取り組みをしています。結果として、以下が実現しています。
- 作業の進捗度合いや不良の発生率をデータで可視化し、瞬時に把握できるように
- 作業データを管理し、紙に作業情報を記録し集計する作業にかかる工数を削減
この取り組みの成果としては、2013年には合計月130時間程度の工数削減・2015年には年間1000万円のコスト削減となったと言います。これは大きな生産性の向上ですね。
データ活用を進める上でシステムを構築したり、ツールを導入するのは安価で済まないことが多いです。しかし、この例は投資コストを十分回収できるぐらいの業務効率化が実現出来ることがわかります。
4. データ活用の為に時間をかけて養うべき2つの要素
何かツールを購入すると一瞬で効果が出るものだと考えがちですが、データ活用は長い道のりを覚悟する必要があります。
何故なら、「データ活用出来る技術的環境を整える」「データを当たり前のように使う文化にする」ことが必要であり、どちらも達成するには時間がかかる為です。
以下の図は、データ活用のレベルをざっくり4レベルに分け、時間をかけてレベルが上がることを示しています。企業全体でデータ活用が出来ている④をゴールとして、約3~5年かけて①→③→④もしくは①→②→④の順に段階を上げていくことが多いです。
4-1.データを活用できる技術的環境
「データを活用できる技術的環境」と「データを当たり前のように活用する文化」の２つを長い期間で企業の中で構築する必要があり、以下の図の様に、両者が揃って初めて企業全体でデータ活用を出来る様になります。
以下で２つの要素を解説します。
欲しいデータを適切なタイミングで取得するために「データを活用できる技術環境」を整備する必要があります。
「データを活用できる技術環境」の一例として、「データプラットフォーム」があります。こちらに関しては、以下の記事で詳しく解説しています。具体的にイメージが湧くと思うので是非参考にしてください。
「データを業務で使いたいと思っても、IT部門に依頼をしてから1週間かかる」という状況が続くと、「時間がかかるならば別に使わなくてもいい」と感じる人も増えてしまうでしょう。結果として、データを使うことにメリットを感じない人も増えてしまいデータ活用が組織内で活発に行われることは少なくなってしまいます。
したがって、欲しいデータが欲しい時に直ぐに手に入る様に組織の技術環境の存在は必要不可欠です。また、そうした技術環境を作る為には企業で大規模なシステムの開発・改修を行っていく必要があり、短期的に構築するのは困難です。
4-2.データを当たり前のように活用する文化
組織に「データを使って意思決定すること」という文化を定着させる必要があります。
データは蓄積しているだけでは何も起こりません。
「データを使って業務を効率化出来ないか」「データを使って何か新しい施策を考えられないか」といった、データを活用して業務をしようという意識を持たせる必要があります。
これは「企業の文化を変えて、従業員の意識を変えて行く」という取り組みである為、結果は直ぐには見えません。企業全体の意識を変えていく様な社内推進の取り組みを進めて行く必要があります。
- まずはデータ活用で小規模で成功させて、じわじわと他部門にも展開する
- データ分析力を育成する制度を作ったり、継続的に学習できる教育制度を作る
出典：「組織が効果的なビッグデータの活用を実現するために知っておくべきデータ文化醸成の方法」
5. データ活用を進めるにあたり必要不可欠な4つの取組み
データ活用を進めていくにあたり、以下の4つの取組みを進めていくことが必要不可欠です。
- データ活用戦略に経営層が積極的にコミットする
- 信頼できるデータを用意する
- データ分析人材の育成・評価のための制度を設計する
- 社内推進チームを作る
どれか一つでも欠けてしまうと、「単発な取り組みに留まってしまった」「高度なITサービスを入れたが使わないまま終わってしまった」という状態になってしまうものです。
以下、当社代表の永田の記事「組織が効果的なビッグデータの活用を実現するために知っておくべきデータ文化醸成の方法」から観点と内容を引用します。
5-1.データ活用戦略に経営層/シニアマネジメントがコミットする
経営層自身が、データ活用しなければならないことを理解しデータ活用の戦略を練る必要があります。
経営層自身がデータ活用戦略に積極的に参加するのが重要である理由は、主に以下の2つです。
- データ活用は直ぐに成果の出るものではなく緊急性も高くないので、支援されなければ継続しにくいから
- データ活用の成功には複数部署との連携が必須だから
以上から経営層やトップマネジメントの推進力が無ければ、データ活用は途中で尻切れトンボになってしまう確率が非常に高いです。ですので、経営層のコミットメントは時間がかかっても得なければなりません。
5-2.信頼できるデータを用意する
データ活用の為に使う組織のデータは、信頼性のあるものでなければなりません。
そもそも自分達が見ているデータが誤ったものであったり、数値が当てにならないデータであるなら、分析して出した結果も信頼出来るものにはなりません。結果として、「データはあるが信用できないし、業務では使えない」と社内のでデータへの信頼も薄れそもそもデータが使われなくなってしまいます。
ですので、活用するデータは「数値に誤りがない」「表記が統一されている」など信頼出来る状態にしなければなりません。
5-3.データ分析人材の育成・評価の為の制度を設計する
組織内でデータを扱う人材の採用、育成、評価の制度を設計する必要があります。
データ活用は一朝一夕で終わる取り組みではないので、データを扱う人材もその場しのぎで雇用するのではなく、データを扱う人材として組織に常に在籍させる必要があります。
データ活用をこれから進めるという時は、最初はデータ活用の成果が見えにくいです。「事業で結果が出ていない」と早々に評価してしまうとデータ活用を進める人材のモチベーションの低下にもつながってしまう為、達成基準を設けた人事評価にするなど、新しい評価軸が必要となります。
5-4.社内推進チームを作る
データ活用に対して責任を負う専門のチームを結成し、継続的にデータ活用の取り組みを進める必要があります。
データ活用は単発な取り組みで効果の出るものではなく、データを活用して業務が出来る様に継続した取り組みが必要となってきます。
「データ活用」を本業とするチームを作り、データ活用を成功させることを第一優先とし推進に専念出来ます。ですので、途中で取り組みがフェードアウトすることを防ぐことが可能です。
また、社内推進チームを経営層直下の組織にすることも、責任の所在が明らかになったりトップダウンでスピード感を持たせてデータ活用を推進することも出来るので、有効でしょう。
6.データ活用を協力会社と進めた場合の3つのメリット
ゼロからデータ活用を自社のみで進めていくのは困難な場合が多いです。何故なら、経験がない為そもそも何をしていいか分からず、莫大なリソースを割かなければならざるを得ないからです。
折角投資したものの、データ活用が成功する前に企業の体力が尽きてしまった、というケースも起こり得ます。ですので、外部の協力会社を有効活用することがデータ活用を成功に導く鍵となるでしょう。
データ活用を協力を仰いだ時のメリットは主に以下3つです。
6-1.スピーディーに効果を上げることが出来る
データ活用に関する専門分野の仕事を、協力会社の力を借りて進めることでよりスピーディーにデータ活用を進めることが出来ます。
自社のみの場合、まず知識や技術をインプットする所から時間をかけて行わなけばなりません。しかし、協力会社のサポートがあればノウハウを共有できるので、データ活用を初期段階から素早く進めていくことが可能です。
6-2. 自社のみで進める場合より安上がりになることも多い
協力会社と共にデータ活用を進めるのは結果的にコストを抑えられる場合が多いです。
ツール一つにとっても、活用レベルまで使えるようになるには多大な時間とコストが掛かってしまいます。しかし、協力会社のサポートがあれば時間を大幅に節約できる為、最終的にコスパよく進めることも多いです。
6-3.自社の事業にも専念できる
データ活用の専門業務は協力会社に依頼することで、自社は自社の事業に集中させることが出来ます。今でも忙しいのにさらにデータの活用の実務が入れば、物理的に相当苦しいものになります。
下記、デジタルトランスフォーメーションの記事にも、この点に関して触れており参考になるものと思います。
7.弊社が支援した業界別データ活用の事例
どのように業界別でデータが使われいるか、当社の実績をまじえて事例を紹介します。
放送業
ソーシャルデータ、視聴データなど多種多様なデータを活用し番組の高度化を図っています。データ活用の取り組みの中で、以下のような成果を出されている事例です。
- データを見る社員の増加
- 各部署からの具体的なデータに関する依頼問い合わせ数増加
- データの自動化による業務フローの改善（Excelでのコピペ作業などの低減）
- コンテンツの価値を最大化していくために、データを使って定量的な指標を可視化すること
- 多種多様な分析に耐えうる分析基盤構築
- 各部署のニーズに応えるスピーディなデータ分析・可視化体制
医療機器メーカー
医療機器メーカーでは、様々な機器の在庫データ、販売データが扱われています。
これらのデータを活用した研究や取り組みが数多く行われており、在庫最適化、受注予測など、あらゆる場面でデータ活用の効果が発揮されています。以下は、当社の事例です。
| 課題 |
|
| 当社のアプローチ |
|
| 効果 |
|
総合インターネットサービス事業
総合インターネット事業では、巨大化したデータのコントロールが非常に重要になります。そこで、日々の経営数値、営業コントロールなどの可視化、分析などを改めて効率化・高度化した事例です。
| 課題 |
|
| 当社のアプローチ |
|
| 効果 |
|
製造業でのアンケート事例
アンケート分析においては業界を問いませんが、製造業界で行ったアンケートにおけるデータ活用事例もあります。
| 課題 |
|
| 当社のアプローチ |
|
| 効果 |
|
8.協力会社を選ぶ時に意識しておくべき3つのこと
協力会社を選ぶ際に意識しておきたい事としては、以下があるでしょう。以下、「デジタルトランスフォーメーションとは？わかりやすく解説」の記事からの引用です。
自分たちのゴール感や理想と近いものを提供しているか
データ分析や視覚化、戦略立案と言っても、お医者さんが出す解決アプローチが一つにならないのと同様に、コンサルティング会社も様々な解決アプローチや提案の仕方があります。自社のイメージに近いゴール感の実績があると安心かと思います。
業界の経験があるか
同じ業界でも会社によって全く異なるデータ構造であることがほとんどではあるものの、自社と同じ業界を経験していると文化の理解という意味でも安心できるものです。また、そもそもの業界の課題の立て方に慣れているということもコンサルティングがスムーズにいく要因でしょう。
提案書は具体的にプロセスが書かれているか
このようなプロセスでコンサルティングを行なっていく、ということが事前にわかると、どのような思想に基づき進めていくのかがイメージできるものです。当社でも過去に大手広告代理店さまの事例でステップやアプローチなどを紹介しています。
9.まとめ
データは一つの手段ですが、データ活用が将来のビジネス成功や課題解決の鍵になっていることは多いです。データには事業の成功や改善に繋がるヒントがたくさん転がっています。
その手がかりをデータ分析によって読み解き、戦略を立て、検証を繰り返し、事業活動へと役立てていくことがデータ活用です。事例の通り、データ活用の成果としてビジネスで大きな成果を上げている企業が多くあります。
今後、デジタル化が加速していく中で、企業におけるデータ活用の取り組みはより重要性を増していくでしょう。
