今後のデータ戦略の重要性について

近年データの重要性が増すにつれて、経営者が意識する/しないに関わらず、すべての企業がデータ型企業になっている現在、企業各自の戦略を構築しないといけない時代になりました。データドリブンの意思決定プロセスと文化を構築し、定期的に価値があるデータを収集できれば、企業競争力は間違いなく高まり、優位に立ちやすくなります。データ戦略の構築は企業のビジョンや経営課題から設定され、主に三つの目的があります。
１、データを用いた意思決定の効率化とクオリティーの向上
２、データを用いたプロセスの効率化
３、データを企業資産として、ビジネスモデル変革の促進

昔、企業が蓄積してきたデータは分析に必要な項目や量が足りないうえ、クォリティーも低いため、意思決定の大部分は管理層の経験に頼るのが一般的です。しかし、マーケットや消費者の多くのデータが公開されて、簡単に収集できるようになった現在、データを通じてお客様や競合相手をもっと理解でき、より質が高い意思決定が可能になりました。例えば、プロダクト設計において、調査アンケートやSNSなどを通じて簡単にデータの収集と分析や画像識別等の技術を用いてトレンドの識別などができ、プロダクト設計時のクオリティーを向上させることができます。商品管理において、競合他社の商品を常にモニタリングすることが可能で、どういう競合商品が出て、いくらで販売され、どういうプロモーションをしているかはもう秘密ではなくなりました。企画者はこれらのデータに基づきもっと合理的な商品ラインアップ・価格・プロモーションを設定することが可能です。小売店において、店長や店員はリアルタイムのKPI・商品の販売状況・在庫・顧客の購買記録や好みが確認でき、当日の売上やサービスの向上のための行動策をすぐ打ち出すことができます。今後意思決定の効率化やクオリティーの向上にデータの役割はますます重要になります。

遠くない将来には（現在も既に取り組んでいる企業があるが）、企業はIoT等のデバイスを用いて、バリューチェーンの全体監視、オペレーションの状況をリアルタイムに記録し、ビッグデータ分析を通じて、常にベストコンディションのオペレーションが維持され、現在より運営効率が大幅に向上されると予想されます。店舗での録画や顔認識システムで顧客の流れを記録したデータでアルバイトのシフト調整、商品の並び方、顧客の興味に基づいたおすすめ商品や興味を示した商品の購入率とフォローアップなどに今までにない改善のヒントを与えてくれます。バックオフィスなどの管理業務においても、PCでの作業などのシステムログをプロセスマイニングを通じて、ヒアリングや机上調査などでは発見できない業務プロセスの改善ヒントを発見できるようになります。

データは企業の一つの資産ですが、すべてのデータに価値があるとは限らないことを注意しましょう。上記で話した事例に加え、FacebookやAlibabaなどのようにユーザーデータのアクセス権を関係者に販売することで新たな収入になるケースもあります。意思決定の向上、プロセス改善、ビジネスモデル変革に影響がないデータは収集していても企業コストの無駄になるだけです。

では、いったいどのようなデータがあるのか：データフォーマットで分けると、構造化と非構造化データに分類できます。世界中のデータの80％は非構造化データで残りの20％が構造化データと言われています。データドメインで分けると、内部と外部データに分類できます。内部データは企業が持っている/収集可能なデータで、外部データはパブリックデータ、サードパーティーデータ、提携データが含まれます。データ内容で分けると、結果データとプロセスデータに分類できます。データ収集技術の発展によって、ビデオデータやセンサーデータ、会話データなどの新型データも生まれています。企業は合理的なデータ戦略を設定するには重要なビジネスを特定し、経営目標の達成に必要なデータにフォーカスを当て、これらの課題解決に有意義なデータのみ収集と分析することが大切です。

生データから企業の発展に必要なビジネスインサイトに転換するのに、下記4つのステップがあります。
１、データ収集（hadoop/sparkなど）
２、データ蓄積（DatabaseやDatalake）
３、データ分析と処理（AWS/Watson/Azureなど）
４、データアクセスとコミュニケーション（BIやEPMなど）

クラウドベースのIaaSやPaaS、SaaS、DaaSなどはベースアーキテクチャからプラットフォーム、ソフトウェア、データアクセスなど様々なサービスを提供しています。昔のようにビッグデータのプラットフォームを構築するのにサーバーを購入して半年から一年以上かかるのと違い、AWSやAzureなどを使えば2-3か月でプラットフォームを構築できます。長期的なコストからみると、あまり安くはなっていないですが、短期的なコストやリスクの削減には有効的だと思います。
データ分析での仕事の中で主にデータアクセス・処理・分析の三つがあります。一般企業でしたら、経営の結果を分析するにはExcelを用いて、KPI分解やトレンド分析し、それらを図表で可視化することが一般的です。実は分析の方法はこれら以外にも、テキスト分析や感情分析、画像分析、ビデオ分析、言語分析、データマイニング、A/Bテスト、視覚分析、相関性分析、回帰分析、シナリオ分析、時系列分析、モンテカルロ法、線形計画、コホート分析、因子分析、ニューラルネットワーク分析、機械学習、メタ分析、記録分析、コグニティブコンピューティングなど様々あります。企業の中で、データの使用とメンテナンスの人は通常異なり、メンテナンスの人はデータの正確性に責任も持てないため、大きなコミュニケーションコストが生じます。これを解消するために、データの使用者もデータ管理責任者の一員になれば、データ管理の多くの課題が削減されるでしょう。
データガバナンスはデータの全面的な管理を意味し、データの有用性、完全性、安全性が含まれ、企業の資産管理と同じようにデータのライフサイクルを管理する必要があります。そのために、誰がデータの所有者で、誰がデータのどの分野に責任を持つかなど、データ管理者には明確な定義が必要です。データマネジメントの方法とプロセスの決定、システム開発と構築を成功させるために、経営層が業務部門/IT部門/データ部門から選抜し、データガバナンスチームを設立する必要があります。

natでは企業のビジョンや経営課題に対し、必要なデータの特定や戦略策定をお手伝いしております。データを活用し、新たなビジネスチャンスの発見やコスト削減、自社に本当に有用なデータの発見などデータの収集や活用に悩みがある方はぜひ一度ご連絡/ご相談ください。アフターコロナ社会でも一緒に勝ち抜いていきましょう！