風音屋って何をしている会社なの？ 事務職での応募を検討する人に「データ分析」の仕事を徹底解説！
風音屋（@kazaneya_PR）では、プロジェクト立案・推進、データ分析やモニタリング、データ基盤のシステム構築から保守運用まで幅広く、お客様のデータ経営実現に向けた取り組みを行っています。
「データ分析」と聞くと、なにやら難しそうで、バックオフィス業務（特に事務職）の方は具体的なイメージが浮かびづらいかもしれません。ついつい自分の業務には関係ないことだと思いがちですが、実は「データ分析」は私たちの身近な生活や仕事に深くかかわっています。
今回の記事では、データ分析の重要性をお伝えするとともに、バックオフィス部門や事務職での応募を検討されている方向けに、当社の業務をご紹介します。
風音屋はどんな仕事をしているのか
「データ分析」は事務職の方々にとってはあまり馴染みのない業務のため、応募するモチベーションにつながりにくいかもしれません。しかし、一見関係なさそうに見えて、実際は身近なところでデータ分析が活用されていることが多くあります。
風音屋は、クライアント企業がデータを見てビジネスを改善していくために「システム構築」「データ分析」「組織支援（研修など）」を通して支援をしています。
Excelで例えると、「Excelを使いやすく整備する」「Excelの数値を分析してビジネスの改善提案をする」「みんながExcelを使えるように勉強会を開催する」といったことを行なっています。Excelではなくもう少し専門的なツールや手法を使うこともありますが、イメージとしては同じようなものです。
データ分析や研修を担当するのがデータコンサルタント（データアナリスト）、ITシステムを作ったり管理するのがデータエンジニアです。
■ データを使って各企業のビジネス改善を支援
多くの企業では、社内に「営業実績や取引先情報」「採用候補者や従業員」「領収書や仕訳帳簿」などのデータがあります。それらのデータは、採用ツールや営業ツール、会計ツールなどの各システムに散在しています。風音屋のデータエンジニアは、クライアント企業の依頼を受けて、こうしたデータを1ヶ所にまとめ、さまざまなデータをみんなが自由に扱えるようにしています。
1ヶ所にまとめたデータは、偉い人への報告に使ったり、マーケティング支援ツールからメールマガジンを送ったり、AIに学習させることも可能です。ニーズに合わせた多様な使い方ができるようなシステム構築（≒Excelシート整備）を行なっています。
風音屋のデータコンサルタントは、1ヶ所にまとめたデータを使って分析を行います。営業事務であれば「この時期に挨拶メールを送ると商談に繋がりやすい」、人事であれば「この採用メディアからの応募が増えている」、経理であれば「このコストは固定費から変動費に変えたほうがお得ではないか」といった改善提案を行うチャンスがあるのではないでしょうか。同じように風音屋のデータコンサルタントはクライアント企業のビジネス改善に向けたデータ分析を行っています。
クライアント企業の方々がデータを使いこなせるようにするためのトレーニング提供も風音屋のサービスの一つです。システムやツールを活用して、それぞれの部署で活躍できるように支援を行なっています。余談ですが、東京大学の学生向けにデータ分析の授業を実施したこともあります。
さまざまな業務でのデータ分析
データ分析の具体的な内容について、初めにスマートフォンアプリや不動産業者を例にあげて解説します。次に、営業や人事、経理での例を見ていきたいと思います。
■ スマートフォンアプリでのデータ分析
スマートフォンアプリのデータ分析の手法として「AARRRモデル」があります。
【Acquisition：獲得】ユーザーがアプリをインストールする
【Activation：活性化】ユーザーがアプリを使い始める
【Retention：継続】アプリを使い続ける
【Referral：紹介】「このアプリを使ってよかった」と他の人に紹介する
【Revenue：収益】使い続けていきどんどん収益が上がる
このようにユーザー行動を5つの段階に分けてデータを計測すると、アプリの改善方針が分かります。もしもアプリの売上が低い場合、「ユーザーはたくさんいるが課金してくれていないのか」「そもそもユーザーがいないのか」「インストールはしてくれるが1度使ってその後は全くリピートしてくれていないのか」などの状況が見えてくるため、それに応じた対策を打つことができるようになります。
5つのデータを同時に見ることで、短絡的な取り組みを防ぐこともできます。例えば、マッチングアプリを運営する場合、広告のクリック回数やアプリのインストール数を増やすために、「女性向けには優しそうなカップルの広告を出す」「男性向けにはセクシーな雰囲気の広告を出す」という手法を使ったとします。このように男女で期待することが食い違うような集客をすると何が起きるでしょうか。
男女ともに「あまり良い人が見つからない」「なんだか期待と違っていた」と残念に思って、すぐに離脱してしまうでしょう。最初のインストール数だけしか見えていないと「とにかくたくさん広告を出せばよい」という短絡的思考になりますが、「最後はどうなるのか」と考えてみると、これが結果につながらないことが見えてくるはずです。
風音屋では、このようなミスリードが起きないよう分析をして、最後の結果までを見通すための支援を行っています。
■ 不動産業者でのデータ分析
私たちが住む家を決める際には「賃貸に住むのか／購入するのか」「マンションが良いか／戸建てが良いか」といったテーマについて、コストや利便性など、さまざまな面から分析し、意思決定を行なっていると思います。
家を買うときは「車が好きだから多少郊外でも問題ない」「広いガレージを確保できる家の方が魅力的だ」と思う人もいれば、「大きな荷物を持って空港に移動することが多い」「駅近でないと毎日の出社が大変だ」と思う人もいます。
同様に不動産業者も「どのような物件を作るのか」「どのように物件を売買すると利益が出るのか」「どのような顧客にどのような物件を紹介すると契約しやすいか」といったことをデータを見ながら決めていきます。
「最初のコストは大きいけれど、駅近にマンションを作ったほうが確実に売上を伸ばせるだろう」「アクセスは少し悪いけれど、広い土地を安く購入できるだろう」のような意思決定を行なっていくわけです。そのために「この地域だとどういうニーズがあるのか」「この季節だとどういう注文が増えるのか」など、各物件の売れ行きを比較します。データを踏まえた上で「この戦略でいこう」と決めることになります。
実際には、ハウスメーカーならハウスメーカーの得意なジャンル、総合デベロッパーなら総合デベロッパーの得意なジャンル、といったものがあります。今回の内容はあくまで説明のための簡易的な例と割り切っていただければと思います。
次は、営業や、人事・経理などのバックオフィス職での例を見てみましょう。
■ 営業でのデータ分析
営業の活動でも同じことが言えます。風音屋では法人顧客に対してサービスを提供しています。お問い合わせをいただいて（リード）、打ち合わせを行います（商談）。そこで顧客のニーズと風音屋のサービスがマッチすると受注となります。その後、契約を更新いただけることもあれば、ご期待に添えずに解約となってしまうこともあります。
受注数を増やすために、「問い合わせが少ない」のであれば「どんどん社外にPRしていく」べきでしょうし、「問い合わせは多いけど契約に繋がらない」のであれば「打ち合わせの内容を充実させていく」ことが必要になるかもしれません。そういったことをデータによって判断します。このようにステップで分けてデータを見ることを「ファネル分析」と呼びます。
社長（横山）は風音屋を創業する前、勤め先の会社で営業・マーケティングのデータ分析を行い、数億円の利益を創出しました。やっている内容は上の説明と同じようなことです。それだけでビジネスに対して大きなインパクトを生み出すことができるのです。もっと色々な会社で同じような取り組みをやっていきたい、ということで風音屋が設立されました。
営業活動を一気通貫でデータ分析しようとすると、クライアント企業によっては「契約前に営業スタッフが使うツール」と「契約後にカスタマーサポート（CS）が問い合わせ対応をするツール」が異なることがあります。そういったバラバラのデータを1ヶ所にまとめて紐付けて見られるようにしていくことも重要です。
「営業時のデータは営業時のツールでしか確認できない」だと、アフターフォローのタイミングで「契約前の話が引き継ぎされていないじゃないか」と迷惑をかけてしまうかもしれません。反対に「契約後のアフターフォローのデータ」を営業スタッフが確認できると「こういったトラブルが起きないように丁寧に説明しよう」と工夫できる可能性があります。
このように、いろいろなシステムを連携して初めて営業活動の全貌が見えてくることもあります。こうした取り組みを次々に実施し、Google社が主催するカンファレンスで発表を行ったりしています。
■ 人事でのデータ分析
人事領域の採用についても同様です。「応募：80人」「1次面接突破：20人」「2次面接突破：10人」「内定承諾：5人」の目標を設定したとします。それに対して「応募：10人」「1次面接の突破：3人」「2次面接突破：0人」「内定承諾：0人」が実績だったとします。これもファネル分析が使えます。
細かくステップを見ないとどうなるでしょうか。採用目標が5人に対して応募者は10人です。この10人から何とか5人を採用したいな、と思ってしまいます。ところが、1次面接で3人だけが合格し、7人は見送りとなってしまった。もったいないですよね。採用候補者に対して「1次面接を突破するためのサポート」を提供すべきでしょうか。
各ステップの目標と実績を細かくチェックすると、1次面接の突破率は「目標：25%」「実績：30%」となります。悪い数字ではありません。どちらかというと、応募数が「目標：80人」「実績：10人」というギャップのほうが顕著です。そもそもの応募数が少ないことの方が問題だ、ということが見えてきます。
こういった数字を見ると「1次面接を突破するためのサポート施策」は後回しで良い、ということが分かります。まずは応募を増やすことに専念すべきです。応募数が増えた後に、2次面接の突破数が0%のままであれば「2次面接を突破するためのヒント」を公開すべきか検討しても良いでしょう。こういったことを一つひとつのデータを見ながら対応していきます。
内定だけではなく、入社後の活躍も重要です。なぜかというと「採用数」だけを追いかけて、「自社に合わない人」「自社では活躍しにくい人」ばかりを採用してしまうと、お互いに不幸だからです。頑張って採用したのにすぐ辞めてしまったり、社内からクレームが寄せられると、採用担当としては悲しい気持ちになります。
したがって、入社後の研修データや人事評価データと組み合わせて「◯◯人が基礎研修を前倒しで完了した」「◯◯人が1年以内に人事評価で（優）を取った」といったデータを見ることも必要になります。
そうすると、集客に強みのある転職サイトAではたくさん採用できたけれども、実は別の転職サイトBで中途のしっかりした人をとる方にお金や労力を使ったほうが、結局はお得だったという可能性もあります。こういったことをチェックしていくわけです。
風音屋が採用候補者向けのコンテンツを発信しているのもそのためです。応募したその日にすぐ内定が決まるような雑な採用を繰り返しても、会社のカルチャーに合わずにすぐに辞めていってしまうからです。会社のカルチャーを理解した上で入社してもらえたほうがお互いにとってベストだと考えています。
■ 経理でのデータ分析
経理でも同じです。風音屋は業務委託のITエンジニアに仕事をお願いすることがありますが、次のようなことに注意しなければいけません。
ITエンジニアによっては稼働時間がバラバラで、少ししか働いていない人もいれば、多く働いている人もいます。
人によって単価も違ってきます。20年選手のベテランで超スペシャリストの人と、まだまだ若手な人とでは、1人当たりのパフォーマンスが違います。
案件によっては難易度が高いものもあれば低いものもあります。
きちんと管理ができていない場合は適切な判断ができません。「Aさんはこの仕事で◯◯円なのに、Bさんはこの仕事で△△円」「これはおかしいのでは……？」のような不平等が起きます。無駄なお金を払っている可能性もあれば、逆に、本来はもっと多くの金額を支払うべきという可能性もあります。
「スキルがある人に単純作業を渡している」「そのせいで仕事内容の割に金額が高いと感じる」のであれば、それは発注側のミスです。事前に「どの人にどの仕事をお願いすればよいのか」「どのくらいコストを使ってよいのか」確認することが必要でしょう。
コストを管理したり、支払い作業を効率化するためには「案件一覧」「単価」「稼働時間」のシートを用意します。それぞれのシートからデータを1ヶ所に統合した後、用途に応じてデータを出力します。税務申告のフォーマットに数値が転記されたり、銀行振込用のシートが自動で作成されたり、経営戦略を考えるため（管理会計用）のグラフを作ったりと、さまざまな形式に出力することができます。
どのようにデータを整備したら管理しやすいのか、修正・更新しやすいのか、セキュリティ面で問題はないのか、などを考えながらシート（システム）を設計していきます。
経営戦略を考えるため（管理会計用）の手法としては、MQ会計と呼ばれるものがあります。売上を単価と数量で分解したり、売上と変動費と固定費を比べて、データを分析します。
「500万円の売上」があったときに、中身を分解して「1社あたり100万円（単価）×5社（数量）」で売っているのか、「1社あたり1万円（単価）x 500社（数量）」で売っているのかで、会社の戦略は違ってきます。少数の取引先に高単価で売っている場合は、その取引先に嫌われた瞬間に会社が潰れてしまうこともあるので、そういった経営リスクを把握しておかないといけません。
売上と変動費を比べると「売上10万円の取引先対応に15万円の人件費がかかっている」「頑張っている割には利益にならない」「もっと高い金額を請求しないといけない」「大型発注してくれる取引先に注力すべきではないか」といったことが見えてきます。そうなると「大きなプロジェクトの中で働いた経験のあるメンバーを採用しよう」「大きなプロジェクトを請け負えるように営業活動を見直そう」といった会社全体の戦略を見直すことになります。
売上と固定費を比べると「おしゃれなオフィスを借りたせいで固定費が高すぎる」「今の100倍稼がないと黒字にならない」といったことも見えてきます。経理の知識がある人からすると、経営陣の見栄だけで贅沢なオフィスを借りている会社よりも、経営リスクに備えて安いオフィスを借りている会社のほうが合理的で安心できるのではないでしょうか。
データ分析は「より良い仕事」を支える武器
風音屋の仕事は、クライアント企業から依頼を受けて、いろいろなデータを整備したり、データを分析して、以下のようなアクションに繋げていくことです。
より多くの人により多くアプリを使ってもらえる
より利益率の高い物件を売買できる
アフターフォローまで見据えた営業活動ができる
入社後の活躍まで見据えた採用活動ができる
適切な相手に適切な金額を支払える／経理業務を効率化できる
どこの部署でも、どんな業務でも、何らかの形でデータがかかわっています。今はまだ「1人の事務員」として「与えられた作業」をするだけならば、データを気にする必要はないかもしれません。しかし、そうした単純作業は少しずつツールに置き換わっていったり、自動化されていったりします。1人1人がプロとして「より良い仕事」を行おうとしたら、データは無くてはならない存在なのです。
風音屋の仕事である「データ分析」は、たとえテクノロジーが進化しても、きっと変わらずに求め続けられることだと思っています。「より良い仕事をしよう」「誰かにもっと喜んでもらおう」と思ったら、データを見ながら改善していくことになるからです。
■ 人類の歴史を支えてきたデータ分析
最後に、風音屋の仕事は「骨太な仕事」である、という話をします。
人類は昔からさまざまな課題を抱えてきました。より幸福になるために試行錯誤し続けてきました。
もっと沢山の穀物を収穫したい
もっと安全な、洪水に負けない土地を増やしたい
もっと沢山の人たちの病気を、もっと効率的に治療したい
もっと早く、もっと遠くまで、もっとラクに、もっと安全に移動したい
もっと多様な製品を、もっと早く、もっと大量に工場で生産できるようにしたい
試行錯誤によって指標や数値を改善し、目標に到達し続けてきたのが、人類の歴史なのだと考えています。今と変わらず昔も、人類はいろいろなデータを記録し、整理し、活用してきました。こうやって人類は豊かになってきました。
もちろん「アプリの利用者を増やしたい」「不動産の利益率を向上させたい」「大きな商談を成功させたい」「良い人をたくさん採用したい」「無駄なコストを削減したい」といったテーマも同じです。どんな部署の人であっても他人事ではありません。自分が日々行っている業務にも繋がっています。
風音屋の社内勉強会ではこういったことがワイワイ話されます。データ分析やITシステムの専門的な部分まではわからなくても、自分の業務に関係する範囲で少しずつデータ分析を楽しんだり学んだりできる環境なのではないかなと思っています。
風音屋のバックオフィス職はデータに強くなる！？
風音屋では、日々さまざまなデータに向き合って仕事をしています。バックオフィス職も同様で、データの整備や分析を行います。例えば、人事メンバーと経営陣がデータを見ながら採用プロセスを改善するなど、バックオフィス職がデータ分析に挑戦したり活躍できる環境が整っています。
「営業事務・マーケティング」「人事・労務」「経理・財務」といった仕事を担当する方々も、今までとは違った視点で仕事を見てみると、データに強い、とても頼もしいバックオフィスメンバーになれるかもしれません。
ということで、風音屋ではバックオフィス職を絶賛採用中です。データを見ながら目の前の業務を改善していくことができます。とてもやりがいのある仕事ができると思いませんか？
「データ分析っておもしろそう」「数字に強くなりたい」と思った方は、ぜひ応募フォームよりご応募ください。
#企業のnote #仕事について話そう #人事の仕事 #マーケティングの仕事 #経理の仕事 #営業事務の仕事 #データ分析