分析戦略への備えは万全ですか？

[RishiK]

Splunk によると、ビジネスリーダーの 81% が、データの価値を認識しているものの、そのうちの 47% は、データの増加スピードに対応できていないことを自覚しています。組織のデータの半分以上は活用されないままとなっており、利用されているデータも、そのポテンシャルが最大限活用されているとは限りません。

さらにこうしたことを問題視し、何らかの対処を行っている組織はほんの一握りというのが実情です。CFO が、支出の半分にしか目を通さないということはありえません。ではなぜ、半分のデータだけを見て、意思決定を行うのでしょうか？

データ分析はもはや、特定の業務やチームだけに限定されるものではありません。
企業のパフォーマンスを最適化するためには、どんなに小さな規模の意思決定であれ、意思決定を行う誰もが、必要なすべてのデータや、データを分析するためのリソースにアクセスできる必要があります。 

しかし、効果的に使えているかどうかもわからないままに分析テクノロジーを取り入れているのは、学校に子どもを通わせておきながらテストを一切しないようなものです。  長方形の面積の計算方法をずっと間違っているのに、そのことに気づいていないかもしれないのです。

正しく学べているかどうかだけでなく、学習の効率や範囲も測定できる評価システムが必要であり、そのために役立つのが「分析の成熟度の評価ツール」です。

「分析の成熟度」とは？

分析の成熟度とは、組織がデータを管理・分析し、情報に基づいたビジネス上の意思決定を行うために、テクノロジー、ツール、人材、プロセス、戦略などをどれだけうまく活用できているかを示す指標です。

分析成熟度のモデル

長期的な目標を達成するためには、短期的な目標を持つことが非常に重要です。データ主導型の組織に移行するための道のりは決して平たんなものではなく、時には道に迷うこともあるでしょう。
しかし、進捗状況を正確に把握し、正しい方向へ導くことができれば、大きな効果が得られるようになり、時間と労力、ひいてはコストの節約にもなります。

このような場面で役立つのが、分析成熟度のモデルです。分析成熟度のモデルでは、データ分析の熟達度をステージ別に数値化したものであり、企業の進捗状況をいずれかのステージに当てはめることで、
  組織がどの段階に位置しており、次のステージに進むためにどのようなステップが必要となるかを確認することができます。

理想と現実のギャップを埋めるためには、データ分析戦略の成果を業界のベンチマークと比較することが有効です。そうすることで、各ベンチマークに対する自社の位置づけを把握できるようになります。
 

分析の成熟度の各ステージ

ここでは業界の標準に従い、各ステージの概要を説明します。

ステージ 1: データ分析を未活用 – 分析プロセスがまったく存在しない。

ステージ 2: 記述的分析 – 過去のデータを調べて、何が起こったかについての情報を集めることができる。

ステージ 3: 診断分析 – データのパターンを特定し、起こったことの背後にある理由を見つけ出すことができる。

ステージ 4: 予測分析 – 膨大なデータセットに高度なテクノロジーを使用して将来を予測できる。

ステージ 5: 処方的分析 – 最終ステージであり、洞察の抽出や分析の最適化に役立つテクノロジーを活用して、予測結果を望ましい成果に導く計画を立てることができる。

以下の図で、分析成熟度のステージを確認してみましょう（引用元：International Institute for Analytics の Davenport 氏および Harris 氏による Competing on Analytics）。

さらに掘り下げる

分析成熟度がどのように測定されるかを理解するために、評価ツールがステージ判断に使用する各種パラメーターについてご説明します。 

データインフラストラクチャ: どこにデータが保管されているか

SaaS アプリケーションや生データのファイルなど、データが異なる場所に分散している場合、成熟度は低いとみなされます。

Amazon Data Exchange や Snowflake など、アプリケーション以外からもデータも受け取ることのできるクラウドプラットフォームを介してデータが一元的に保管されている場合、
成熟度はより高いとみなされます。

例えば、データインフラの整備に取り組んでいる企業は「記述的分析」のステージにあり、ML パイプラインが確立され、ワークフローが自動化されている企業は「予測的分析」のステージにあると言えます。

データへのアクセス: どこからデータを閲覧できるか

従業員が各自で定期的にデータをインポート、またはエクスポートして分析を行っている場合、成熟度は低いとみなされます。

複数のデータ統合アプローチを備えるデータパイプラインが整備されており、誰でもアクセス可能な共通の場所にデータを移動させることができる場合は、成熟度はより高いとみなされます。

動的な要件に対応できるデータ可視化のメカニズム確立されており、ユーザー自身で必要なデータを選別する必要がない場合は、さらに成熟度が高いとみなされます。

データのモデリング: 誰もが理解できるかどうか

そろそろ要領がつかめるようになってきたのではないでしょうか。
データモデルが存在せず、大部分が表形式で構成された巨大なデータセットがあるのみで、何の結論も導き出せないようであれば、成熟とは程遠い状態です。
 

ユーザーフレンドリーなインターフェースで、データの論理的なモデリングを行い、重要な指標を強調表示し、誰もがデータが理解することができれば、成熟していると言えるでしょう。

データの使用状況: データをどのように取得するか

一部の従業員はコードや SQL を使用してデータを照会できるものの、その他の従業員はデータにアクセスできない場合は、成熟しているとは言えません。

では、どうすれば成熟度を高められるのでしょうか。データをサービスとして提供し、ユーザーが好みのツールを使用してデータを分析できるようにすることをお勧めします。アプリや業務に分析機能を取り入れ、分析ダッシュボードの以外でも分析を活用できるようにしてみましょう。
 

データインサイト: データが意思決定にどのように影響しているか

過去のデータを使用して意思決定を行うのも悪くはありませんが、より成熟した組織は、データを将来の予測に活用しています。もし、製造メーカーが将来の売上を正確に予測できるようになったら、在庫をどのように管理できるようになるかを想像してみてください。

ただし、言うは易く行うは難しです。

どの組織にも独自のやり方があり、抱えている資産や負債も異なります。
それぞれのステージには、データコンプライアンスの理解、ビジネス目標との整合性、対象とする業務モデルの有効性など、さまざまな観点から考慮すべき多くのサブパラメーターが存在します。「分析の成熟度の評価ツール」では、こうしたデータ分析のあらゆる側面を調査し、分析成熟度に関する詳細な個別レポートを受け取ることが可能です。 

だれもがデータ分析を活用できる時代に

分析が競争優位性をもたらす時代は終わり、分析は誰でも簡単に利用でき、市場で生き残るために不可欠なものとなりました。
今や、誰もが驚異的なスピードで分析を活用し、成果を上げています。

ただしスピードも重要ですが、正しい方向に進んでいなければ意味がありません。
皆様の組織では、データを適切に活用できていますか？

Alteryx では、無料のオンライン分析成熟度評価ツールをご利用いただけます。このツールや分析戦略についてのご質問やご相談があれば、お気軽にお問合せください