企業の最も強力な資産を最大限に活用する方法

ブログ著者:Kevin Hanegan   本ブログは Are you using data as a competitive weapon? の翻訳になります。

データは企業にとって最も強力な資産ですが、十分に活用されているとは言えず、管理も不十分です。今日の世界で他社の一歩先を行くことを目指すのであれば、データ主導型の意思決定を行ってデータの価値を捉え、創造し、活用する必要があります。しかし、それを実現するにはどうすればよいのでしょうか。本記事でこの質問に対する答えを見つけてください。ここでは、フレームワークをご紹介します。

 

データ戦略

データ戦略は、より的確なデータ主導型の意思決定を志す企業にとって不可欠な基盤です。このデータ戦略には、データ収集、データキュレーションやデータ管理、データの整合性の理解、そしてデータガバナンスのためのプロセスを含める必要があります。このデータ戦略という基盤がなければ、効果的なデータ利用方法を活用するためのフレームワークやポリシーを作成できません。再現可能なプロセスや文書化されたプロセスがなければ、データ資産の活用は不可能です。このプロセスの欠如は、生産性が低下するだけでなく、技術コストをも増大させます。従業員はデータを適切に利活用することもできません。

アナリティクスレイヤー

データ戦略が揃ったら、次に必要なのはデータリテラシー(英語)を備えた従業員と、必要なデータインサイトを提供するための機能を搭載したアナリティクスツールです。目標に応じて、必要となるアナリティクス手法は多岐に渡ります。

通常、分析ではまずデータの概要を把握することができる記述的アナリティクスから始めます。このタイプの分析では、頻度、代表値、分散値などが含まれます。次に、データ内の関連性と未知の関係性を見つけるときに使用できる探索的アナリティクスがあります。そこから必要に応じて、推論アナリティクスまたは予測的アナリティクスの実行を検討します。推論アナリティクスは、特定の結果を引き起こす原因の解明に役立ちます。この方法では、母数が増えた場合の結論を導き出すこともできます。これはデータマイニングと機械学習の基礎となります。例えば、顧客へのマーケティング、新しい市場の発見、運用効率の改善、サプライチェーンの分析などがあります。予測的アナリティクスでは、データを分析して未来の出来事を予測します。例えば、販売データの予測、顧客セグメンテーション、または将来の購買パターンの予測などがあります。

これらのアナリティクスアプローチは、さらに高度な機械学習を組み合わせて拡張知能(英語)と呼ばれるデータ主導型の意思決定の重要なコンポーネントをサポートします。拡張知能によって、人間はより迅速かつ的確に意思決定を行えるようになります。

意思決定

データは、意思決定プロセスで適切に活用された場合にのみ効果を発揮します。社内に質の高いデータ、アナリティクスツールを使いこなしてインサイトや助言を提案できる熟練のアナリストがいても、それが意思決定者に適切に伝達されなければ意味がありません。意思決定者に自信がなかったり、一貫した意思決定プロセスがない場合も同様です。

活用できる意思決定モデルは多様です。モデルの構成要素はどれも似ています。その重要な構成要素の 1 つが、ユーザーが自分のメンタルモデルに固執せず、さまざまな考え方や視点を受け入れるようにすることです。メンタルモデルとは、私たちの社会的相互作用、価値観、体験に基づく基本的な前提を含むフレームワークです。もう一つの重要な要素は、本人が意識しているか否かにかかわらず、意思決定におけるすべてのバイアス(偏見)を認識させることです。データや意思決定プロセスからバイアス(偏見)を完全に排除することはできませんが、それを理解することは自信を持った意思決定に役立ちます。

文化

このフレームワークは、データ主導型の意思決定を推進する企業文化に包括されている必要があります。以下の設問について検討し、これをサポートする適切な文化が貴社に根付いていることを確認してください。

  • 組織のビジョンに対応する特定のデータ戦略がある
  • その戦略は、データが整理されている、アクセスが可能である、高品質である、統制されているという条件を満たす実装がされている
  • 従業員はデータリテラシーを備えている
  • データに基づいた変更可能な意見や仮説がある
  • 回答へ導く方法と従業員に実行を促すデータを活用した意思決定の方法を把握している
  • 意思決定を行った後に、その判断を評価する方法を把握している