ビッグデータブームは、IT化の不効率を加速させて余計な業務が増えた。IT化して楽になるはずが、従来よりも手間暇が掛かっている。IT化が進むほど不効率になる「IT化の不効率」という現象が、日本各地で見受けられます。特に企業内ではIT化することで、これまで紙で申紙で申請していたものをシステム上で申請し運用できるようになり効率的となるはずが、ペーパーレス化どころかシステム上で申請したものを紙でも印刷し、別途提出するといったケースが出てきました。さらに、提出物を受け取った担当者が、システム上と紙の記載内容を目で照合する。提出する側も、システム上でどのように申請すれば良いのか分からず、右往左往しながら提出するなど枚挙にいとまがありません。
IT化によるシステムの導入コストと運用コスト、さらには今までにない余計な手数がコストとしてのしかかってくる。程度の大小はありますが、効率化を目指したIT化が不効率の元凶となり、余計なコスト増を産みだしているケースもあります。2000年前後のブームから日本企業のIT化は進みましたが、日本のGDPは約20年間ほぼ同じです。他の先進国のGDPは、普通に伸びています。さらに（公財）日本生産性本部が公開している日本の生産性統計値も、ほぼ20年間変化がありません。近年のビッグデータブームにより、この現象には目を覆いたくなることもあります。
以上、今回は「IT化の不効率を加速させたビッグデータブーム、何やら余計な業務が増えた」というお話しでした。
1. データ分析:魔法の箱とビジネス成果
IT化の不効率化は、すでにビッグデータブーム以前からありました。私の感覚ではビッグデータブーム時に、耳に心地良いカタカナ用語とともに、このIT化の不効率化に拍車が掛かったのではないかと感じています。
「ビッグデータ」と耳がタコになるほど聞かされれば、経営者も現場も気になります。意識の高い人ほど気になります。一体、ビッグデータとは何ぞやという感じで講演会に参加したり書籍を買ったり、ニュース記事を読んだりするでしょう。
例えば、BI（ビジネスインテリジェンス）ツール。
一時期、BIツールを導入すればデータを使って色々な問題が解決するかのような錯覚があったような気がします。「BIツール≒魔法の箱」という勘違いです。BIツールそのものは従来からあり、最近のBIツールはかなり使いやすくなっています。
データ活用が身近になることはあっても、それがビジネス成果になるかどうかとは別問題です。当たり前といえば当たり前ですが、そのような錯覚が何となくあったのは事実です。BIツールだけでなく、DMP（データマネジメントプラットホーム）もしかり、Hadoop、データレイク、ディープラーニング、AI（人工知能）も同様です。全然レイヤーが異なりますが、似たような錯覚があったかと思います。
2. データ分析:BIツールは魔法の箱ではない
BIツールが魔法の箱でないことは、導入したり使ってみればすぐに分かります。ダッシュボードという出力画面に、集めたデータの集計結果を表示するだけだからです。ダッシュボードをもとに、気になる箇所を掘り下げたり、各個人の視点で集計し直すことができます。どう掘り下げるのか、どの集計をし直すのか、今までデータ分析やデータ活用に縁遠い人にとっては、な...
ビッグデータブームは、IT化の不効率を加速させて余計な業務が増えた。IT化して楽になるはずが、従来よりも手間暇が掛かっている。IT化が進むほど不効率になる「IT化の不効率」という現象が、日本各地で見受けられます。特に企業内ではIT化することで、これまで紙で申紙で申請していたものをシステム上で申請し運用できるようになり効率的となるはずが、ペーパーレス化どころかシステム上で申請したものを紙でも印刷し、別途提出するといったケースが出てきました。さらに、提出物を受け取った担当者が、システム上と紙の記載内容を目で照合する。提出する側も、システム上でどのように申請すれば良いのか分からず、右往左往しながら提出するなど枚挙にいとまがありません。
IT化によるシステムの導入コストと運用コスト、さらには今までにない余計な手数がコストとしてのしかかってくる。程度の大小はありますが、効率化を目指したIT化が不効率の元凶となり、余計なコスト増を産みだしているケースもあります。2000年前後のブームから日本企業のIT化は進みましたが、日本のGDPは約20年間ほぼ同じです。他の先進国のGDPは、普通に伸びています。さらに（公財）日本生産性本部が公開している日本の生産性統計値も、ほぼ20年間変化がありません。近年のビッグデータブームにより、この現象には目を覆いたくなることもあります。
以上、今回は「IT化の不効率を加速させたビッグデータブーム、何やら余計な業務が増えた」というお話しでした。
1. データ分析:魔法の箱とビジネス成果
IT化の不効率化は、すでにビッグデータブーム以前からありました。私の感覚ではビッグデータブーム時に、耳に心地良いカタカナ用語とともに、このIT化の不効率化に拍車が掛かったのではないかと感じています。
「ビッグデータ」と耳がタコになるほど聞かされれば、経営者も現場も気になります。意識の高い人ほど気になります。一体、ビッグデータとは何ぞやという感じで講演会に参加したり書籍を買ったり、ニュース記事を読んだりするでしょう。
例えば、BI（ビジネスインテリジェンス）ツール。
一時期、BIツールを導入すればデータを使って色々な問題が解決するかのような錯覚があったような気がします。「BIツール≒魔法の箱」という勘違いです。BIツールそのものは従来からあり、最近のBIツールはかなり使いやすくなっています。
データ活用が身近になることはあっても、それがビジネス成果になるかどうかとは別問題です。当たり前といえば当たり前ですが、そのような錯覚が何となくあったのは事実です。BIツールだけでなく、DMP（データマネジメントプラットホーム）もしかり、Hadoop、データレイク、ディープラーニング、AI（人工知能）も同様です。全然レイヤーが異なりますが、似たような錯覚があったかと思います。
2. データ分析:BIツールは魔法の箱ではない
BIツールが魔法の箱でないことは、導入したり使ってみればすぐに分かります。ダッシュボードという出力画面に、集めたデータの集計結果を表示するだけだからです。ダッシュボードをもとに、気になる箇所を掘り下げたり、各個人の視点で集計し直すことができます。どう掘り下げるのか、どの集計をし直すのか、今までデータ分析やデータ活用に縁遠い人にとっては、なかなか難しい要求です。問題が解決する方向に向かい、気になる箇所を掘り下げたり、各個人の視点で集計し直したりしなければ、問題解決に活用することは難しいでしょう。そもそも、BIツールなどで扱うデータを整備するのも大変です。
3. データ分析:地味だけど重要なデータ整備
日ごろから気を付けていないと、データはどんどん汚くなります。掃除しないと汚くなる部屋や机の上と同じです。多くの場合、データ活用の進んでいない企業ほど、当然ですが汚いのです。汚いデータをBIツールなどで扱っても意味がありません。汚いデータは信用できない、という視点もありますが、それ以前の問題として、複数のデータソースのデータを連携できないという問題があります。
複数のデータソースを掛け合わせて集計などするときに、その掛け合わせるためのキー（鍵）となる情報が必要になります。例えば、日付や取引先の企業情報などです。日付のフォーマットや粒度（例：年・月・日・時間など）が、データソース間で異なれば連携されません。連携するために揃える必要があります。ひどい場合には同じデータソースのはずなのに途中からデータフォーマットがさり気なく変わっていることさえあります。
取引先の企業情報も、企業名称が入力する人によってばらばらだったりします。身分証明書など、企業IDのルールすらバラバラだったりします。そんなことはないだろと思うかもしれませんが、部署が違えばルールも異なり、会社が異なればルールも違うということがあります。特に、企業合併したようなケースだと、このようなことは当然のこととして起こります。BIツールなどに読み込ませるデータの整備は、地味だけど非常に重要です。仮にBIツールなどが魔法の箱だとしても、その箱の中に入れるデータを整備する必要があります。
4. データ分析の「活用の視点」がないと、やっぱりダメ
何よりも重要なのが、データ分析の「活用の視点」です。
データ分析の「活用の視点」とは、集めたり整備したりしたデータを使い、どのようなことに活用したいのかという視点です。この視点がないと、後々苦労します。このような視点がないまま、データ活用やデータ分析を目指すことはないだろと思われがちですが、昨今のビッグデータブームの特徴として、このようなことが多々見られます。
- 「何かビッグデータ的なことをやれ！」
- 「我が社も、AI（人工知能）だ！！」
- 「デジタルトランスフォーメーションで生まれ変わるぞ！！！」
データ活用という視点で考えれば、どのように活用するのか目的がないと、どのような分析・予測結果が必要なのかも分かりませんし、どのようなデータが必要なのかも分かりません。もちろん、一つの考え方として結論先行で縛られると自由な発想が阻害されるため、あえて「データ分析の『活用の視点』」を無視し、進めるという考え方もありますが…。まだデータ分析などで成果を出していないなら、データ分析の「活用の視点」をあらかじめ定めておいたほうが、手っ取り早く効率的です。
そして何よりも、データ分析の「活用の視点」があれば、このビッグデータに伴うIT化によって、データを絡めて「業務がどのように変わるのか」が見えてきます。このデータを絡めて「業務がどのように変わるのか」が見えることは、データ分析で確実なる成果を望むなら、非常に重要なことです。
5. データ分析:単純に前後比較すればいい
データ分析の「活用の視点」があれば、データを絡めることで「業務がどのように変わるのか」が見えてきます。
「業務がどのように変わるのか」が見えるということは、どういうことでしょうか。それは「IT化・データ分析活用化の前後の変化が見える」ということです。「IT化・データ分析活用化の前後の変化が見える」ということは、どういうことでしょうか。それは、それによる工数の変化などが見えるということです。工数の変化などが見えるということは、システム導入のコストや運用コスト、データ分析活用による売上増や効率化の程度も見えてくるということです。
少なくとも、ざっくりかもしれませんがある程度見積りができます。ビッグデータに伴うIT化の効果に対して見通しが立ちます。もちろん、工数の変化などが見えるということは、動き方の変化も見えるということです。この“見積もる”ということが非常に重要で、効果の当たりも付きます。楽天的に考えた時の効果や、悲観的に考えた際の効果など、いろいろな効果を見ることができるでしょう。
例えば、どんなに楽天的に考えても不効率になったりコスト増になるのであれば、どこかを変えなければなりません。その検討が少なくともできます。
それとは反対に、どんなに悲観的に考えても効率化し売上や利益が増大するならば、そのまま計画通り進めればよい、ということになることでしょう。
要するに、単純に前後比較すればいいのです。その前後比較をするためには、データ分析の「活用の視点」が必要です。特に、まだデータ分析でそれなりの成果を出していないのであれば、このデータ分析の「活用の視点」を持っておいたほうが良いでしょう。余裕が出たら自由な発想を阻害しないため、あえて「データ分析の『活用の視点』」を無視して進めるという方法も良いでしょう。
6. データ分析:どのようなデータを集め、どう活用するか
今回は「IT化の不効率を加速させたビッグデータブーム、何やら余計な業務が増えた」というお話しをしました。
IT化の不効率化は、すでにビッグデータブーム以前からありました。ビッグデータブーム時に、耳に心地よいカタカナ用語とともに、拍車が掛かったのではないかと思います。例えば、BIツール。このツールを導入すれば、データを使って色々な問題が解決するかのような錯覚をして魔法の箱ではないかと思ってしまうような勘違いを引き起こしました。
全くレイヤーが異なりますが、DMP（データマネジメントプラットホーム）もしかり、Hadoop、データレイク、ディープラーニング、AI（人工知能）もしかりです。
魔法の箱ではないことは、導入して使ってみればすぐに分かります。
地味だけど重要なのが、データ整備のところです。どのようなデータを集めるのかもそうですが、集めるデータが分かっていても、その品質を維持することは結構大変です。単にデータを集めれば良いというわけでもなく、データ分析したり活用しやすい形に加工する必要もあります。そして何よりも重要なのが、データ分析の「活用の視点」です。
どのように活用するのか分からないと、当たり前ですが、どのような分析結果や予測結果が必要なのかも分かりません。また、どのようなデータが必要なのかも分かりません。一つの考え方として、あまり縛られず自由に考えるというのもありますが、スピードや効率を求めるならデータ分析の「活用の視点」をあらかじめ定めておいたほうが、手っ取り早いでしょう。
データ分析の「活用の視点」があれば、データを絡めることで「業務がどのように変わるのか」が見えてきます。「業務がどのように変わるのか」が見えるということは、「IT化・データ分析活用化の前後の変化が見える」ということです。「IT化・データ分析活用化の前後の変化が見える」ということは、それによる工数の変化などが見え、システムの導入コストや運用コスト、データ分析活用による売上増や効率化の程度も見えてきます。少なくとも、ある程度の見積もりが出来ます。実は、この見積もることが出来るかどうかが重要です。
見積もりにより、どんなに楽天的に考えても不効率になったりコスト増になるのならば、どこかを変えなければなりません。その検討が少なくともできます。やっぱり「データ分析の『活用の視点』があると嬉しいよね」ということで、この点を緩くでも厳密でも構いませんが、持っておいたほうが良いでしょう。
