運用型データ分析単体では実現不可能 データ分析講座(その104)

更新日

投稿日

データ分析

◆ 問題解決型データ分析と運用型データ分析

 データ分析・活用では大きく2つの型があるのではないかと思います。「問題解決型データ分析」と「運用型データ分析」です。このどちらを実施しているのかを把握しておくことは重要です。今回は「問題解決型データ分析と運用型データ分析」というお話しです。

1. データ分析とは

 そもそもデータ分析とは何でしょうか?

 人によって定義やイメージが異なるかもしれませんが、ただデータを分析しただけでは何も得られません。何らかの目的をもって分析をします。

 「うちは、目的無き分析をしてしまっている」という企業様でさえ、よくよく聞いてみると目的があったりします。明確であるとか、具体的であるなど、そういうことを脇に置けば何かしら目的があります。

 例えば「新たな知見を発掘する」「売上を上げる」「生産性を上げる」「コストを下げる」「残業時間を減らす」「歩留まりを改善する」「サイクルタイムを短縮する」「品質アップ」「何かしらデータを活用する」などが浮かんできます。

 何はともあれ目的に沿った形のアウトプットが求められます。

 つまりデータを分析した後に、目的に適ったアウトプットに向けた「知恵の統合」が必要になります。知恵の統合とは、データを分析することで得られた個々の知見だけではなく、データ以外の情報なども融合することです。データ分析とは、目的を達成するためにデータを分析し知恵を統合することです。

2. 問題解決型データ分析

 「問題解決型データ分析」とは、従来の問題解決アプローチの中で積極的にデータを絡めていくというものです。そうすることで、できるだけ数字で問題解決を進めていくことになります。

 例えば、感覚や直観的なモノをできるだけ数字に置き換えることで、より客観性を増すことになります。しかし現実はそう簡単でもありません。世の中のすべてがデータ化されているわけではないからです。

 現実は、主観×客観の融合になります。データ分析の結果をありのままに見る観察力と、データ以外の部分を分析結果に組み込む洞察力が必要になってきます。

 つまり「人」が重要なファクターとなります。人次第といっても過言ではありません。少なくとも現在のAIには無理でしょう。なぜならデータ化されていない世界を組み込むことができませんし、仮にデータ化されていても全く場違いな情報を組み合わせることがAIでは難しいからです。

3. 運用型データ分析

 「運用型データ分析」では、日々の業務活動の中にルーティンに近い形で、データを活用し業務をより良いものにします。

 人の手がある程度離れたデータ分析・活用(自動化・機械化・AI化・テンプレート化など)で、インターネット広告や人事関連業務などで使われているAd-TechやHR-Techなどがこれにあたり、略称で「〇〇Tech」といわれています。

 例えば、定期的に同じ質問項目で市場調査をしていたとします。毎回、同じオペレーションで調査設計から回答者のリクルーティング、実査、アンケート回収、集計、レポーティングと進んでいれば、かなりの部分が自動化されます。またインターネット広告などで、いくつかのクリエイティブを準備し、クリックされる割合の良いものを自動的に露出を高めることもできます。

 運用型データ分析は、インターネットの世界を中心に進んでいる印象がありますが、実際はそうでもありません。

 例えばFA(ファクトリーオートメーション)という言葉が示す通り生産現場では、昔から当たり前のように実現していました。FAとは簡単にいうと人的作業をロボットなどを活用して無人化することです。大量のデータが発生し、そのデータをもとに制御を行います。生産現場のようなブルーカラーの業務では、生産性を向上をさせるために積極的にデータ分析・活用がさなれており運用型データ分析の典型といえます。

 従来から問題になっているのは、ホワイトカラーの業務のためのデータ分析・活用です。ホワイトカラーというキーワードで考えた時、インターネットの世界を中心に進んでいる印象があります。営業活用のためのCRM/SFA(顧客関係管理システムなど)などホワイトカラーのための運用型データ分析が整備されてきました。

4. 運用型データ分析の前と後に、問題解決型データ分析がある

 「問題解決型データ分析」と「運用型データ分析」は、まったく別物で独立しているのかというとそうでもありません。この2つは密接に絡まり合っています。端的にいうと「問題...

データ分析

◆ 問題解決型データ分析と運用型データ分析

 データ分析・活用では大きく2つの型があるのではないかと思います。「問題解決型データ分析」と「運用型データ分析」です。このどちらを実施しているのかを把握しておくことは重要です。今回は「問題解決型データ分析と運用型データ分析」というお話しです。

1. データ分析とは

 そもそもデータ分析とは何でしょうか?

 人によって定義やイメージが異なるかもしれませんが、ただデータを分析しただけでは何も得られません。何らかの目的をもって分析をします。

 「うちは、目的無き分析をしてしまっている」という企業様でさえ、よくよく聞いてみると目的があったりします。明確であるとか、具体的であるなど、そういうことを脇に置けば何かしら目的があります。

 例えば「新たな知見を発掘する」「売上を上げる」「生産性を上げる」「コストを下げる」「残業時間を減らす」「歩留まりを改善する」「サイクルタイムを短縮する」「品質アップ」「何かしらデータを活用する」などが浮かんできます。

 何はともあれ目的に沿った形のアウトプットが求められます。

 つまりデータを分析した後に、目的に適ったアウトプットに向けた「知恵の統合」が必要になります。知恵の統合とは、データを分析することで得られた個々の知見だけではなく、データ以外の情報なども融合することです。データ分析とは、目的を達成するためにデータを分析し知恵を統合することです。

2. 問題解決型データ分析

 「問題解決型データ分析」とは、従来の問題解決アプローチの中で積極的にデータを絡めていくというものです。そうすることで、できるだけ数字で問題解決を進めていくことになります。

 例えば、感覚や直観的なモノをできるだけ数字に置き換えることで、より客観性を増すことになります。しかし現実はそう簡単でもありません。世の中のすべてがデータ化されているわけではないからです。

 現実は、主観×客観の融合になります。データ分析の結果をありのままに見る観察力と、データ以外の部分を分析結果に組み込む洞察力が必要になってきます。

 つまり「人」が重要なファクターとなります。人次第といっても過言ではありません。少なくとも現在のAIには無理でしょう。なぜならデータ化されていない世界を組み込むことができませんし、仮にデータ化されていても全く場違いな情報を組み合わせることがAIでは難しいからです。

3. 運用型データ分析

 「運用型データ分析」では、日々の業務活動の中にルーティンに近い形で、データを活用し業務をより良いものにします。

 人の手がある程度離れたデータ分析・活用(自動化・機械化・AI化・テンプレート化など)で、インターネット広告や人事関連業務などで使われているAd-TechやHR-Techなどがこれにあたり、略称で「〇〇Tech」といわれています。

 例えば、定期的に同じ質問項目で市場調査をしていたとします。毎回、同じオペレーションで調査設計から回答者のリクルーティング、実査、アンケート回収、集計、レポーティングと進んでいれば、かなりの部分が自動化されます。またインターネット広告などで、いくつかのクリエイティブを準備し、クリックされる割合の良いものを自動的に露出を高めることもできます。

 運用型データ分析は、インターネットの世界を中心に進んでいる印象がありますが、実際はそうでもありません。

 例えばFA(ファクトリーオートメーション)という言葉が示す通り生産現場では、昔から当たり前のように実現していました。FAとは簡単にいうと人的作業をロボットなどを活用して無人化することです。大量のデータが発生し、そのデータをもとに制御を行います。生産現場のようなブルーカラーの業務では、生産性を向上をさせるために積極的にデータ分析・活用がさなれており運用型データ分析の典型といえます。

 従来から問題になっているのは、ホワイトカラーの業務のためのデータ分析・活用です。ホワイトカラーというキーワードで考えた時、インターネットの世界を中心に進んでいる印象があります。営業活用のためのCRM/SFA(顧客関係管理システムなど)などホワイトカラーのための運用型データ分析が整備されてきました。

4. 運用型データ分析の前と後に、問題解決型データ分析がある

 「問題解決型データ分析」と「運用型データ分析」は、まったく別物で独立しているのかというとそうでもありません。この2つは密接に絡まり合っています。端的にいうと「問題解決型データ分析」は単体で実現可能です。一方「運用型データ分析」は単体では実現可能ではありません。

 「問題解決型データ分析」は「運用型データ分析」を必要としませんが「運用型データ分析」は「問題解決型データ分析」を必要とします。

 「問題解決型データ分析」は問題を発見したあと課題を定義、次いで考えた対策案を実行し、その実行結果を評価すれば終了します。この際「実行」の段階でデータ分析・活用をするのなら、それは「運用型データ分析」になります。

 「運用型データ分析」は、日々の業務の中でデータを活用しより良くしなければなりません。日々の業務のどこで、どのようなデータを集め加工し、どのようなアルゴリズムを走らせるのかを「運用型データ分析」を実施する前に考えなければなりません。それを考えるのが「問題解決型データ分析」なのです。

 そして「運用型データ分析」の良し悪しを定期的に評価し、次に向けたより良い「運用型データ分析」に進化させる必要性も出てきます。その評価分析をするのは「問題解決型データ分析」です。

   続きを読むには・・・


この記事の著者

高橋 威知郎

データネクロマンサー/データ分析・活用コンサルタント (埋もれたデータに花を咲かせる、データ分析界の花咲じじい。それほど年齢は重ねてないけど)

データネクロマンサー/データ分析・活用コンサルタント (埋もれたデータに花を咲かせる、データ分析界の花咲じじい。それほど年齢は重ねてないけど)


「情報マネジメント一般」の他のキーワード解説記事

もっと見る
自動機械学習 データ分析講座(その184)

    ◆ 古くて新しい自動機械学習 似たような数理モデルあり、その中から数理モデルを選択してモデル構築する場合のことです。この...

    ◆ 古くて新しい自動機械学習 似たような数理モデルあり、その中から数理モデルを選択してモデル構築する場合のことです。この...


テーマ設定とギャップ分析 データ分析講座(その199)

    データ分析・活用(データサイエンス実践)の「テーマ設定」の流れについて簡単に説明します。テーマ設定の入口は、現場の「お困り...

    データ分析・活用(データサイエンス実践)の「テーマ設定」の流れについて簡単に説明します。テーマ設定の入口は、現場の「お困り...


SOR理論 データ分析講座(その132)

◆ なぜ見える化しても成果が出ないのか、その解をSOR理論から探る  データを溜めて見える化したのに上手くいかない要因は色々考えられます。その中の一...

◆ なぜ見える化しても成果が出ないのか、その解をSOR理論から探る  データを溜めて見える化したのに上手くいかない要因は色々考えられます。その中の一...


「情報マネジメント一般」の活用事例

もっと見る
‐時代の流れを意識した開発テ-マの設定‐  製品・技術開発力強化策の事例(その5)

 前回の事例その4に続いて解説します。時代の流れに沿う開発テ-マとして、最近では、高齢者介護機器、環境関連機器、省エネ機器、情報技術(IT)等に関心が注が...

 前回の事例その4に続いて解説します。時代の流れに沿う開発テ-マとして、最近では、高齢者介護機器、環境関連機器、省エネ機器、情報技術(IT)等に関心が注が...


ソーシャルメディアデータの解析事例:異分野研究から得られる共通した目的とは

 2020年、コロナウィルス感染の問題が大きくなり始めた頃、少人数の開催ということで、ソーシャルメディアデータ解析を専門にされている先生の講演会を聞く...

 2020年、コロナウィルス感染の問題が大きくなり始めた頃、少人数の開催ということで、ソーシャルメディアデータ解析を専門にされている先生の講演会を聞く...


中小企業のセキュリティ対策を考える

◆ 企業の情報セキュリティと新型コロナウィルス対策の今  先日、駅のプラットフォ-ムで並んでいる時に、控えめに咳をしたら、前に並んでいた人にすかさず...

◆ 企業の情報セキュリティと新型コロナウィルス対策の今  先日、駅のプラットフォ-ムで並んでいる時に、控えめに咳をしたら、前に並んでいた人にすかさず...