データ分析のテーマ データ分析講座(その138)

更新日

投稿日

 

◆ 筋のいいテーマと積小為大

 データ分析のテーマには、筋の良いものと悪いものがあります。知らず知らずのうちに、筋の悪いテーマを選んでしまい、そのテーマに挑むと苦労も絶えません。そのテーマが、会社の生き死にを左右するとか、部署や製品にとって避けて通れない、挑むことが宿命付けられているのなら仕方ありませんがそうではなく、幾つかある複数テーマの中の選択肢の一つであるのなら、ぜひ避けたいものです。では、どうすればいいのでしょうか。今回は「筋のいいテーマと積小為大」というお話しをします。



1、筋の良し悪し

 幾つかのデータ分析の候補があり、その中から挑むテーマを選択する時、可能ならば筋の良いテーマを選びたいものです。しかしながら、筋の良し悪しの定義は、人によって異なります。そのため、当然ながらイメージすることも異なることでしょう。ここでは、筋の良し悪しを以下の2つの軸で考えます。

  • 容易性
  • インパクト

2、容易性

 容易性とは、どれだけ簡単に実現できるのかということです。もちろんテーマに関してです。もう少し具体的にいうと、「テーマと挙げられた問題解決が、データを使ってどれだけ容易に実現できるのか」ということです。容易性の観点は次の3つです。

  • 取得
  • 分析
  • 活用

(1) 取得に関する容易性

 取得とはデータ取得のことです。すぐ入手できるのであれば容易ですし、データそのものが存在せずこれから蓄積するのであれば容易とはいえません。

(2) 分析に関する容易性

 分析とは、入手したデータの整備・加工・集計・分析・モデル構築などのことです。データを入手できたからといっても、分析できる状態になっていることは少なく、何かしら整備や加工などが必要になります。これが意外と大変です。その後の集計や分析、モデル構築などは、ある程度のスキルがないと大変かどうかすら判断できないかもしれません。

(3) 活用に関する容易性

 活用とは、データ分析の結果や構築したモデルなどの結果をもとに実際に活用する、営業や生産、マーケティング、経営、調達など現場のことです。活用すること自体が簡単なのか、難しいのかは非常に大きなことです。現状の活動を大きく変えない活用は簡単です。しかし、現状の行動を大きく変える変革の場合、非常に難しくなります。

3、インパクト

 インパクトとは、データ分析を活用した時に得られる成果の大きさです。基本的に定量的な指標で表します。例えば、受注件数やセミナー申込者数、歩留まり(良品の割合)、事業貢献利益率、コストカットの割合などです。活用する現場によって、インパクトの指標が異なると、テーマ選定やテーマ評価の際に困ります。そのため、可能であればすべて「金額(円)」で表現するようにしましょう。そう考えると、インパクトとはデータ分析・活用によってもたらされる「金額(円)」です。

(1) 筋の良いテーマとは

 容易性 × インパクトの掛け算で考えたとき、筋の良いテーマはどうなるでしょうか?筋の良いテーマとは「簡単でインパクトが大きい」テーマです(下図)

 そのため、複数のテーマ候補があるのなら、簡単でインパクトが大きいテーマを選びましょう、となります。しかし、ビッグデータだ! データサイエンスだ!! 機械学習だ!!! と盛り上がっている時、決まって「インパクトが大きいが難しいテーマ」を選びがちです。なぜあえて難しいテーマを選ぶのか謎なくらい「インパクトが大きいが難しいテーマ」を選んでいるのです。

 実現に月日が必要で、労の大きさを考えると、パフォーマンス効率は良いとはいえません。実現すれば「おぉー」という感嘆の声が聞こえるかもしれませんが、非常に大きな忍耐力が必要となります。

 ですので、会社の生き死にを左右するとか、部署や製品にとって避けて通れない、挑むことが宿命付けられているのでなければ「簡単でインパクトが大きいテーマ」を選び、ガンガン成果を生み出し続けたほうがいいでしょう。特に、データ分析・活用の経験値がまだ十分でない場合「簡単でインパクトが大きいテーマ」を次から次へと片付けて成果を出し続けることは、大きな経験となります。

(2) 積小為大なテーマ

 「簡単でインパクトが大きいテーマ」が、いつでもあるわけではありませんし、あってもそれほど多くはありません。多くのデータ分析のテーマ候補は「インパクトが大きいが難しいテーマ」もしくは「簡単だけどインパクトの小さなテーマ」になります(下図)

 ちなみに「インパクトが小さく難しいテーマ」は論外です。ここで一つの大きな悩みが生まれます。「インパクトが大きいが難しいテーマ」と「簡単だけどインパクトの小さなテーマ」どちらを優先して選ぶべきか?

 これという答えはありませんが、まだデータ分析・活用の成果が出ていないのなら「簡単だけどインパクトの小さなテーマ」を優先すべきです。理由はあります。

 「簡単だけどインパクトの小さなテーマ」の場合、簡単に成果が出るため、成功体験をどんどん詰めて、関わった人のデータ分析・活用の能力を高めるからです。

 インパクトの小さなテーマであっても、成果は成果です。「ちりも積もれば山となる」ということで「簡単だけどインパクトの小さなテーマ」に挑み、小さなビジネス成果を積み上げることで、それなりの大きなビジネス成果へとなります。まさに、二宮尊徳の「...

 

◆ 筋のいいテーマと積小為大

 データ分析のテーマには、筋の良いものと悪いものがあります。知らず知らずのうちに、筋の悪いテーマを選んでしまい、そのテーマに挑むと苦労も絶えません。そのテーマが、会社の生き死にを左右するとか、部署や製品にとって避けて通れない、挑むことが宿命付けられているのなら仕方ありませんがそうではなく、幾つかある複数テーマの中の選択肢の一つであるのなら、ぜひ避けたいものです。では、どうすればいいのでしょうか。今回は「筋のいいテーマと積小為大」というお話しをします。



1、筋の良し悪し

 幾つかのデータ分析の候補があり、その中から挑むテーマを選択する時、可能ならば筋の良いテーマを選びたいものです。しかしながら、筋の良し悪しの定義は、人によって異なります。そのため、当然ながらイメージすることも異なることでしょう。ここでは、筋の良し悪しを以下の2つの軸で考えます。

  • 容易性
  • インパクト

2、容易性

 容易性とは、どれだけ簡単に実現できるのかということです。もちろんテーマに関してです。もう少し具体的にいうと、「テーマと挙げられた問題解決が、データを使ってどれだけ容易に実現できるのか」ということです。容易性の観点は次の3つです。

  • 取得
  • 分析
  • 活用

(1) 取得に関する容易性

 取得とはデータ取得のことです。すぐ入手できるのであれば容易ですし、データそのものが存在せずこれから蓄積するのであれば容易とはいえません。

(2) 分析に関する容易性

 分析とは、入手したデータの整備・加工・集計・分析・モデル構築などのことです。データを入手できたからといっても、分析できる状態になっていることは少なく、何かしら整備や加工などが必要になります。これが意外と大変です。その後の集計や分析、モデル構築などは、ある程度のスキルがないと大変かどうかすら判断できないかもしれません。

(3) 活用に関する容易性

 活用とは、データ分析の結果や構築したモデルなどの結果をもとに実際に活用する、営業や生産、マーケティング、経営、調達など現場のことです。活用すること自体が簡単なのか、難しいのかは非常に大きなことです。現状の活動を大きく変えない活用は簡単です。しかし、現状の行動を大きく変える変革の場合、非常に難しくなります。

3、インパクト

 インパクトとは、データ分析を活用した時に得られる成果の大きさです。基本的に定量的な指標で表します。例えば、受注件数やセミナー申込者数、歩留まり(良品の割合)、事業貢献利益率、コストカットの割合などです。活用する現場によって、インパクトの指標が異なると、テーマ選定やテーマ評価の際に困ります。そのため、可能であればすべて「金額(円)」で表現するようにしましょう。そう考えると、インパクトとはデータ分析・活用によってもたらされる「金額(円)」です。

(1) 筋の良いテーマとは

 容易性 × インパクトの掛け算で考えたとき、筋の良いテーマはどうなるでしょうか?筋の良いテーマとは「簡単でインパクトが大きい」テーマです(下図)

 そのため、複数のテーマ候補があるのなら、簡単でインパクトが大きいテーマを選びましょう、となります。しかし、ビッグデータだ! データサイエンスだ!! 機械学習だ!!! と盛り上がっている時、決まって「インパクトが大きいが難しいテーマ」を選びがちです。なぜあえて難しいテーマを選ぶのか謎なくらい「インパクトが大きいが難しいテーマ」を選んでいるのです。

 実現に月日が必要で、労の大きさを考えると、パフォーマンス効率は良いとはいえません。実現すれば「おぉー」という感嘆の声が聞こえるかもしれませんが、非常に大きな忍耐力が必要となります。

 ですので、会社の生き死にを左右するとか、部署や製品にとって避けて通れない、挑むことが宿命付けられているのでなければ「簡単でインパクトが大きいテーマ」を選び、ガンガン成果を生み出し続けたほうがいいでしょう。特に、データ分析・活用の経験値がまだ十分でない場合「簡単でインパクトが大きいテーマ」を次から次へと片付けて成果を出し続けることは、大きな経験となります。

(2) 積小為大なテーマ

 「簡単でインパクトが大きいテーマ」が、いつでもあるわけではありませんし、あってもそれほど多くはありません。多くのデータ分析のテーマ候補は「インパクトが大きいが難しいテーマ」もしくは「簡単だけどインパクトの小さなテーマ」になります(下図)

 ちなみに「インパクトが小さく難しいテーマ」は論外です。ここで一つの大きな悩みが生まれます。「インパクトが大きいが難しいテーマ」と「簡単だけどインパクトの小さなテーマ」どちらを優先して選ぶべきか?

 これという答えはありませんが、まだデータ分析・活用の成果が出ていないのなら「簡単だけどインパクトの小さなテーマ」を優先すべきです。理由はあります。

 「簡単だけどインパクトの小さなテーマ」の場合、簡単に成果が出るため、成功体験をどんどん詰めて、関わった人のデータ分析・活用の能力を高めるからです。

 インパクトの小さなテーマであっても、成果は成果です。「ちりも積もれば山となる」ということで「簡単だけどインパクトの小さなテーマ」に挑み、小さなビジネス成果を積み上げることで、それなりの大きなビジネス成果へとなります。まさに、二宮尊徳の「積小為大」(小を積んで大を致す)です。組織的な余裕と、データ分析・活用のある程度の経験値があるのなら「インパクトが大きいが難しいテーマ」に挑み、中長期的な成果を目指すのもいいでしょう。

4、今回のまとめ

 今回は「筋のいいテーマと積小為大」というお話しをしました。幾つかのデータ分析の候補があり、その中から挑むテーマを選択する時、可能ならば筋の良いテーマを選びましょう。

  ここでは、筋の良し悪しを以下の2つの軸で考えます。容易性とは、データ取得の容易性のほか、分析やモデル構築の容易性、その結果についての活用のしやすさという意味での容易性です。インパクトは、そのテーマに挑み得られる「金額(円)」です。売上アップ額、コストカット額などです。

 この2軸で考えたとき、筋の良いテーマとは「簡単でインパクトが大きいテーマ」のことです。「簡単でインパクトが大きいテーマ」の次に優先すべきは「簡単だけどインパクトの小さなテーマ」です。データ分析・活用の経験に不安がある場合には、小さなテーマに挑みどんどん成果を出すことで、大きなビジネス成果を生み出すとともに、データ分析・活用の経験値を蓄積します。組織的な余裕と、データ分析・活用のある程度の経験値があるのなら「インパクトが大きいが難しいテーマ」に挑むのも良いでしょう。

   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
データ文化を醸成するには データ分析講座(その121)

◆ データ文化を醸成するための第一歩  データ文化のある会社もあれば、無い会社もあります。またデータ文化のある部署もあれば、無い部署もあります。少な...

◆ データ文化を醸成するための第一歩  データ文化のある会社もあれば、無い会社もあります。またデータ文化のある部署もあれば、無い部署もあります。少な...


最近多いケーススタディ⑥「モニタリング指標の異常検知」 データ分析講座(その193)

    データを使い販売力を効率的に高めるセールスアナリティクスには、3つの典型的なテーマがあります。 新規顧客の獲得 既...

    データを使い販売力を効率的に高めるセールスアナリティクスには、3つの典型的なテーマがあります。 新規顧客の獲得 既...


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
‐販路開拓に関する問題 第1回‐  製品・技術開発力強化策の事例(その17)

 前回の事例その16に続いて解説します。開発が完了したから販売先を探す。そのような考え方で開発に従事することは根本的に間違っている事は既に述べました。開発...

 前回の事例その16に続いて解説します。開発が完了したから販売先を探す。そのような考え方で開発に従事することは根本的に間違っている事は既に述べました。開発...


‐技術開発の目標について 第2回‐  製品・技術開発力強化策の事例(その16)

 技術開発の目標を解説する以下の項目4点について、前回は、1と2を解説しましたので、今回は、第2回として、3と4を記述します。          1....

 技術開発の目標を解説する以下の項目4点について、前回は、1と2を解説しましたので、今回は、第2回として、3と4を記述します。          1....


簡易版DX/IoTから機械学習への移行

  DX(デジタル・トランスフォーメーション)を使えばコスト削減と納期短縮が可能に 産業界のニュースなどをインターネットで読んでいると、DX...

  DX(デジタル・トランスフォーメーション)を使えばコスト削減と納期短縮が可能に 産業界のニュースなどをインターネットで読んでいると、DX...