継続性を持たせる「データドリブン化」の仕組み データ分析講座(その197)

更新日

投稿日

 

 

データによる継続的改善を実現するには、どのような仕組みを作ればいいのでしょうか。このような話しをすると、クラウドなどのアーキテクチャー(システムの設計思想)を思い浮かべる方もいますが、ここでお話しするのはもっとシンプルなものです。今回は、「継続性を持たせる『データドリブン化』の仕組み」というお話しをします。

【目次】

1.「机上」と「現場」の2層構造
(1)営業例
(2)店舗例
(3)工場例

 

1.「机上」と「現場」の2層構造

次のような「机上」と「現場」の2層構造のサイクルを仕組み化し機能させることで、データドリブンな状態を作ることができることでしょう。

 

データ分析

 

「机上」とは、多くの人がイメージするデータ分析やデータサイエンス、機械学習などを実施する部分です。蓄積したデータに対し、データ分析を実施したり数理モデルを構築したりし、何かしらアウトプットを出す部分です。

多くの人は、机の上のコンピュータを使うため「机上」と表現しています。もちろん、机上の空論の意味での「机上」でもあります。要は、実際の現場ではないという意味です。「机上」の層の下に「現場」の層があります。この「現場」とは、データ活用する現場です。例えば、経営の現場、営業の現場、マーケティングの現場、生産の現場、経営企画の現場などです。データサイエンス用語で表現すると「ドメイン」と言われます。

 

(1)営業例

某IT系企業で実施している、新規顧客の開拓におけるデータドリブンなデータ分析・活用(データサイエンス実践)です。タイミング良く施策を実施し、効率的な新規顧客増を目指しています。

 

データ分析

 

「机上」(アナリティクス業務)では、受注履歴やCRM(顧客関係管理システム)、MA(マーケティング・オートメーション・ツール)などのデータに対し、データ分析をしたり数理モデル構築をしたりするなどをし、分析結果や予測結果など現場で実施する営業活動アイデア(アクション案など)を導き出します。

 

「現場」(データ分析・活用(データサイエンス実践)を実践する現場)では、「机上」で導き出された分析結果や予測結果など現場で実施する施策アイデア(アクション案など)をもとに、各営業パーソンが抱えているリード(見込み顧客)に対し、実施する施策(アクション)を検討し実行します。その結果、リード(見込み顧客)から何かしらの反応を得られます。

 

そこで、実施した施策とその結果がデータとして得られます。その「現場」(データ分析・活用(データサイエンス実践)を実施する現場)で発生したデータを蓄積します。

 

新たに得られたデータも使い、「机上」(アナリティクス業務)でさらなるデータ分析をしたり数理モデル構築をしたりするなどをし、分析結果や予測結果など現場で実施する施策アイデア(アクション案など)を導き出します。

 

このような流れが、延々と続きます。

 

(2)店舗例

某小売りチェーンの販売促進におけるデータドリブンなデータ分析・活用(データサイエンス実践)です。広告や新聞の折込チラシ、タイムセールなど色々な施策を織り交ぜながら、来店者数を増やしつつ売上増を、目指しています。

 

データ分析

 

「机上」(アナリティクス業務)では、POSデータや販促施策データ(広告や販促に関するデータ)などに対し、データ分析をしたり数理モデル構築をしたりするなどをし、分析結果や予測結果など現場で実施する施策アイデア(アクション案など)を導き出します。

 

「現場」(データ分析・活用(データサイエンス実践)を実践する現場)では、「机上」で導き出された分析結果や予測結果など現場で実施する施策アイデア(アクション案など)をもとに、広告宣伝部と販売促進部、各店舗の店長などが連携しながら実施する施策(アクション)を検討し実行します。その結果、店舗のある周辺住民から何かしらの反応を得られます。

 

そこで、実施した施策とその結果がデータとして得られます。その「現場」(データ分析・活用(データサイエンス実践)を実施する現場)で発生したデータを蓄積します。

 

新たに得られたデータも使い、「机上」(アナリティクス業務)でさらなるデータ分析をしたり数理モデル構築をしたりするなどをし、分析結果や予測結果など現場で実施する施策アイデア(アクション案など)を導き出します。

 

このような流れが、延々と続きます。

 

(3)工場例

某企業の工場の改善活動におけるデータドリブンなデータ分析・活用(データサイエンス実践)です。営業や販促活動だけでなく、生産系のデータ分析・活用(データサイエンス実践)でも同様の考え方で、データドリブンな状態を作れます。

 

データ分析

 

「机上」(アナリティクス業務)では、作業データ(機器などの設定データを含む)や生産データ(センサー系のデータ含む)などに対し、データ分析をしたり数理モデル構築をしたりするなどをし、分析結果や予測結果など現場で実施する施策アイデア(アクション案など)を導き出します。

 

「現場」(データ...

 

 

データによる継続的改善を実現するには、どのような仕組みを作ればいいのでしょうか。このような話しをすると、クラウドなどのアーキテクチャー(システムの設計思想)を思い浮かべる方もいますが、ここでお話しするのはもっとシンプルなものです。今回は、「継続性を持たせる『データドリブン化』の仕組み」というお話しをします。

【目次】

1.「机上」と「現場」の2層構造
(1)営業例
(2)店舗例
(3)工場例

 

1.「机上」と「現場」の2層構造

次のような「机上」と「現場」の2層構造のサイクルを仕組み化し機能させることで、データドリブンな状態を作ることができることでしょう。

 

データ分析

 

「机上」とは、多くの人がイメージするデータ分析やデータサイエンス、機械学習などを実施する部分です。蓄積したデータに対し、データ分析を実施したり数理モデルを構築したりし、何かしらアウトプットを出す部分です。

多くの人は、机の上のコンピュータを使うため「机上」と表現しています。もちろん、机上の空論の意味での「机上」でもあります。要は、実際の現場ではないという意味です。「机上」の層の下に「現場」の層があります。この「現場」とは、データ活用する現場です。例えば、経営の現場、営業の現場、マーケティングの現場、生産の現場、経営企画の現場などです。データサイエンス用語で表現すると「ドメイン」と言われます。

 

(1)営業例

某IT系企業で実施している、新規顧客の開拓におけるデータドリブンなデータ分析・活用(データサイエンス実践)です。タイミング良く施策を実施し、効率的な新規顧客増を目指しています。

 

データ分析

 

「机上」(アナリティクス業務)では、受注履歴やCRM(顧客関係管理システム)、MA(マーケティング・オートメーション・ツール)などのデータに対し、データ分析をしたり数理モデル構築をしたりするなどをし、分析結果や予測結果など現場で実施する営業活動アイデア(アクション案など)を導き出します。

 

「現場」(データ分析・活用(データサイエンス実践)を実践する現場)では、「机上」で導き出された分析結果や予測結果など現場で実施する施策アイデア(アクション案など)をもとに、各営業パーソンが抱えているリード(見込み顧客)に対し、実施する施策(アクション)を検討し実行します。その結果、リード(見込み顧客)から何かしらの反応を得られます。

 

そこで、実施した施策とその結果がデータとして得られます。その「現場」(データ分析・活用(データサイエンス実践)を実施する現場)で発生したデータを蓄積します。

 

新たに得られたデータも使い、「机上」(アナリティクス業務)でさらなるデータ分析をしたり数理モデル構築をしたりするなどをし、分析結果や予測結果など現場で実施する施策アイデア(アクション案など)を導き出します。

 

このような流れが、延々と続きます。

 

(2)店舗例

某小売りチェーンの販売促進におけるデータドリブンなデータ分析・活用(データサイエンス実践)です。広告や新聞の折込チラシ、タイムセールなど色々な施策を織り交ぜながら、来店者数を増やしつつ売上増を、目指しています。

 

データ分析

 

「机上」(アナリティクス業務)では、POSデータや販促施策データ(広告や販促に関するデータ)などに対し、データ分析をしたり数理モデル構築をしたりするなどをし、分析結果や予測結果など現場で実施する施策アイデア(アクション案など)を導き出します。

 

「現場」(データ分析・活用(データサイエンス実践)を実践する現場)では、「机上」で導き出された分析結果や予測結果など現場で実施する施策アイデア(アクション案など)をもとに、広告宣伝部と販売促進部、各店舗の店長などが連携しながら実施する施策(アクション)を検討し実行します。その結果、店舗のある周辺住民から何かしらの反応を得られます。

 

そこで、実施した施策とその結果がデータとして得られます。その「現場」(データ分析・活用(データサイエンス実践)を実施する現場)で発生したデータを蓄積します。

 

新たに得られたデータも使い、「机上」(アナリティクス業務)でさらなるデータ分析をしたり数理モデル構築をしたりするなどをし、分析結果や予測結果など現場で実施する施策アイデア(アクション案など)を導き出します。

 

このような流れが、延々と続きます。

 

(3)工場例

某企業の工場の改善活動におけるデータドリブンなデータ分析・活用(データサイエンス実践)です。営業や販促活動だけでなく、生産系のデータ分析・活用(データサイエンス実践)でも同様の考え方で、データドリブンな状態を作れます。

 

データ分析

 

「机上」(アナリティクス業務)では、作業データ(機器などの設定データを含む)や生産データ(センサー系のデータ含む)などに対し、データ分析をしたり数理モデル構築をしたりするなどをし、分析結果や予測結果など現場で実施する施策アイデア(アクション案など)を導き出します。

 

「現場」(データ分析・活用(データサイエンス実践)を実践する現場)では、「机上」で導き出された分析結果や予測結果など現場で実施する改善アイデア(アクション案など)をもとに、生産管理や工員などが抱えている歩留まり(良品の割合など)やサイクルタイムに関する課題に対し、実施する改善活動(アクション)を検討し実行します。その結果、歩留まり(良品の割合など)やサイクルタイムなどに変化は生まれます。

 

そこで、実施した施策とその結果がデータとして得られます。その「現場」(データ分析・活用(データサイエンス実践)を実施する現場)で発生したデータを蓄積します。

 

新たに得られたデータも使い、「机上」(アナリティクス業務)でさらなるデータ分析をしたり数理モデル構築をしたりするなどをし、分析結果や予測結果など現場で実施する改善アイデア(アクション案など)を導き出します。

 

このような流れが、延々と続きます。

 

 

   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
データ活用で肝となるモデルとは データ分析講座(その133)

◆ データ活用で肝となるモデルは、予測モデルや異常検知などの数理モデルだけではない  モデルと聞くと何を思い浮かべるでしょうか。データサイエンスなど...

◆ データ活用で肝となるモデルは、予測モデルや異常検知などの数理モデルだけではない  モデルと聞くと何を思い浮かべるでしょうか。データサイエンスなど...


IT化の不効率を加速させたビッグデータブーム データ分析講座(その75)

◆ 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...

◆ 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...


データドリブンとは「データ用いた継続的改善」である データ分析講座(その186)

  データ活用で重要なのは、続けることです。打ち上げ花火のような一発ドカンと何かをするのではなく、地味に続けることが重要です。打ち上げ花火...

  データ活用で重要なのは、続けることです。打ち上げ花火のような一発ドカンと何かをするのではなく、地味に続けることが重要です。打ち上げ花火...


「情報マネジメント一般」の活用事例

もっと見る
人的資源マネジメント:データ指向ものづくりがもたらす高い生産性

 今、ものづくりの現場が目指すべきは「データ指向ものづくり」だと思います。 今回は、インダストリー4.0のような次世代ものづくりの大波への備えともなる 「...

 今、ものづくりの現場が目指すべきは「データ指向ものづくり」だと思います。 今回は、インダストリー4.0のような次世代ものづくりの大波への備えともなる 「...


電子メール、簡潔過ぎると逆効果

◆電子メール:多忙な人に確実な返信をもらうテクニック  皆様は仕事で電子メールを一日に何通受信しますか、企業の従業員数、所属部署、職務、職位などでも...

◆電子メール:多忙な人に確実な返信をもらうテクニック  皆様は仕事で電子メールを一日に何通受信しますか、企業の従業員数、所属部署、職務、職位などでも...


‐社内の問題克服による開発活動‐  製品・技術開発力強化策の事例(その14)

 前回の事例その13に続いて解説します。社内における様々な問題を高いレベルで深く追及して解決することが、競争力のある技術を育成し、売れる製品を生み出す事に...

 前回の事例その13に続いて解説します。社内における様々な問題を高いレベルで深く追及して解決することが、競争力のある技術を育成し、売れる製品を生み出す事に...