◆ 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。その中の一つが、データがきちんと蓄積されないというものがあります。しかし不思議なことに、データが綺麗にきちんと蓄積され、思い通りに見える化しているのに、データ活用が上手くいかないこともあります。今回は「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」というお話しをします。
1、SR理論
SOR理論（Stimulus-Organism-Response Theory）に先立ち、行動心理学の世界では、SR理論（Stimulus-Response Theory）という考え方がありました。
- 刺激（S:Stimulus）
- 反応（R:Response）
行動を、刺激（S:Stimulus）に対する反応（R:Response）としてとらえたものです。データ分析に馴染みのある方であれば、統計解析などのモデルで使われる「X（説明変数）」と「Y（目的変数）」の概念で捉えた方が分かりやすいかもしれません。
- 刺激（S:Stimulus）：X（説明変数）
- 反応（R:Response）：Y（目的変数）
有名なところではパブロフ犬で有名な条件反射の実験でしょう。実験の結果、犬にベルの音（X）という刺激を聞かせると、唾液（Y）を分泌するという反応が得られるようになりました。
ビジネスでの例では、広告（X）を打てば売上（Y）が上がる。機器の稼働時間（X）が長くなると歩留まり（Y）が悪化する。など色々と考えられそうです。しかしここである問題が起こります。それは、常にSRだけでは説明できない現象が多々起こったからです。
例えば広告を打ったからといってすべての人がその商品を購入するわけではありませんし、歩留まりが悪化するタイミングと稼働時間の関係が同じ機器でも状況によって異なってくるからです。ビジネス系のデータサイエンス（統計モデリングなど）の世界では、異質性（heterogeneity）という言葉で表現され、数理モデルなどが構築されます。
2、SOR理論
SOR理論は、SR理論に「有機体（O:Organism）」という概念を付け加えたもので、心理学者のC.L.ハルが提唱しました。「有機体（O:Organism）」とは人間であったり動物であったりします。SRだけでは説明できない現象を「有機体（O:Organism）」という概念を導入することで説明できるようにしました。
「有機体（O:Organism）」をもう少し説明すると、行動心理学的には生物個体特有の内的要因（知覚、遺伝、性格、欲求など）で、個体によって異なってきます。AさんとBさんでは性格や欲求が異なるというものです。
このことが、同じ刺激（S:Stimulus）を与えても、有機体（O:Organism）が異なれば、異なる反応（R:Response）が返ってくる、という現象を説明できるようにしています。
例えば人によって好き嫌いは異なりますし、慣れ親しんだものも異なります。そのような個人差があるため、同じ広告を見たからといっても、その商品を買いたくなるかどうかは、人によって異なってきます。ビジネス系のデータサイエンスの世界であれば、生物個体だけでなくAIであったり、装置であったり、工場のラインなども付け加わります。統計解析のモデルで語れば同じX（説明変数）を与えても、個体によってY（目的変数）の値が変わるということです。
3、SOR理論: 販売促進の例
簡単な例で説明します。ある小売チェーンの販売促進の例です。
- 刺激（S:Stimulus） ：販売促進施策（折込チラシ、店頭POP、タイムセールなど）など
- 有機体（O:Organism）：ターゲット顧客
- 反応（R:Response ）：来店、購入など
ターゲット顧客により効果のある販売促進施策が異なってきます。例えば総菜のタイムセールを実施した時、10歳未満の女性、10代女性と20代女性、30代女性…60代女性など世代により反応は異なることでしょうし、折込チラシの目玉商品が1パック10円の生卵であっても卵アレルギーの人と卵好きの人では反応は変わってきます。
4、SOR理論: 工場ラインの例
ある食品メーカーの工場ラインの例です。
- 刺激（S:Stimulus） ：製造条件、動線など
- 有機体（O:Organism）：工場ライン
- 反応（R:Response） ：歩留、サイクルタイムなど
同じ製品を製造し全く同じ工場ラインでも、意外と歩留（製造した製品の良品率）が異なってきます。日本の工場と中国の工場、タイの工場などで同じ製造条件下で同じ製品を製造しても、歩留の状況は違います。工員の熟練度や気候、機器のメンテナンス状況などに差異があるからかもしれません。人的要素が大きいライン（手組がメインのラインなど）ほど異なってきます。
5、SOR理論: 3種類のデータと2種類の情報
「どういった刺激を与えると、どのような反応が返ってくるのか」については本当のところ、実際にデータを取らなければ分かりません。次の3種類のデータを蓄積することになります。
- 刺激 （S:Stimulus）のデータ ：X（説明変数）
- 有機体 （O:Organism）のデータ
- 反応 （R:Response）のデータ：Y（目的変数）
このようなデータを蓄積すると以下のような2種類の情報を得ることができます。
- レコメンド情報
- モニタリング情報
レコメンド情報とは、どのような「刺激（S:Stimulus）」をすべきかという情報です。モニタリング情報とは「刺激（S:Stimulus）」を与えた結果、どうなったのかという「反応（R:Response）」に関する情報です。通常「見える化」といった場合、こちらのモニタリング情報を指すことが多いようです。
【「見える化」≒「モニタリング情報」になっていないか】
データを溜めて見える化したのに上手くいかない場合の大きな要因の一つに、見える化しているものが、実は「反応（R:Response）」に関する情報だけだった、というものがあります。もちろん「反応（R:Response）」に関する情報で、次のアクションが見えることもありますし次のアクションを起こせることもあります。どうせなら次のアクションを示唆するレコメンド情報も提示してあげると良いでしょう。
6、データ活用のちょっとした分類
X（説明変数）とY（目的変数）を使ってデータ活用をいくつかに分類してみます。
【今のYに着目】
モニタリング → 主にYの状況を日々確認
異常検知 → 確認しているYに異常が今起こっていないか評価
【未来のYに着目】
将来予測 → 今後Yがどうなりそうかを予測
予兆検知 → 異常が未来にどのくらい起こりそうか評価
【今までのXに着目】
要因分析 → Xがどの程度Yに影響を与えそうか評価
【あるべきXに着目】
最適化 → 理想的なYになるためにはXはどうなるべきかについて示唆
要は「X：説明変数...
