データ活用上の「お困りごと」の混在とは データ分析講座(その275)

投稿日

 

情報マネジメント

 

データ活用を考えたとき、先ずはデータ活用する「現場のお困りごと」を考えるべきです。しかし「データのお困りごと」から入ってしまうケースが多々あります。「データのお困りごと」とは、データが足りない、データが汚い、データが入手しにくい、ということから起因するものです。要は、データ整備やデータ基盤などの「お困りごと」です。「現場のお困りごと」とは、売上をもう少し上げたい、営業を効率化したい、コストを下げたい、離反顧客を減らしたい、利益率をあげたい、取引額を拡大したい、などです。どちらも、データ活用上の「お困りごと」ですが、そこを混在して考えてしまうケースが多々あります。今回は「データ活用の『現場のお困りごと』と『データのお困りごと』」というお話しをします。

 

【目次】
1. ある航空会社の例
2. なぜ「データのお困りごと」を先に考えてしまうのか?
3. 現場ヒアリングとオペレーション
4. 現場の業務プロセスの中に、データ活用のテーマが眠っている

【この連載の前回:(その274)分析結果レポートのポイントへのリンク】

 

◆【特集】 連載記事紹介:連載記事のタイトルをまとめて紹介、各タイトルから詳細解説に直リンク!!

 

◆データ分析講座の注目記事紹介

 

1. ある航空会社の例

ある航空会社は、数年かけてデータ活用基盤を整備していました。その費用は決して安くありませんでした。あと1年でデータ活用基盤ができ上がろうとしたとき、外部からきた役員から次のような、素朴な質問がでました。「何がどう嬉しいのだっけ?」この答えが非常に難しく、担当者は難渋していました。

 

なぜならば「現場のお困りごと」に応えられるものではなく、売上アップやコストダウンにも寄与しているものではなかったからです。その担当者は、もともと航空券の価格設定(ダイナミックプライシング)を担当している部署にいました。その部署にいたときから、構築中のデータ基盤の一部の機能は利用できました。ダイナミックプライシングのためのデータや機能を搭載したもののはずでしたが、実際は使い物にならず、担当者が従来のやり方で実施していました。

 

なぜでしょうか?

 

現場のやり方から乖離している、もう少しいうと、現場のオペレーションから考えると非常に使いにくいものになっていました。なので、データ活用基盤からCSV形式で必要なデータを抜き出して、別の分析ツールでダイナミックプライシングの計算を実施し、その結果をデータ活用基盤に戻しつつ、必要なシステムに流すという業務をしていました。

 

データ活用基盤以前は、別のシステムからCSV形式で必要なデータを抜き出して、同様の業務をしていたので、データ活用基盤があろうがなかろうが業務内容も工数もほぼ変わりません。データ活用基盤の構築と運用コストだけ、コストアップしています。

 

要は、データ活用基盤が「現場のオペレーション」をサポートするようなものではなく、現場が利用していた(正確には、蓄積されていた)データを統合したものだったからです。

 

2. なぜ「データのお困りごと」を先に考えてしまうのか?

なぜ「データのお困りごと」を先に考えてしまうのでしょうか?たぶん、わかりやすいからです。データを統合する、データを一元化する、データを多くの部署から使えるようにする、そのためにデータ活用基盤という名のシステムを構築しよう。

 

要は、システム構築ということでわかりやすいからです。当然ですが、データと統合し一元化し多くの部署から使えるようにしても、それをどう使えばいいのかわからないと、使われません。多くの部署から使えるようにするといいながら、現場の状況を無視してシステムを作ると、使い勝手の良くないものが出来上がります。そうなると、データ活用基盤をサポートするアプリのようなものを、大量生産することになります。しかも、個々の部署で……

 

某企業で、事業部ごとに似たような営業リスト生成アプリを構築し運用していました。現場の状況を考慮したデータ活用基盤であれば、共通機能として標準装備できたかもしれません。

 

3. 現場ヒアリングとオペレーション

上記に対しての解決策は現場ヒアリングもしくは現場体験しかないと思います。先程の航空会社の例ですが、現場から情報提供を受けていたり、ヒアリングなどは実施していたのですが、視点がデー...

 

情報マネジメント

 

データ活用を考えたとき、先ずはデータ活用する「現場のお困りごと」を考えるべきです。しかし「データのお困りごと」から入ってしまうケースが多々あります。「データのお困りごと」とは、データが足りない、データが汚い、データが入手しにくい、ということから起因するものです。要は、データ整備やデータ基盤などの「お困りごと」です。「現場のお困りごと」とは、売上をもう少し上げたい、営業を効率化したい、コストを下げたい、離反顧客を減らしたい、利益率をあげたい、取引額を拡大したい、などです。どちらも、データ活用上の「お困りごと」ですが、そこを混在して考えてしまうケースが多々あります。今回は「データ活用の『現場のお困りごと』と『データのお困りごと』」というお話しをします。

 

【目次】
1. ある航空会社の例
2. なぜ「データのお困りごと」を先に考えてしまうのか?
3. 現場ヒアリングとオペレーション
4. 現場の業務プロセスの中に、データ活用のテーマが眠っている

【この連載の前回:(その274)分析結果レポートのポイントへのリンク】

 

◆【特集】 連載記事紹介:連載記事のタイトルをまとめて紹介、各タイトルから詳細解説に直リンク!!

 

◆データ分析講座の注目記事紹介

 

1. ある航空会社の例

ある航空会社は、数年かけてデータ活用基盤を整備していました。その費用は決して安くありませんでした。あと1年でデータ活用基盤ができ上がろうとしたとき、外部からきた役員から次のような、素朴な質問がでました。「何がどう嬉しいのだっけ?」この答えが非常に難しく、担当者は難渋していました。

 

なぜならば「現場のお困りごと」に応えられるものではなく、売上アップやコストダウンにも寄与しているものではなかったからです。その担当者は、もともと航空券の価格設定(ダイナミックプライシング)を担当している部署にいました。その部署にいたときから、構築中のデータ基盤の一部の機能は利用できました。ダイナミックプライシングのためのデータや機能を搭載したもののはずでしたが、実際は使い物にならず、担当者が従来のやり方で実施していました。

 

なぜでしょうか?

 

現場のやり方から乖離している、もう少しいうと、現場のオペレーションから考えると非常に使いにくいものになっていました。なので、データ活用基盤からCSV形式で必要なデータを抜き出して、別の分析ツールでダイナミックプライシングの計算を実施し、その結果をデータ活用基盤に戻しつつ、必要なシステムに流すという業務をしていました。

 

データ活用基盤以前は、別のシステムからCSV形式で必要なデータを抜き出して、同様の業務をしていたので、データ活用基盤があろうがなかろうが業務内容も工数もほぼ変わりません。データ活用基盤の構築と運用コストだけ、コストアップしています。

 

要は、データ活用基盤が「現場のオペレーション」をサポートするようなものではなく、現場が利用していた(正確には、蓄積されていた)データを統合したものだったからです。

 

2. なぜ「データのお困りごと」を先に考えてしまうのか?

なぜ「データのお困りごと」を先に考えてしまうのでしょうか?たぶん、わかりやすいからです。データを統合する、データを一元化する、データを多くの部署から使えるようにする、そのためにデータ活用基盤という名のシステムを構築しよう。

 

要は、システム構築ということでわかりやすいからです。当然ですが、データと統合し一元化し多くの部署から使えるようにしても、それをどう使えばいいのかわからないと、使われません。多くの部署から使えるようにするといいながら、現場の状況を無視してシステムを作ると、使い勝手の良くないものが出来上がります。そうなると、データ活用基盤をサポートするアプリのようなものを、大量生産することになります。しかも、個々の部署で……

 

某企業で、事業部ごとに似たような営業リスト生成アプリを構築し運用していました。現場の状況を考慮したデータ活用基盤であれば、共通機能として標準装備できたかもしれません。

 

3. 現場ヒアリングとオペレーション

上記に対しての解決策は現場ヒアリングもしくは現場体験しかないと思います。先程の航空会社の例ですが、現場から情報提供を受けていたり、ヒアリングなどは実施していたのですが、視点がデータに偏っていました。

 

どういうことかというと、その部署にあるデータや活用しているデータは何か? といったものが中心でした。提供されていた情報も、データ定義書の類のものです。重要なのは、現場の動きです。オペレーションです。現場の業務プロセスの中で、どのようにデータが生成され、そのデータを活用しているのなら、どのように加工し活用しているのか、というものです。

 

4. 現場の業務プロセスの中に、データ活用のテーマが眠っている

データ活用をしているかに関係なく、業務プロセスは抑えておいた方が良い気がします。そこに「現場のお困りごと」が眠っています。その中から、データでサポートできそうなお困りごとを探せば、それがデータ活用のテーマになります。

 

次回に続きます。

 

 

 

   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
PDCAサイクルと「スピード」 データ分析講座(その26)

◆ PDCAサイクルが、データ活用の足かせになるとき  ビッグデータであれリトルデータであれ、ビジネスで成果をあげ続けるためには、継続した運用が必要...

◆ PDCAサイクルが、データ活用の足かせになるとき  ビッグデータであれリトルデータであれ、ビジネスで成果をあげ続けるためには、継続した運用が必要...


コア技術の設定の視点  研究テーマの多様な情報源(その20)

  1.オープン・イノベーションの文脈の中での「コア技術」の定義  ◆関連解説『情報マネジメントとは』   前回のその...

  1.オープン・イノベーションの文脈の中での「コア技術」の定義  ◆関連解説『情報マネジメントとは』   前回のその...


脆弱性 制御システム(その9)

    【制御システム 連載目次】 1. セキュリティ脅威と歴史 2. サイバー攻撃事例、情報システムとの違い 3....

    【制御システム 連載目次】 1. セキュリティ脅威と歴史 2. サイバー攻撃事例、情報システムとの違い 3....


「情報マネジメント一般」の活用事例

もっと見る
個票データの共用化でコストダウン

 データ解析の効率は、生データとその整理の仕方で大きく異なると言えます。 例えば、アンケート結果は単なる生データであり、そのままでは解析出来ません。解析の...

 データ解析の効率は、生データとその整理の仕方で大きく異なると言えます。 例えば、アンケート結果は単なる生データであり、そのままでは解析出来ません。解析の...


‐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...


P値で行う統計リテラシー判定

 「ピーチ」って聞いたら何を連想しますか、統計を学んでいる人に取っては「 P値 」が思い浮かぶはずです。統計学の素養がある程度備わっているか一言で知ろうと...

 「ピーチ」って聞いたら何を連想しますか、統計を学んでいる人に取っては「 P値 」が思い浮かぶはずです。統計学の素養がある程度備わっているか一言で知ろうと...