2024年7月4日(木) 〜 6日(土)に開催された、IVS KYOTO実行委員会主催『IVS2024 KYOTO』　にて白井が登壇したパネルセッションについてのリポート記事が、日経クロストレンドに掲載されました。

日経クロストレンド（2024年8月14日掲載）

生成AI、日本の勝ち筋はこれだ！　IVS2024 KYOTOで語られた2つの道

https://xtrend.nikkei.com/atcl/contents/18/00739/00015/

※登壇内容については以下をご確認ください。

https://www.dataadventure.co.jp/post-695/

当サイト『提供サービス』ページをリニューアルし、下記サービスの詳細ページを公開しました。

・「エキスパート人材支援サービス」ページの公開

・「メンバーズデータアドベンチャースタッフサービス」ページの公開

ぜひご確認ください。

『お役立ち情報』ページに下記のサービス資料を追加しました。

・「データ分析サポート特化型派遣サービス」のご紹介

・「エキスパート人材支援サービス」のご紹介

お役立ち情報ページはこちら

2024年7月23日（火）に開催される、 Marketing Native編集部主催『Marketing Native Fes 2024 Summer』にカンパニー社長の白井が登壇します。

当サイトにて『メディア』ページをリリースしました。
データ活用に役立つ記事をご覧いただけますので、ぜひご利用ください。

『メディア』ページはこちら

こんにちは。データアドベンチャーの北島です。
今回は、データ活用を「これからはじめよう」または「はじめているが自分たちのやっていることが正しいのか不安を感じている・・」そんなみなさまへお伝えしたい内容です。

執筆者のご紹介

北島史徒
株式会社メンバーズ　メンバーズデータアドベンチャー　サービス開発室 所属
戦略プランナー
データ活用におけるお客様の課題に対して高付加価値のサービスを提供する「エキスパートサービス」の開発や、実際にお客様へ課題のヒアリング～提案業務を行っています。
経歴：2019年 株式会社メンバーズ入社。顧客専任のデジタルマーケティング運用支援チームのマネージャーとして顧客のデジタルトランスフォーメーション（以下DX）やカスタマーサクセスの推進を支援。2023年からデータアドベンチャーのサービス開発室へジョインし、データをキーに顧客のDX、カスタマーサクセスの推進をサービス開発という立場から後方支援しています。

目次
01.| データ活用、何からはじめる？
02.| とりあえず社内ではじめてみた、でも不安・・
03.| データ活用に必要なプロセスとは？
04.| データ活用に必要な環境とは？
05.| データ有識者をお客様のすぐそばに

データ活用、何からはじめる？

①そもそもデータ活用とは？

企業が業務で発生する情報をデータとして収集・蓄積したり、または分析することで、社内の生産性向上や売上向上などをビジネスに役立てることを目指す取り組みです。

②データ活用のメリットは？

データは１つ１つに意味があり重要な資産ですが、そのデータをどう読み解いてビジネスに役立てるかがビジネス成果を目指す上で重要になってきます。データに関する理解度や読み解くスキル、データによる意思決定を定着させる社内の組織的な文化の醸成が大変重要になってきます。

③お客様のよくあるお困りごととは？

ふだん私たちがお客様との対話の中で、よくお聞きする内容です。

データ活用がこれからのお客様のお悩み

※当社サービス資料より引用

経営層などから中期経営計画でDXの推進といった戦略が掲げられ、取り組む方針も漠然と抽象度の高い状態で与えられるケースが一般的です。
戦略や方針が落ちてきても次の具体的なアクションについて「何をどのように進めたらいいのかわからない・・」そのような声をよくお聞きしてきました。

とりあえず社内ではじめてみた、でも不安・・

ふだん私たちがお客様との対話の中で、よくお聞きする内容です。

データ活用を進めているお客様のお悩み

※当社サービス資料より引用

これらの背景としては、社内人材のデータに関する知見・ノウハウ不足が挙げられることが多いです。

• データ活用を推進したいが、データに詳しい特化人材がいない
• 本業と兼務し片手間でデータ分析をしている
• データ人材を育成しよう！といっても、そのノウハウが社内に無い

データ活用に必要なプロセスとは？

データアドベンチャーでは、データ活用を大きく3つのフェーズ、8つのステップに分類することで、お客様がどのプロセスでお困りごとがあるのかをお伺いしています。

データ活用のプロセス

※当社サービス資料より引用

3つのフェーズ

• データ分析・活用構想：データ活用の戦略や目的を策定するフェーズ
• データ分析基盤構築・運用：データ分析環境を作り、導入するフェーズ
• データ活用・定着：データによる意思決定サイクルを回し定着させるフェーズ

8つのステップ

• 戦略策定
• 方針策定
• 連携
• 蓄積
• 加工
• 可視化
• 分析
• 運用

データ活用に必要な環境とは？

データアドベンチャーではデータ活用に必要な環境を、「データ分析基盤」と呼んでいます。
この基盤は以下の役割を担っています。

①データ分析基盤の役割

• データを収集する
• データを蓄積する
• データを加工する
• データを可視化する
• データを分析する

ひと昔前は、データをCSVに吐き出して、エクセルなどで手作業で集計や分析を行う方法がありました。昨今は扱うデータ量が多くなり、SaaSと呼ばれるデータ分析ツールを導入するお客様が増えてきた印象です。

②SaaS導入のメリット

SaaSとは？

Software as a Serviceの略称で「サービスとしてのソフトウェア」を言います。ことデータ活用の世界では「データの収集と分析を支援するクラウドサービス」を主に一般的に利用することが多いです。

SaaSのメリット

データ分析基盤には、SaaS（クラウドサービス）とオンプレミス（on-premises）環境の2つがあります。
オンプレミスは、サーバーやソフトウェアなどの情報システムを企業の設備内に現物を設置し運用することを指しますが、企業専用に環境をオーダーメイドするため、イニシャルコストが大きく導入期間も長くなる傾向にあります。
※データ量が莫大に多く、SaaSの機能ではカバーできない場合はオンプレミスを選択する必要が出てきます。

これに対しSaaSはクラウドサービスで用意された機能を予算に応じてお好みに選ぶことができます。サービス利用は従量課金制のためイニシャルコストを抑え小さく早く始められるのがオンプレミスと比較した場合のメリットです。
また、SaaSのサービスは必要な機能を必要な時に追加することができるため、環境面でもお客様のビジネスの変化に応じて柔軟に対応することが比較的容易です。

SaaSの分類と代表例

データ分析基盤の役割において、SaaSの担う範囲を整理すると、以下のように大きく3つの分類にわけることができます。

※データの収集はデータ環境によってSaaSの導入が必要な場合と不要な場合があるため本編では割愛します
※データ分析においてデータの前処理・加工を施すETL（Extract　Transform　Load）と呼ばれるプロセスが入りますが、本編ではETLの話題は割愛します

SaaS導入でありがちなこと

「①データの蓄積」や「②データ分析」のツール選定と導入においては専門的な知識が必要なため、お客様側で気軽に導入することが難しい傾向にあります。

一方で「③可視化」は、BI（ビジネスインテリジェンス）ツールがよく用いられます。可視化の表現はグラフや図、表など様々です。これらの情報をまとめてダッシュボードに情報を構築することで素早く社内で意思決定できるようにします。
BIツールはGUI（グラフィックインターフェース）で直感的なマウス操作で設定が可能なため、専門知識のないユーザー自身で分析やレポート作成ができるのが特長の1つです。
そのためこれからデータ活用をしていこうとするお客様にあたっては、まずは「可視化」を優先しBIツールを初めに導入される企業が多い傾向にあります。

そして、手探りながらも可視化をしてみたデータ活用を推進しているメンバーに新たな壁が立ち塞がります。
たとえば、

• その可視化したデータが正しい情報なのか？といったお悩み
• そもそも可視化によってどのような示唆や行動を社内に促したいのか？が不明確

そのようなメンバーの漠然とした心配が徐々に蓄積し、「可視化しても社員は見るだけで終わり、あるいは誰も見てくれない」といった問題がいよいよ表面化し、何とか対策を講じないといけない・・・といったことが往々にして起こります。

このようにせっかくコストをかけてSaaSのツールを導入したものの、使いこなせない、使われない状態では非常にもったいない話ですよね。

データ有識者をお客様のすぐそばに

データ活用を絵に描いた餅にしないために

ツールが先か？戦略が先か？という議論は尽きない話題ですが、DXをいち早く推進しなければならない時代背景もあるので、現実は小さく導入できるところからする、走りながら考える、といった企業が多いのではないでしょうか。

通常よくある話では、データ活用の戦略ではコンサル事業ベンダーが担当し、施策実行になると派遣・施策実行ベンダーが担当することで、この両者の役割の違いからGAPが生まれ、戦略で描いた施策が思うように進まずに絵に描いた餅になる、といったことを耳にすることがよくあります。

データアドベンチャーの強みは「伴走型支援」

データアドベンチャーではこのようなベンダーの分断を無くし、上流から下流工程までお客様のデータ活用の「伴走型支援」に強みを持っています。

※当社サービス資料より引用

大きな特長として、

• お客様のオフィスに常駐しコミュニケーションを密にする
• お客様のビジネス理解を深め「あたかも社員」のようにご支援する
• お客様のビジネスフェーズやニーズにあわせて最適な人材を提供する
• データ業務のプロセスや仕組みを平準化し、お客様の内製化をご支援する

といったことが挙げられます。
指示待ちの受け身型ではなく、カスタマーサクセス思考の強い自走自立型のクリエイターをご提供することをモットーとしています。

データアドベンチャーのサービスご紹介

データアドベンチャーではお客様のデータ活用フェーズに応じたサービスメニューや人材をご用意しております。

※当社サービス資料より引用

※当社サービス資料より引用

詳細をまとめた資料をダウンロード頂けますのでぜひご活用ください。
またデータ活用に関する困りごとやご相談がございましたら、お気軽にお問い合わせください。

\ データ活用についてのご相談はメンバーズデータアドベンチャーまで /

\ 相談する前に資料を見たいという方はこちら /

本記事では以下の３点について実際の事例を元にお伝えします。

• データ活用は事業全体での取り組みであること
• データ活用はビジネスの実情に合わせつつ成長・変革を先導していくこと
• データチームはその中心で活躍し周囲を巻き込むこと

執筆者のご紹介

吉川寛
所属：株式会社メンバーズ　メンバーズデータアドベンチャーカンパニー　サービス開発室　室長
企業のデータ活用を強力に進めるために不可欠なスキルやジョブを定義しそれらを提供するためのサービスの開発を担当
データサイエンティストとして顧客企業に常駐し、現在はWebサイト訪問時の購入予測モデルの構築や、サービスの需要予測モデルのチューニングを担当
経歴
人事コンサルタント、事業会社での経営企画を経て2020年2月にメンバーズ入社
顧客企業にデータサイエンティストとして常駐しデータチームの立上げとグロース、施策効果検証や需要予測分析、社内データ活用レベルの向上を狙った勉強会を開催してきました。2023年から現職。

目次
01.| 組織編制において留意すべき前提条件
02.| 今回のポイント
03.| 黎明期
04.| 成長期
05.| 成熟期
06.|まとめ

組織編制において留意すべき前提条件

データ活用やDX（デジタルトランスフォーメーション）の推進にあたり、分析組織を立ち上げる際には、いくつかの前提条件を理解しておくことが重要です。これらの前提条件を無視すると、組織としてのデータ活用の取り組みがうまく機能せず、期待する成果が得られない可能性があります。

組織文化の理解

まず、企業や組織の文化を理解し、それに適応したデータ活用の方針を立てることが必要です。従来のビジネス慣行や意思決定プロセスに依存している企業では、データを活用した意思決定への抵抗感があるかもしれません。そのため、文化的な変化を促進するための戦略を立てることが必要です。

インフラの整備

データを効果的に活用するためには、まず適切な技術基盤が必要です。データを収集し、保存し、分析するためのツールやプラットフォームの選定、さらにはセキュリティやデータ保護の体制が整っていることを確認する必要があります。クラウドプラットフォームの導入や、適切なデータベース管理システムの選定がこのステップに含まれます。

組織内コミュニケーションの強化

データ活用を進めるためには、分析担当者だけでなく、経営層や他部門との協力が不可欠です。データ分析の結果がビジネス戦略にどのように影響を与えるかを理解してもらうために、定期的なコミュニケーションや教育が必要です。また、データ分析部門が他部門と連携して、ビジネスの重要な意思決定にどのように貢献できるかを明確にすることが大切です。

今回のポイント

ここでのポイントは、データ分析組織を立ち上げる際に考慮すべき、成長段階に応じた取り組みの違いです。組織はその成熟度に応じて異なる課題に直面します。それぞれのフェーズにおいて、組織がどのようにデータ活用を進めるかが成功の鍵となります。

組織の成長フェーズの理解

データ分析組織は「黎明期」「成長期」「成熟期」の3つのフェーズを経て成長します。それぞれのフェーズには異なる課題と目標が存在し、戦略的な取り組みが求められます。
黎明期では基盤の整備、成長期ではスケールアップと効果の最大化、そして成熟期では分析結果をビジネスの意思決定に一層深く組み込むことが重要です。

※当社セミナー資料より引用

黎明期

データ分析組織の立ち上げ段階、すなわち黎明期は、組織としてのデータ活用の基盤を作り上げる時期です。この時期には、主に以下のステップを踏んでいきます。

ステップ1：目的とビジョンの明確化

最初に行うべきは、データ分析を行う目的を明確にすることです。どのようなビジネス上の課題を解決したいのか、データから何を得たいのかをはっきりさせ、組織全体で共有します。このビジョンがないと、データ分析が単なる技術的な作業に終わってしまい、ビジネスに貢献できなくなる可能性があります。

ステップ2：小規模な分析プロジェクトの実施

黎明期では、いきなり大規模なプロジェクトに取り組むのではなく、小規模で明確なゴールを持つ分析プロジェクトを実施します。これにより、組織内でデータ分析の価値を実感し、徐々にデータ活用に対する理解と信頼を築いていくことができます。例えば、顧客データを用いて購買行動の分析を行い、次のマーケティング施策に活かすことなどが考えられます。

ステップ3：初期のデータ収集体制の整備

データ活用の基盤を整えるためには、まずはデータ収集の体制を整えます。企業が扱うデータには、多様な種類があります。たとえば、販売データ、顧客データ、業務データなどが含まれ、これらのデータをどのように収集し、どこに保存するかを決定します。

データ収集ツールの導入や、社内でのデータフローの整理が必要となります。特に、データの正確性や一貫性を確保するためには、データのクリーニング（欠損値の補完や重複データの除去）を実施することが求められます。

※当社セミナー資料より引用

成長期

成長期は、データ分析組織が本格的に運用を開始し、スケールアップしていく段階です。このフェーズでは、分析結果を業務に本格的に活用し、組織全体にデータドリブンな文化を根付かせることが求められます。

ステップ1：データ活用の拡張

成長期に入ると、データの活用範囲が広がります。これまでの黎明期における小規模な分析プロジェクトの成果を基に、より多くのデータソースを統合し、分析を深めることが可能になります。顧客データだけでなく、外部の市場データやサプライチェーンデータなど、より多角的なデータを組み合わせることで、企業全体の意思決定を支える強力な分析基盤が構築されます。

ステップ2：自動化と効率化の推進

成長期においては、データ分析の効率を向上させるために、業務の一部を自動化することが求められます。データの収集やクリーニング、レポート作成などのルーチン作業は自動化ツールを導入することで省力化し、分析担当者はより高度な業務に集中できるようになります。また、分析モデルの定期的なアップデートも自動化し、常に最新のデータに基づいた分析を提供できる体制を整えます。

ステップ3：分析スキルの社内浸透

成長期においては、データ分析スキルを持つ人材を増やすことも重要です。データ分析は専門家だけでなく、各部署の担当者も基本的な分析スキルを身に付けることで、組織全体でのデータ活用が促進されます。社内研修やeラーニングを通じて、データリテラシーを高め、データに基づいた意思決定を促す文化を醸成します。

※当社セミナー資料より引用

成熟期

データ分析組織が成熟期に達すると、データ活用のレベルが一層高まり、企業全体でデータに基づく意思決定が定着します。この段階では、より高度な分析手法を用い、データを活用して新たなイノベーションを生み出すことが求められます。

ステップ1：高度なデータ分析の活用

成熟期に入ると、企業はより高度なデータ分析手法を活用して、従来の分析では捉えきれなかった複雑なパターンや予測を行うことができます。特に、機械学習やAI（人工知能）を取り入れた分析手法は、企業の競争力をさらに高めるための強力なツールです。

　機械学習とAIの応用

機械学習やAIを活用することで、顧客行動の予測や需要予測、最適なリソース配分のシミュレーションが可能になります。例えば、過去の購買データを基にして、どの顧客がリピートする可能性が高いかを予測したり、季節ごとの需要を自動的に予測して在庫管理を効率化したりします。

また、AIによる自動化された意思決定支援は、従来の分析をさらに強化し、意思決定のスピードと精度を向上させます。これにより、迅速な市場変化に対応できるようになり、ビジネスチャンスを逃すリスクを低減することが可能です。

ステップ2：データガバナンスとセキュリティの強化

成熟期においては、データガバナンスとセキュリティの確保が一層重要になります。データの規模が拡大する中で、データの整合性を保ちつつ、企業全体でデータを安全に管理することが求められます。これには、データの正確性を保証するデータクオリティ管理や、データのアクセス権限の適切な設定、データの暗号化といったセキュリティ対策が含まれます。

また、データガバナンス体制を強化することで、組織全体でデータを一貫して利用し、データの分散や重複を防ぐことができます。これにより、データの透明性が高まり、効率的なデータ活用が可能となります。

ステップ3：データ駆動型文化の定着

データ分析組織が成熟期に達すると、組織全体がデータ駆動型の文化を確立し、日常的な業務にデータが浸透していることが理想的です。この段階では、経営層から現場の従業員に至るまで、データに基づく意思決定が行われるようになり、データ活用が企業の競争力強化に直結します。

社内での定期的なトレーニングやデータリテラシー向上の取り組みを通じて、社員全員がデータの読み取りや分析に慣れ、データを活用して具体的なアクションを取る文化が醸成されます。また、データに基づいた意思決定が日常的に行われるようになると、全体の業務効率が向上し、さらに高いパフォーマンスを発揮することが期待されます。

※当社セミナー資料より引用

まとめ

データ活用とDX推進を進めるための分析組織の立ち上げは、企業の成長において重要なステップです。黎明期、成長期、成熟期という3つのフェーズを通じて、データの活用範囲が広がり、組織としてのデータリテラシーが向上していきます。初期段階では、基盤整備と小規模なプロジェクトからスタートし、成長期においてはデータの活用を拡大させ、効率化を図ることが必要です。成熟期では、より高度な分析手法を導入し、組織全体にデータ駆動型の文化を根付かせることが求められます。

データガバナンスの強化やセキュリティ対策をしっかりと行い、データ活用のプロセスを確立することで、企業は競争力を強化し、持続的な成長を実現できるようになります。今後も、データ活用とDX推進を積極的に進め、企業の価値創造を加速させるための取り組みが重要です。

この記事は、データ活用初心者にも理解しやすいように、各フェーズごとの取り組みや具体的なステップを詳細に解説しています。組織の成長とともに、データ分析の手法を段階的に進化させ、データドリブンな組織作りを目指すための手引きとしてご活用ください。

\ データ活用についてのご相談はメンバーズデータアドベンチャーまで /

▶こちらも要チェック

データアドベンチャーのサービスご紹介