今日のビジネスにおいて、データドリブンを経営やマーケティングなどの方針として掲げている企業も珍しくありません。
一方で「今までデータ活用はやってきたけど、データドリブンはどう違うの？何が変わるの？」という疑問を抱いている方もいらっしゃるのではないでしょうか。
今回はデータドリブンとは何か、データ活用の違いを確認した上で、データドリブンが注目される背景や実施するメリットや方法、今までと何が変わっていくのかをご紹介します。
Contents
データドリブンとは
データドリブンの定義は「様々な種類のデータ（ビッグデータ）を収集・分析し、それを元にビジネスの意思決定や課題解決の施策立案を行う全体的なプロセス」です。
また意味としては「data driven = データ駆動型の～」というように形容詞であるため、データドリブンマーケティング、データドリブン経営といったように名詞と組み合わせて用いられます。
データ活用とはどう違うの？
データ活用とは読んで字の如く「データを活用する」ということですが、ビジネスの場においては「すでにあるデータを使って継続的に日常業務をチェックし、改善を図る」というニュアンスで用いられているのではないでしょうか。
一言でいってしまえば「データを用いてPDCAサイクルを回す」というのがデータ活用にあたります。
データ活用の事例としては、以下の記事のような「物流実績をもとに人手や取引先との仕事量の調整をする」といったものが分かりやすいかと思います。
データドリブンとデータ活用に比べると、データドリブンの方が扱うデータの種類が増え、プロセスの規模が大きくなったような印象があります。
なぜデータドリブンが注目されているのか
ビッグデータやマーケティング技術の発展
IoTによるセンサリングデータやWebサイト上のデータなど、膨大な数・種類のデータが収集できるようになったことで、あらゆる情報が可視化できるようになりました。
収集・蓄積したデータをさまざまなツールを使って分析し、そこから顧客の動向を把握したり、業務効率の改善を試みる企業が増えています。
顧客行動および現場業務の複雑化
Web上で情報収集してから実店舗を訪れたり問い合わせを行う、Webで注文し自宅に商品を配送してもらう、また体験したことをSNSに投稿するなど、Webとリアルを行き来することで顧客の行動が複雑になりました。
それにともない、企業側でも顧客のニーズに応えるためよりパーソナライズされたサービスを検討するなど、現場の業務も対応パターンが増え以前より複雑化しています。しかしその分作業効率が落ちたり、コストや現場担当者への負荷が高まる可能性もあるため、改善が求められています。
対費用効果の高い施策
新たな施策を行う際、費用や人材を無尽蔵に投入できる企業はほとんどないと思います。自社の顧客や市場のデータを収集・分析することで適切な戦略を立て、限られたリソースで最大限の成果を得ることが可能です。
データ資産の活用および新たな価値の創出
社内で長年収集・蓄積してきたデータを別のデータを組み合わせて分析することで、新たな知見が得られる場合があります。社内のデータ資産の価値をより高められる点も、データドリブンが注目される理由のひとつです。
データドリブンを実施するメリット
客観的で精度の高い意思決定が可能になる
勘や経験といった属人的で客観性に欠ける情報を根拠に施策を行うと、成功した施策でも別の人が行うとうまくいかない場合があります。また目まぐるしく変化する現代社会では今までの経験や勘が通用しないことも多分にあります。
しかしデータを用いることで、客観的に判断を行えるとともにその精度を高められます。
施策のボトルネックを発見したり、成功要因の再現性を高められる
データという客観的な形式でアウトプットされることで、施策のボトルネックとなった部分の振り返りや、成功要因の再現性を高めることができます。
より顧客のニーズに沿ったサービスの提供が可能になる
さまざまなデータをもとに現状を分析することで、勘や経験ではわからない顧客の潜在的なニーズを把握できる可能性があります。顧客のニーズに迅速・柔軟に応えていくことができれば、カスタマーエクスペリエンスの改善にもつながっていくでしょう。
どうすればデータドリブンを実施できるのか
データ分析やデータに基づいて施策を立てられる人材
データドリブンを実施するにはデータ分析やデータ活用、マーケティングなどといったさまざまなスキルを持つ人材が求められます。残念ながら現代の日本においてはこれらの人材が不足しているため、採用するだけではなく社内での育成も視野に入れる必要があります。
組織全体でデータドリブンを理解し、実行できる
例えば上層部がデータの重要性をきちんと理解していないがために、分析から得た知見を反映した施策を実施する許可が下りない、また関連部署が今までのやり方に固執して施策の足並みがそろわない……。
このような残念な結果にならないよう、データを分析する部署だけではなく、企業全体でデータドリブンを理解し、実施していく必要があります。
データドリブンに必要な4つのプロセス
データの収集・蓄積
まず必要となるのがデータを収集する仕組みです。
業務システムや基幹システム、Webサーバ、IoTデバイス、外部サービス、他社ツールなどから実施したい施策の目的によってデータを収集・蓄積しましょう。
データの可視化
収集したデータをわかりやすく使いやすい形で表現するのが可視化です。
データドリブンを行おうとすると収集・蓄積するデータの量は膨大であるため、BIツールなどを用いて効率的にデータを加工・可視化していきましょう。
データの分析
ここでデータをもとに施策を検討します。順位や最大最小値といったデータだけでなく、変化や傾向といったデータも読み込み、仮説を立てて施策を検討する必要があります。
ここでデータ分析やマーケティングといったスキル・経験をもつ人材が重要となってきます。
施策の実行
いよいよ施策の実行です。先述したように実行段階において組織全体でデータの重要性を理解していないために、うまく実行できない場合があります。
実行段階でつまづかないためにも、実行以前に組織全体とコミュニケーションをとり、データの重要性を理解してもらう必要があります。
データドリブンを行う上で留意すべきこと
扱うデータの対象範囲・種類・ボリューム
データ活用が既存データを業務に取り入れるのに対し、データドリブンではその範囲や種類が増えると思われます。
その一方で、あらゆるデータを取得しようとすると、既存の業務における手間が増えてしまうことがあります。
収集するデータの種類を増やす際は、その使用目的を明確にして、収集方法が業務の手間にならないかも意識しましょう。
データ管理のルール
扱うデータが膨大になることで、データ管理の方法も変化するでしょう。
今まで部署ごとに管理していたデータを全社レベルで管理することになるため、管理を一元化するためのルールづくりが必要になっていきます。
分析の精度
PDCAのようなフローは両者に共通する部分がありますが、扱うデータが多い分、データドリブンの方がより複雑・詳細な分析が行えることが考えられます。
それに加えてよりスピーディに意思決定を下すため、OODAループ（※）のようなメソッドがデータドリブンと組み合わせて用いられるケースも増えてくるでしょう。
※OODAループ…予定になかったことに柔軟に対処するための思考法。
Observe：観察
Orient：状況判断、方針決定
Decide：意思決定
Act：行動
おわりに
いかがだったでしょうか。
個人的にはデータ活用は現場部門寄り、データドリブンは管理部門寄りの考え方なのかなと思いました。データドリブンが進むと現場部門が持っているデータを管理部門側で分析して施策の方針を考える、という場面も増えるのではないでしょうか。
データ分析業務に役立つBIツール・WebQuery/Excellent
株式会社システムコンサルタントではBIツールを扱っており、多くの企業様の分析業務でご利用いただいております。
もし現場部門においてデータドリブンをもっと広めたい、という方はぜひ以下から弊社のBIツールをご確認ください！
