営業データ分析の良し悪しとは データ分析講座(その8)

更新日

投稿日

 

情報マネジメント

◆ 営業データ分析の事始めは、「見える化」で失敗し「指標作り」で成功する

 「どのようなデータを集めれば、営業力を上げられるのか」このような質問をちょくちょく受けます。すでにCRMやMA(マーケティング・オートメーション)などのシステムを導入しているような企業様からも、同じような質問を受けます。いくらデータを溜めても、「今集めるいるデータでけで十分なのかどうか」の判断がつかないということなのでしょう。諸悪の根源は、「見える化」という合言葉にあります。

1. 「見える化」という罠

 データは溜めればよいというものではありません。溜めたデータが、営業データ分析で使いたいデータでないといけません。そもそも、営業データ分析で使いたいデータが何か分からないと、判断が付きません。そして、溜めようがありません。最近、「見える化」という合言葉とともに、CRMやMA、GAなどデータを溜めて見るシステムが導入されています。営業の受注プロセスを「見える化」するために、CRMを導入する。HPのアクセス状況を「見える化」するためにGA(Google アナリティクス)を導入する。などなどです。

 いくら「見える化」できても、「見るべきデータ」が見える化されていないと、あまり意味はありません。正直、そのようなデータを見ても、「ふーん。なるほど」とか「で?」という感じで、業務に活用されることはないでしょう。では、どうすればよいのでしょうか?

2. 「動ける化」という視点

 「見える化」の次に「動ける化」というものがあります。溜めたデータをもとに、実業務に活用するのが「動ける化」です。どんなに良質と思われるデータを溜めても、実業務に活かし動けなければ意味はありません。「見える化」すべきは、このようなアクショナブルなデータです。要するに、必要なのは「見える化」ではなく「動ける化」です。この「動ける化」を合言葉に、CRMやMA、GAなどのシステム導入を考えると、そのためにやるべきことがハッキリしています。ハッキリしてくると言っても、お経のとうに「動ける化…… 動ける化…… 動ける化……」と唱えもハッキリしません。「動ける化」を合言葉にしたときに、先ずやるべきことがあります。

3. 指標を設計しよう!

 やるべきことは単純です。「指標」を設計すればよいのです。指標とは、集めたデータを集約したものです。例えば、売上・利益・顧客数・訪問数・メルマガ配信数・イベント集客数などはすべて指標です。集めたデータを集計・加工などをして作った指標です。指標は、営業に限らずデータ分析の基本の「き」です。

 集めたデータをそのまま見ても、膨大過ぎて頭に入ってきません。その膨大なデータを分かりやすい数字にしたのが指標です。そして、この指標を見て動ければ、良い指標です。つまり、「動ける化」を実現する指標です。最初に、このような設計すれば良いのです。例えば、「売上金額」を見ても動けないけど、「受注率」を見れば動けるならば、あなたにとって「受注率」が良い指標です。

 意外と、指標は普段の営業やマーケティング業務の中に眠っています。要するに、普段何を見て動いているのかを、棚卸すると、どのような指標を見るべきかが見ててきます。さらに、「こんなことが分かると良いのになぁ」という日頃思い抱いていることも、指標候補になります。データさえ集めれば分かるのであれば、そのデータが集めるべきデータだからです。

4. 指標から「集めるべきデータ」が見えてくる

 指標を設計すれば、その指標を作るためのデータが見えてきます。そのデータが集めるべきデータです。集めるべきデータは、大きく2つに分かれます。

 (1) 既に集めているデータ 

  •  質の良いデータ
  •  質の悪いデータ

 (2) まだ集めていないデータ

  •  集められるデータ
  •  集められないデータ

 (3) これから集めるべきデータ

  •   「質の悪いデータ」内の質の良いデータ
  •  まだ集めていないデータ内の「集められるデータ」

 要するに、どのようなデータを集めればデータ分析で営業力を上げられるのかは、指標さえ設計すれば、自ずと見えてきます。指標設計で失敗すると、あまり意味のないデータを溜めるための、あまり意味のないシステムや顧客アンケートなどを実施することになります。正直、お金と労力の無駄です。データなんて集めないほうがましです。どうせデータを集めるならば、売上や利益などに貢献するデータが嬉しい。

5. 営業データ分析の良し悪しは「指標」で決まる

 営業やマーケティングに限った事ではありませんが、データ分析活用の良し悪しは、どのような指標を見るのか、そして分析するのかで決まります。つまり、「営業データ分析の良し悪しは『指標』で決まる」と言っても過言ではありません。それぐらい指標設計は重要です。指標が分かれば、どのようなデータを集めるのかが分かる。指標が分かれば、日々モニタリングする数字が分かる。指標が分かれば、数字からどのようなアクションを起こせば良いのかが分かる。そして、指...

 

情報マネジメント

◆ 営業データ分析の事始めは、「見える化」で失敗し「指標作り」で成功する

 「どのようなデータを集めれば、営業力を上げられるのか」このような質問をちょくちょく受けます。すでにCRMやMA(マーケティング・オートメーション)などのシステムを導入しているような企業様からも、同じような質問を受けます。いくらデータを溜めても、「今集めるいるデータでけで十分なのかどうか」の判断がつかないということなのでしょう。諸悪の根源は、「見える化」という合言葉にあります。

1. 「見える化」という罠

 データは溜めればよいというものではありません。溜めたデータが、営業データ分析で使いたいデータでないといけません。そもそも、営業データ分析で使いたいデータが何か分からないと、判断が付きません。そして、溜めようがありません。最近、「見える化」という合言葉とともに、CRMやMA、GAなどデータを溜めて見るシステムが導入されています。営業の受注プロセスを「見える化」するために、CRMを導入する。HPのアクセス状況を「見える化」するためにGA(Google アナリティクス)を導入する。などなどです。

 いくら「見える化」できても、「見るべきデータ」が見える化されていないと、あまり意味はありません。正直、そのようなデータを見ても、「ふーん。なるほど」とか「で?」という感じで、業務に活用されることはないでしょう。では、どうすればよいのでしょうか?

2. 「動ける化」という視点

 「見える化」の次に「動ける化」というものがあります。溜めたデータをもとに、実業務に活用するのが「動ける化」です。どんなに良質と思われるデータを溜めても、実業務に活かし動けなければ意味はありません。「見える化」すべきは、このようなアクショナブルなデータです。要するに、必要なのは「見える化」ではなく「動ける化」です。この「動ける化」を合言葉に、CRMやMA、GAなどのシステム導入を考えると、そのためにやるべきことがハッキリしています。ハッキリしてくると言っても、お経のとうに「動ける化…… 動ける化…… 動ける化……」と唱えもハッキリしません。「動ける化」を合言葉にしたときに、先ずやるべきことがあります。

3. 指標を設計しよう!

 やるべきことは単純です。「指標」を設計すればよいのです。指標とは、集めたデータを集約したものです。例えば、売上・利益・顧客数・訪問数・メルマガ配信数・イベント集客数などはすべて指標です。集めたデータを集計・加工などをして作った指標です。指標は、営業に限らずデータ分析の基本の「き」です。

 集めたデータをそのまま見ても、膨大過ぎて頭に入ってきません。その膨大なデータを分かりやすい数字にしたのが指標です。そして、この指標を見て動ければ、良い指標です。つまり、「動ける化」を実現する指標です。最初に、このような設計すれば良いのです。例えば、「売上金額」を見ても動けないけど、「受注率」を見れば動けるならば、あなたにとって「受注率」が良い指標です。

 意外と、指標は普段の営業やマーケティング業務の中に眠っています。要するに、普段何を見て動いているのかを、棚卸すると、どのような指標を見るべきかが見ててきます。さらに、「こんなことが分かると良いのになぁ」という日頃思い抱いていることも、指標候補になります。データさえ集めれば分かるのであれば、そのデータが集めるべきデータだからです。

4. 指標から「集めるべきデータ」が見えてくる

 指標を設計すれば、その指標を作るためのデータが見えてきます。そのデータが集めるべきデータです。集めるべきデータは、大きく2つに分かれます。

 (1) 既に集めているデータ 

  •  質の良いデータ
  •  質の悪いデータ

 (2) まだ集めていないデータ

  •  集められるデータ
  •  集められないデータ

 (3) これから集めるべきデータ

  •   「質の悪いデータ」内の質の良いデータ
  •  まだ集めていないデータ内の「集められるデータ」

 要するに、どのようなデータを集めればデータ分析で営業力を上げられるのかは、指標さえ設計すれば、自ずと見えてきます。指標設計で失敗すると、あまり意味のないデータを溜めるための、あまり意味のないシステムや顧客アンケートなどを実施することになります。正直、お金と労力の無駄です。データなんて集めないほうがましです。どうせデータを集めるならば、売上や利益などに貢献するデータが嬉しい。

5. 営業データ分析の良し悪しは「指標」で決まる

 営業やマーケティングに限った事ではありませんが、データ分析活用の良し悪しは、どのような指標を見るのか、そして分析するのかで決まります。つまり、「営業データ分析の良し悪しは『指標』で決まる」と言っても過言ではありません。それぐらい指標設計は重要です。指標が分かれば、どのようなデータを集めるのかが分かる。指標が分かれば、日々モニタリングする数字が分かる。指標が分かれば、数字からどのようなアクションを起こせば良いのかが分かる。そして、指標を統計モデルなどで「予測」できれば、未来を見据えたアクションができます。

 この未来を見据えた予測は、営業データ分析上最大の魅力でしょう。営業・販売促進活動などのアクションのシミュレーションができるからです。未来をシミュレーションできれば、人材配置や営業・販売促進活動のコスト配分など、未来に向けた様々な経営活動ができます。営業人員を2倍にすると、売上が1.5倍になる。チラシを0.8倍に減らしても、売上は変わらない。ネット広告の予算を1.2倍以上にしてもこれ以上効果が出ない。未来が色々と見えてきます。未来が見えてくると言っても、本当にこのような未来が実現するわけではありません。でも、大きくズレることもありません。

 このような未来も、指標が無ければ見ることができません。要するに、営業データ分析は「指標設計」が上手くいけば、営業データ活用に大きく近づきます。もちろん全体ではありません。少なくとも、「指標設計」で失敗しているのに営業データ活用で成功することは、ほぼあり得ません。

   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
データがあるから何かやって データ分析講座(その227)

  【この連載の前回:データ分析講座(その226)成功確度とデータサイエンスへのリンク】 ◆関連解説『情報マネジメントとは』 &nbs...

  【この連載の前回:データ分析講座(その226)成功確度とデータサイエンスへのリンク】 ◆関連解説『情報マネジメントとは』 &nbs...


営業データ分析で冒険的なチャレンジをやり続ける データ分析講座(その14)

  ◆ 営業データ分析で冒険的なチャレンジができるからワクワクする  「データから何か新しい発見したいのだけど」よくこのような質問をされ...

  ◆ 営業データ分析で冒険的なチャレンジができるからワクワクする  「データから何か新しい発見したいのだけど」よくこのような質問をされ...


プロダクト・データサイエンス:データ分析講座(その322)2つのDS適用プロセス

  企業内のデータサイエンス組織の1つの役割として、データサイエンス技術を、より良い商品の開発やより良いCX(カスタマー・エクスペリエンス...

  企業内のデータサイエンス組織の1つの役割として、データサイエンス技術を、より良い商品の開発やより良いCX(カスタマー・エクスペリエンス...


「情報マネジメント一般」の活用事例

もっと見る
システムトラブル、誰に相談したら良いか

 最近は、以下のように情報システム開発にかかわるトラブルに悩まされる企業が急増しています。ところが、トラブルが起きた時に誰に相談したらいいかわからなくて困...

 最近は、以下のように情報システム開発にかかわるトラブルに悩まされる企業が急増しています。ところが、トラブルが起きた時に誰に相談したらいいかわからなくて困...


‐情報収集で配慮すべき事項(第1回)‐  製品・技術開発力強化策の事例(その9)

 前回の事例その8に続いて解説します。ある目的で情報収集を開始する時には、始めに開発方針を明らかにして、目的意識を持って行動する必要があります。目的を明確...

 前回の事例その8に続いて解説します。ある目的で情報収集を開始する時には、始めに開発方針を明らかにして、目的意識を持って行動する必要があります。目的を明確...


‐技術開発の目標について 第2回‐  製品・技術開発力強化策の事例(その16)

 技術開発の目標を解説する以下の項目4点について、前回は、1と2を解説しましたので、今回は、第2回として、3と4を記述します。          1....

 技術開発の目標を解説する以下の項目4点について、前回は、1と2を解説しましたので、今回は、第2回として、3と4を記述します。          1....