◆ ビッグデータ駆動型を目指し、ビジネス・インテリジェンスツールを導入
「ビッグデータ駆動型を目指し、BIツールを導入したけど成果が出ずイライラする」先日お会いした、某企業の執行役の愚痴です。BI（ビジネス・インテリジェンス）ツールとは、データを分析するスキルが高くなくとも、簡単に分析できるツールです。有名なところでは、QV（クリック・ビュー）やTablueau（タブロー）、PowerBIなどがあります。PowerBIには、無料版まであります。そして、経営者から現場の営業パーソンまで、幅広く使えるのが特徴です。自分の知りたいことを、分析の専門家に頼むことなく、さくっと自分で分析できる。非常に素晴らしいツールです。
1. データ分析:「見える化」すれば何かが起きると「夢」を見る
昔からある、データ活用の都市伝説に、「見える化」というものがあります。
「見える化」すれば、何かが起こるかもしれないという幻想を抱くことです。データを集め、加工・集計・分析すると、良いことが起こるかもしれないという都市伝説です。データを集め「見える化」しても、多くの場合、単に見えるようになっただけで、何も起こりません。IT投資とその業務にかかわった工数だけ、お金が流出しただけです。
最近、BIツールが流行していますが、BIツールを導入し「見える化」しても何も起こりません。単に、BI導入コストと運用コストなどがかかるだけです。もちろん、上手くBIツールを活用している企業もあります。すべてのBIツール導入企業が失敗しているわけではありません。BIツール導入することで大きな成果をあげ、先ほど紹介したQVやTablueau、PowerBIなどの既製のBIツールを止め、自社開発する企業もあります。
2. データ分析の質が悪いかと勘違いする
BIツール導入の上手くいかない企業が次に考えるのが、「データ分析の質」です。質の高いデータ分析ができるようになれば、BIツールを上手く活用しビジネス成果を得られるのではないか、というのです。データ分析の質を高めるために、社員にセミナーを受講させたり、データ分析の専門家に一度頼んでみたりする企業も、少なくありません。既にBIツールで成果の出ている企業であれば、データ分析の質を高めることは可能です。しかし、簡単な集計レベルでさえビジネス成果の出せない企業の場合、データ分析の質をいくら高めても、BIツールで成果が出ることは難しいでしょう。
3. データ分析の専門家に頼んでみたが
社員にセミナーを受講させてもらちが明かないので、大金を投入しデータ分析の専門家に頼む企業もあります。
データ分析の専門家に頼むと、ものすごい分析をしてきます。それなりの分析結果を出してくるかもしれません。多くの場合、当たり前の結果しか出てきませんが、それでも今まで見たことのない分析結果はでてくることでしょう。例えば、なんちゃら回帰分析の結果を出してきたり、ディシジョンツリーで何かしら結果を出してきたり、ディープラーニングでもの予測精度の高い成果を見せつけられたりします。問題は、データ分析の専門家がいないと、これらの分析ができない、ということです。
人財が足りない！ データ分析の人財が社内にいない！ よしディープラーニングだ！ RやPythonでバリバリ分析できる人財が必要だ！ データサイエンティストを中途採用しよう！余力のある企業では、機械学習エンジニアやデータサイエンティストを積極的に採用する企業もあります
4. データ分析の専門家が来た
BIツールのような、簡単な分析ツールでさえビジネス成果の出せない企業に、機械学習エンジニアやデータサイエンティストがやってきても、大変苦労するだけです。
私にも経験がありますが、このような企業に入社した機械学習エンジニアやデータサイエンティストは、間違いなく変人扱いされます。悪い意味でも、良い意味でもです。BIツールでできるのは、せいぜいクロス集計までです。クロス集計という武器で、色々な分析をしていきます。クロス集計はデータ分析の基本中の基本です。そして、データ分析に慣れていない人でも、クロス集計のカラクリは理解できますし、感覚的にクロス集計結果も分かります。
しかし、機械学習エンジニアやデータサイエンティストがやる分析は、クロス集計以上の不思議な分析をしてきます。多くの人は、分析のカラクリは理解できないし、感覚的にその結果が本当に正しいのかもわかりません。
もし、BIツールでそれなりのビジネス成果を出していく企業であれば、そんな機械学習エンジニアやデータサイエンティストの出した分析結果を信じることでしょう。自分たちがしたデータ分析を、さらに発展させたという認識があるからです。
良い意味で機械学習エンジニアやデータサイエンティストは変人扱いされます。しかし、BIツールでほとんど成果の出していない企業は、信じません。ビジネス成果がでるかどうか分からないデータを、さらにわけの分からないやり方で、わけの分からないことをしていると思うことでしょう。悪い意味で機械学習エンジニアやデータサイエンティストは変人扱いされます。この話しは、私の妄想でもなんでもなく、実際にあった話です。
5. データ分析:どう分析するかよりも、どう活かすのか
では、どうすればよいのか。答えは簡単です。
「どう分析するかよりも、どう活かすのか」に尽きます。BIツールで「見える化」し、誰もが自由に分析できるようになったとき、そのBIツールは使う経営者はどのように「活かすのか？」、そのB...
東京・日科技連 本部ビル
