データ分析活用、ビジネス展開を上手く実現するための、OODAループ データ分析講座(その62)

更新日

投稿日

情報マネジメント

◆ データ分析活用は、OODAループで上手くいくかもしれない。きっと上手くいく

 データ分析を実務で活用するとき、管理するためのマネジメントサイクルと、動くためのドゥーループが必要になります。よくやられるのが、マネジメントサイクルであるPDCAサイクルやPDSサイクルです。いくら管理してもアクションが適切に実行されなければ意味がないのです。ではどうすればよいのか?多くの場合、ドゥーループが欠けています。

1. データ分析プロセス「CRISP-DM」再考

 データ分析を活用するためのプロセスには色々あります。抽象的なものや概念的なもの、ある業界や機能に特化したものなど、色々あります。正直どれでもよいでしょう。データ分析を適用する組織や機能(例:営業や品質管理など)に一番合うのがよいでしょう。

 それはさておき。昔からある有名なデータ分析プロセスがあります。非常に概念的ですが、大きな流れはどのような組織や(例:営業や品質管理など)でも、ある程度可能です。

 データ分析プロセス「CRISP-DM」と言います。昔、SPSS社(現在はIBMに買収)が積極的に提唱していました。データ分析プロセス「CRISP-DM」とは、「CRoss-Industry Standard Process for Data Mining」の略で、以下の6つのプロセスからなります。

  • (1) ビジネス理解(Business Understanding)
  • (2) データ理解(Data Under Standing)
  • (3) データ準備(Data Preparation)
  • (4) モデリング(Modeling)
  • (5) ビジネス評価(Evaluation)
  • (6) ビジネス展開(Deployment)

 最も重要なのが、(1) の「ビジネス理解(Business Understanding)」と(6) の「ビジネス展開(Deployment)」の2つのプロセスです。

 (6) の「ビジネス展開(Deployment)」が上手くいっていないということは、データ分析活用が上手くいっていないということと同義です。そして、(6) の「ビジネス展開(Deployment)が上手くいくためには、(1) の「ビジネス理解(Business Understanding)」が適切でないとダメでしょう。

 そして、データ分析と聞くとイメージするのが、(2) の「データ理解(Data Under Standing)」から(4)の「 モデリング(Modeling)」の箇所。で、データ分析者が興味をもって多大なる意識を集中し時間を費やしてしまうのも、(2) の「データ理解(Data Under Standing)」から(4)の「 モデリング(Modeling)」の箇所。

 (5) の「ビジネス評価(Evaluation)」も見落とされがちで、これは予測モデルの評価などではなく、ビジネス展開した時の評価。例えば、売上が〇〇円アップする、コストが〇〇%ダウンするなどのビジネス上の評価のことです。したがって、(5) の「ビジネス評価(Evaluation)」の結果がよくない場合には、(1) の「ビジネス理解(Business Understanding)」に逆戻りしやり直しです。

2. (6) の「ビジネス展開(Deployment)」はどうする?

 今ご紹介した、データ分析プロセス「CRISP-DM」で、(5) の「ビジネス評価(Evaluation)」まで進み、その評価結果も上々だったとします。次にすべきは、(6) の「ビジネス展開(Deployment)」です。想像してみてください。

  • 適切な予測モデルができた……
  • ビジネス理解もしっかりしているため、現場が必要としていることとも合致している……
  • さぁ、この予測モデル群を使ってビジネス活用しろ!
  • データ分析のビジネス活用が上手くいくでしょうか?

 これでは、多くの場合上手くいきません。現場にデータ分析の結果や予測モデルが降ってきても、どのように実務で活用すればよいのかが分からないからです。このようなケースは非常にもったいないです。(5) の「ビジネス評価(Evaluation)」まで上手くいっているのに、実務活用されないからです。では、どのように(6) の「ビジネス展開(Deployment)」をすればよいのでしょうか?必要なのは、データを使って現場が動くためのドゥーループです。

3. OODAループという名のドゥーループ

 ドゥーループの一つに、OODAループというものがあります。OODAループとは、営業やマーケティングの現場で、変化に適応し柔軟に「動くため」の運用サイクルで、以下の4つのプロセスからなります。

  • (1) 観察(Observe)
  • (2) 方向付け(Orient)
  • (3) 決定(Decide)
  • (4) 行動(Action)

 非常に簡単に説明します。

  • (1)の「観察(Observe)」で今得られているデータなどに異常がないかどうかデータを見て、問題があればその要因を探ります。過去から現在までの議論です。
  • (2)の「方向付け(Orient)」で、現在から未来の方向性を考えていきます。そのために、予測モデルを使います。
  • (3)の「決定(Decide)」で、現在から未来の方向性が複数ある場合に、実施する方向性を決めます。
  • (4)の「行動(Action)」で、決めた方向性に沿ったアクションを実施します。

 このように、非常にシンプルなもので、誰もが無意識でやっているようなことです。それをデータを使って意識的に実施していくのが、データ分析活用上のOODAループです。

4. 誰もが無意識でやっているOODAループ

 簡単な例を最後に説明します。

 例えば、試験勉強。受験勉強でも、TOEICなどの勉強でも構いません。学習計画をざっくり作ってあるとします。多くの人は、勉強の進捗状況を日々チェックしたり、模擬テストを受験することで現在の実力を計ることでしょう。

  今日は順調だ……
  今日はあまりできなかった……
  全体的に進捗が遅れている……
  このままではだめかもしれない……
  この調子なら合格できそうだ……

 色々思うところはあるでしょう。これが(1)の「観察(Observe)」です。問題がなければ、通常の計画通り(4)の「行動(Action)」をします。問題があれば、その要因を考え、今後の改善案を考える(2)の「方向付け(Orient)」を実施します。例えば、「今日は計画の半分しか学習できなかった」としましょう。なぜ、できなかったのか? 風邪を引いて調子がでなかった。であれば、明日と明後日も調子は戻らなそうなので、後2日間は予定の半分だけ学習し体を労わろう。その後、6日間は頑張って予定の1.5倍学習しよう!そうすれば、9日後には予定通りになっているはずだ。

 このような現在から未来に向けた方向性を、いくつか考えていきます。これが、(2)の「方向付け(Orient)」です。

 この例以外にいくつかの学習のリカバリープランがあったとき、どのプランが一番自分にとって無理なく確実に実現できそうかなどを考慮し、選択するのが(3)の「決定(Decide)」で、それを実行するのが(4)の「行動(Action)」です。このようなOODAループは、多くの人が、OODAループを知らずに実施していることでしょう。

5. データ分析プロセスである「CRISP-DM」

 今回は、「データ分析活用は、OODAループで上手くいくかもしれない。きっと上手くいく」というお話しを、古典的なデータ分析プロセスである「CRISP-DM」に沿ってお話しいたしました。CRISP-DMとは、以下の6つのプロセスからなります。

  • (1) ビジネス理解(Business Understanding)
  • (2) データ理解(Data Under Standing)
  • (3) データ準備(Data Prepara...

情報マネジメント

◆ データ分析活用は、OODAループで上手くいくかもしれない。きっと上手くいく

 データ分析を実務で活用するとき、管理するためのマネジメントサイクルと、動くためのドゥーループが必要になります。よくやられるのが、マネジメントサイクルであるPDCAサイクルやPDSサイクルです。いくら管理してもアクションが適切に実行されなければ意味がないのです。ではどうすればよいのか?多くの場合、ドゥーループが欠けています。

1. データ分析プロセス「CRISP-DM」再考

 データ分析を活用するためのプロセスには色々あります。抽象的なものや概念的なもの、ある業界や機能に特化したものなど、色々あります。正直どれでもよいでしょう。データ分析を適用する組織や機能(例:営業や品質管理など)に一番合うのがよいでしょう。

 それはさておき。昔からある有名なデータ分析プロセスがあります。非常に概念的ですが、大きな流れはどのような組織や(例:営業や品質管理など)でも、ある程度可能です。

 データ分析プロセス「CRISP-DM」と言います。昔、SPSS社(現在はIBMに買収)が積極的に提唱していました。データ分析プロセス「CRISP-DM」とは、「CRoss-Industry Standard Process for Data Mining」の略で、以下の6つのプロセスからなります。

  • (1) ビジネス理解(Business Understanding)
  • (2) データ理解(Data Under Standing)
  • (3) データ準備(Data Preparation)
  • (4) モデリング(Modeling)
  • (5) ビジネス評価(Evaluation)
  • (6) ビジネス展開(Deployment)

 最も重要なのが、(1) の「ビジネス理解(Business Understanding)」と(6) の「ビジネス展開(Deployment)」の2つのプロセスです。

 (6) の「ビジネス展開(Deployment)」が上手くいっていないということは、データ分析活用が上手くいっていないということと同義です。そして、(6) の「ビジネス展開(Deployment)が上手くいくためには、(1) の「ビジネス理解(Business Understanding)」が適切でないとダメでしょう。

 そして、データ分析と聞くとイメージするのが、(2) の「データ理解(Data Under Standing)」から(4)の「 モデリング(Modeling)」の箇所。で、データ分析者が興味をもって多大なる意識を集中し時間を費やしてしまうのも、(2) の「データ理解(Data Under Standing)」から(4)の「 モデリング(Modeling)」の箇所。

 (5) の「ビジネス評価(Evaluation)」も見落とされがちで、これは予測モデルの評価などではなく、ビジネス展開した時の評価。例えば、売上が〇〇円アップする、コストが〇〇%ダウンするなどのビジネス上の評価のことです。したがって、(5) の「ビジネス評価(Evaluation)」の結果がよくない場合には、(1) の「ビジネス理解(Business Understanding)」に逆戻りしやり直しです。

2. (6) の「ビジネス展開(Deployment)」はどうする?

 今ご紹介した、データ分析プロセス「CRISP-DM」で、(5) の「ビジネス評価(Evaluation)」まで進み、その評価結果も上々だったとします。次にすべきは、(6) の「ビジネス展開(Deployment)」です。想像してみてください。

  • 適切な予測モデルができた……
  • ビジネス理解もしっかりしているため、現場が必要としていることとも合致している……
  • さぁ、この予測モデル群を使ってビジネス活用しろ!
  • データ分析のビジネス活用が上手くいくでしょうか?

 これでは、多くの場合上手くいきません。現場にデータ分析の結果や予測モデルが降ってきても、どのように実務で活用すればよいのかが分からないからです。このようなケースは非常にもったいないです。(5) の「ビジネス評価(Evaluation)」まで上手くいっているのに、実務活用されないからです。では、どのように(6) の「ビジネス展開(Deployment)」をすればよいのでしょうか?必要なのは、データを使って現場が動くためのドゥーループです。

3. OODAループという名のドゥーループ

 ドゥーループの一つに、OODAループというものがあります。OODAループとは、営業やマーケティングの現場で、変化に適応し柔軟に「動くため」の運用サイクルで、以下の4つのプロセスからなります。

  • (1) 観察(Observe)
  • (2) 方向付け(Orient)
  • (3) 決定(Decide)
  • (4) 行動(Action)

 非常に簡単に説明します。

  • (1)の「観察(Observe)」で今得られているデータなどに異常がないかどうかデータを見て、問題があればその要因を探ります。過去から現在までの議論です。
  • (2)の「方向付け(Orient)」で、現在から未来の方向性を考えていきます。そのために、予測モデルを使います。
  • (3)の「決定(Decide)」で、現在から未来の方向性が複数ある場合に、実施する方向性を決めます。
  • (4)の「行動(Action)」で、決めた方向性に沿ったアクションを実施します。

 このように、非常にシンプルなもので、誰もが無意識でやっているようなことです。それをデータを使って意識的に実施していくのが、データ分析活用上のOODAループです。

4. 誰もが無意識でやっているOODAループ

 簡単な例を最後に説明します。

 例えば、試験勉強。受験勉強でも、TOEICなどの勉強でも構いません。学習計画をざっくり作ってあるとします。多くの人は、勉強の進捗状況を日々チェックしたり、模擬テストを受験することで現在の実力を計ることでしょう。

  今日は順調だ……
  今日はあまりできなかった……
  全体的に進捗が遅れている……
  このままではだめかもしれない……
  この調子なら合格できそうだ……

 色々思うところはあるでしょう。これが(1)の「観察(Observe)」です。問題がなければ、通常の計画通り(4)の「行動(Action)」をします。問題があれば、その要因を考え、今後の改善案を考える(2)の「方向付け(Orient)」を実施します。例えば、「今日は計画の半分しか学習できなかった」としましょう。なぜ、できなかったのか? 風邪を引いて調子がでなかった。であれば、明日と明後日も調子は戻らなそうなので、後2日間は予定の半分だけ学習し体を労わろう。その後、6日間は頑張って予定の1.5倍学習しよう!そうすれば、9日後には予定通りになっているはずだ。

 このような現在から未来に向けた方向性を、いくつか考えていきます。これが、(2)の「方向付け(Orient)」です。

 この例以外にいくつかの学習のリカバリープランがあったとき、どのプランが一番自分にとって無理なく確実に実現できそうかなどを考慮し、選択するのが(3)の「決定(Decide)」で、それを実行するのが(4)の「行動(Action)」です。このようなOODAループは、多くの人が、OODAループを知らずに実施していることでしょう。

5. データ分析プロセスである「CRISP-DM」

 今回は、「データ分析活用は、OODAループで上手くいくかもしれない。きっと上手くいく」というお話しを、古典的なデータ分析プロセスである「CRISP-DM」に沿ってお話しいたしました。CRISP-DMとは、以下の6つのプロセスからなります。

  • (1) ビジネス理解(Business Understanding)
  • (2) データ理解(Data Under Standing)
  • (3) データ準備(Data Preparation)
  • (4) モデリング(Modeling)
  • (5) ビジネス評価(Evaluation)
  • (6) ビジネス展開(Deployment)

 一番もったいないのが、(5)の「ビジネス評価(Evaluation)」まで上手くいっているのに、(6)の「ビジネス展開(Deployment)」が上手くいっていないケース。

 どうしても、データ分析従事者は、(2) の「データ理解(Data Under Standing)」から(4)の「 モデリング(Modeling)」に注力しがちです。最も重要なのが、(1) の「ビジネス理解(Business Understanding)」と(6) の「ビジネス展開(Deployment)」の2つのプロセスなのですが……

 (6)の「ビジネス展開(Deployment)」が上手くいっていないということは、データ分析活用が上手くいっていないということです。この(6)の「ビジネス展開(Deployment)」を上手く実現するための一つのやり方として、OODAループという名のドゥーループがあります。非常にシンプルで以下の4つのプロセスからなります。

  • (1) 観察(Observe)
  • (2) 方向付け(Orient)
  • (3) 決定(Decide)
  • (4) 行動(Action)

 実はこのOODAループ、多くの人が無意識で日常生活で結構活用しています。それを意識的にデータを使って実施するだけです。どうも、データ分析そのものは上手くいっているのに、ビジネス活用となると上手くいかないなと感じられましたら、一度試してみてください。あなたのデータ分析が躍動することを祈っています。

   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
手法の知識・使い方と成果の関係 データ分析講座(その154)

  ◆ データ分析に立ちはだかる実践・活用の壁  データ分析をやることになった時、多くの人は分析手法の知識やツールの使い方を学ぶようです...

  ◆ データ分析に立ちはだかる実践・活用の壁  データ分析をやることになった時、多くの人は分析手法の知識やツールの使い方を学ぶようです...


ビジネス インテリジェンス ツール データ分析講座(その282)

  私は仕事柄、幸運にもあるものを見せられることが度々あります。ある人は自慢げに、ある人は不安げにあるものを見せて語ってくれます。そのある...

  私は仕事柄、幸運にもあるものを見せられることが度々あります。ある人は自慢げに、ある人は不安げにあるものを見せて語ってくれます。そのある...


理解されやすく成果の出やすいデータ分析 データ分析講座(その95)

◆ 「それなりにデータはあるが、まともなデータがない」時にすべきこと  私は仕事柄、次のような質問をよくします。「データの状況どうですか?」。当然な...

◆ 「それなりにデータはあるが、まともなデータがない」時にすべきこと  私は仕事柄、次のような質問をよくします。「データの状況どうですか?」。当然な...


「情報マネジメント一般」の活用事例

もっと見る
‐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...


中小製造業のウェブ戦略

 中小製造業がウェブサイトを立ち上げる際、その目的として「自社の信用力を高めるための会社概要的な役割」と考える経営者も少なくない。しかし、当社のクライアン...

 中小製造業がウェブサイトを立ち上げる際、その目的として「自社の信用力を高めるための会社概要的な役割」と考える経営者も少なくない。しかし、当社のクライアン...


情報、常識の検証を考える

1、勝ち組と負け組を支配する情報  皆さんがご存じの大手予備校有名講師である林先生が、かつてテレビで「情報」に関して興味深いことをおっしゃっており、...

1、勝ち組と負け組を支配する情報  皆さんがご存じの大手予備校有名講師である林先生が、かつてテレビで「情報」に関して興味深いことをおっしゃっており、...