データの背後を読む: ビジネスデータ分析のためのマインドセット

はじめに

　この記事はマナビDX Questで得たもの Advent Calendar 2023　7日目の記事です。
（昨日は@rairai255さまの記事でした。QRコードを使ったデジタル化に関しての実践が詳しく書かれていて面白いので、こちらも、ぜひご一読ください。）

自己紹介

　物流業の情報システム部門で、業務プロセスの最適化、可視化に関する業務をしています。マナビDXの存在を知り、参加させていただきました。

　マナビDXは、受講料無料でDXの担い手になるスキルを身につけることができる経済産業省の事業です。この事業の魅力の一つは、ケーススタディ教育プログラムです。これは、実際の企業事例をもとにしたケース スタディ教材を用いて受講生が 架空の企業へのデジタル技術導入を疑似 体験するオンライン学習プログラムです。

　このプログラムでは、自分の考えた企業課題の特定や、その解決策を意思決定者にプレゼンするという形でコンペが開催されます。このコンペにて、上位5％である優秀成績者を受賞することができました。

本記事の概要

　ビジネスデータ分析を行う際の効果的なマインドセットとテクニックをまとめました。
　私は現在情報システム部に所属していますが、以前は戦略策定に必要なデータ分析を行ってきました。この記事では、その経験から得た知見と方法論を共有し、読者の皆さんにとっての一助となることを願っています。

　また、このプロセスは私自身にとっても、これまでのキャリアを振り返り、新たな洞察を得るための自己反省の機会としています。ご意見やご感想をぜひいただければと思います。

ビジネスデータ分析とは

　ビジネスデータ分析は、企業の成長と競争力を高めるための重要な手段です。その主要な目的の一つは「売上効率の最大化」です。これは、単に売上を増やすだけでなく、費用を最小化することも含んでいます。

売上の最大化

　データ分析を通じて、売上の最大化は、顧客の行動パターン、市場のトレンド、製品のパフォーマンスなどを深く理解することから始まります。この知識を活用して、売上を伸ばすための戦略を策定します。たとえば、ターゲット顧客に合わせたパーソナライズされたマーケティングキャンペーンの実施や、高利益を生む製品に注力することなどが含まれます。これらの要素が、売上単価と売上数量にどの程度影響を与えるかをビジネスデータ分析で明らかにしていきます。この観点をもう少し深掘りしましょう。

「単価」を管理する

　単価は、製品やサービスの単位あたりの価格を指し、売上に直接的な影響を与えます。単価を適切に管理するためには、まず「単価目標」または「単価予算」の設定が重要です。これは、市場の状況、競合他社の価格戦略、顧客の価値認識などを考慮して決定されます。次に、実際の販売データを収集し、設定した単価目標と比較分析を行います。このプロセスでは、単価の変動要因を特定し、必要に応じて価格戦略を調整することが求められます。たとえば、特定の製品の単価が目標を下回っている場合、その原因を解析し、価格改定やプロモーションの戦略を立てる必要があります。

「数量」を管理する

　数量は、特定の期間内に販売された製品やサービスの単位数です。数量管理の鍵は、販売データの詳細な分析にあります。ここで重要なのは、「いつ」「どこで」「何が」「誰に」「どのような状況で」売られているかの情報を正確に把握することです。時間軸に沿って販売動向を分析することで、季節性やトレンドの影響を把握できます。地域別、チャネル別の分析は、市場の地理的な特性や販売チャネルの効果を理解するのに役立ちます。「何が」売られているかの分析は、製品ポートフォリオの最適化に繋がり、「誰に」に関する分析は、ターゲット顧客層の理解を深めることにつながります。また、「どのような状況で」の分析は、販売促進活動やマーケティングキャンペーンの効果を評価するために不可欠です。

費用の最小化

　費用の最小化は、効率的なリソース管理とプロセスの最適化によって達成されます。データ分析を使って、無駄なコストを削減し、生産性を高める領域を特定します。たとえば、サプライチェーンの効率化、エネルギー使用の最適化、不要な経費の削減などがあります。また、データ分析は、リスク管理においても重要な役割を果たします。市場の変動や顧客の需要の変化を予測し、これらのリスクに迅速に対応することで、潜在的な損失を最小限に抑えることができます。

このプロセスでは、業務を正確に把握することが求められます。外部環境の影響を受けやすいプロセスはなにか、コストが過多になっているプロセスはどこかなどを特定していく必要があります。このときに必要な手法として、業務フローの記載があります。

　この業務フローの書き方については、マナビDX Questで得たもの Advent Calendar 2023　の３日目のご担当である@Kohei_Fujita さまの以下の記事が超おすすめです。業務フローをいきなり完成形で書くのではなく、手順に沿って実施することで非常にわかりやすい資料を作りながら、業務を知ることができます。

ビジネスデータ分析の３つの確認ポイント

　ビジネスデータ分析を進める際、企業が考慮すべき重要な確認ポイントをしっかりと把握しておくことは、戦略的な意思決定と持続的な成長を導くための羅針盤となります。ここでは、ビジネスデータ分析の核となる３つの確認ポイントについて考察します。それらは「企業ブランディング戦略」、「KPI/KGIの設定」、そして「定例的なレビューの実施」という三つの柱です。これらのポイントは、データを活用して企業の方向性を定め、競争上の優位性を構築するための基盤を提供します。

A.企業ブランディング戦略の確認

　将来の姿を鮮明に描き、現状を正しく理解し、そのギャップを定量的、定性的に分析して、売上効率を向上させるための具体的な行動プランに落とし込むプロセスです。

①現状（AsIs)を正しく理解すること

　これは、企業の現在のブランドイメージ、市場内での立ち位置、顧客の認識、内部の資源と能力を包括的に分析することを指します。現状理解のためには、関係者に聞き取り調査をして、どのような価値観を持っているのか、どの様になりたいのかを明らかにすることから始まります。そして、市場調査、顧客のフィードバック、ソーシャルメディア分析、競合比較などを活用し、企業の実態と市場の期待との間に存在するギャップを明らかにします。

②将来の姿（ToBe）をより鮮明に描くこと

　これは企業が目指すべき理想像を明確に定義することを意味します。ここでの重要なポイントは、単なる財務的な目標ではなく、ブランドの価値観、市場における位置づけ、顧客との関係性、社会的責任など、多面的な視点からの理想像の描写です。鮮明な将来像を描くことで、企業内の意思決定や外部とのコミュニケーションにおいて、一貫性と方向性を確保できます。

③ギャップを定量的、定性的に分析し、売上効率を向上させる具体的な行動プランに落とし込むこと

　定量的分析では、ブランド認知度、市場シェア、顧客満足度などの具体的な数値を用いてギャップを評価します。定性的分析では、ブランドイメージ、顧客ロイヤリティ、社内の文化や価値観など、数値化しにくい側面を評価します。

　これらの分析を基に、売上効率を向上させるための行動プランを策定します。例えば、ブランド認知度を高めるためのマーケティング戦略、顧客満足度を向上させるためのサービス改善、内部プロセスの効率化など、具体的な施策が挙げられます。

B.KPI/KGIの設定

　KPI（Key Performance Indicators）とKGI（Key Goal Indicators）の設定は、企業ブランディング戦略の確認から得られた洞察を具体的な目標と行動計画に変換する過程で重要な役割を果たします。企業ブランディング戦略の確認によって得られる洞察は、企業が目指すべき「将来の姿」を鮮明にし、現状のブランドイメージ、市場での位置付け、顧客の認識に関する深い理解を提供します。この情報を基に、KPI/KGIでは具体的な目標を設定し、それを実際の行動計画に落とし込むことが求められます。

KPI/KGI生成のためのデータ管理

　KPIおよびKGIの作成を手動で作成し、分析することは非常に時間がかかり、リソースを大幅に消費するため非効率です。手動のプロセスは、データの集計や分析においてミスが生じやすく、また、時間がかかるためにデータが時代遅れになるリスクもあります。

　そのためにも、指標の作成プロセスを明確にし、適切なデータ分析ツールやソフトウェアを活用する必要があります。自動化されたデータ分析システムは、時間とリソースの節約に寄与し、より迅速で正確な意思決定を可能にします。例えば、ビジネスインテリジェンスツールやデータ分析プラットフォームを使用して、定期的なレポート生成、リアルタイムのダッシュボード、予測分析などを行うことが考えられます。

　特に、企業内で勤怠システム、購買システム、販売管理システムなどが異なる仕組みで運用されている場合、これらのデータを統合する作業は大きな課題となります。異なるシステム間でのデータ統合は、しばしば時間がかかり、複雑なプロセスを必要とします。これは、それぞれのシステムが異なるデータ形式、標準、プロトコルを使用している可能性があるため、どのようにデータを統合管理し、進捗可能な指標に変換していくかを十分に検討しなければいけません。

C.定例的なレビューの実施

　定例的なレビューは、企業が中長期的な視点で事業を展開し、持続可能な成長を達成するために不可欠なプロセスです。このレビューの中心的な目的は、一過性の分析に留まらず、ビジネスのレベルアップや横展開の可能性を探り、継続的な改善を図ることです。

　企業が設定したKPI（Key Performance Indicators）やKGI（Key Goal Indicators）は、単に現状の成果を測るための指標ではありません。それらは、事業戦略の有効性を評価し、必要に応じて戦略を調整するための道具でもあります。定例的なレビューは以下の要素を包含して行われるべきです。

項目	内容
継続的な改善の検討	現行のビジネスプロセスや戦略が中長期的な目標に沿っているかを評価し、改善の機会を特定します。特に、ビジネス環境の変化に適応し、新しい機会を捉えるための戦略的な変更が必要かどうかを検討します。
分析の一過性を超えた横展開	分析結果を、特定の部門やプロジェクトに限定するのではなく、組織全体に適用できるかを検討します。これにより、分析から得られた洞察を、他の部門や新しい事業領域にも展開することが可能になります。
KPI/KGIの見直しと更新	定期的なレビューを通じて、設定されたKPIやKGIが現在のビジネスの要求に適合しているかを確認し、必要に応じて新たな指標を追加したり、古いものを削除することが重要です。これにより、企業の目標に合わせて指標が常に最新の状態に保たれます。
戦略の柔軟性と適応性	市場や業界の変化に柔軟に対応するため、定例的なレビューでは戦略の適応性も重要な要素となります。戦略を定期的に見直し、必要に応じて変更することで、企業はより競争力のある位置を維持できます。

ビジネスデータ分析の３つの確認方法

　ビジネスデータ分析は、しばしば予測不可能な洞察や新たな知見を得る必要があります。そのプロセスを常に一定の以上の理解したり、洞察を得るためには、ビジネスデータ分析の方法論を確立することが不可欠です。ここでは、ビジネスデータ分析を効果的に進めるための3つの確認方法に焦点を当てます。
　最初に「データを見る」ことから始め、データそのものとその表す意味を深く理解します。次に、「データの素性を明らかにする」ことで、データがどのように、なぜ、いつ収集されたかを明らかにし、分析の背景を理解します。最後に、「データジェハリの窓」を作成し、分析において自分たちの知識とデータの関係性を探ります。
　これらのステップは、データ分析をより有意義なものにすることができます。

データを「見る」

　データの可視化の重要性がしばしば強調されますが、それ以前に、単純にデータを「見る」ことの価値について考えることが重要です。ここでいう「見る」とは、データをテーブル形式で眺めることを指し、これは意外にも深い洞察をもたらすことがあります。

　テーブルに並べられたデータを、視点を緩めて眺めることで、違和感や納得感のような直感的な反応が生まれることがあります。これは、人間の脳の処理能力が非常に高速であり、特に右脳が感覚的な情報を迅速に処理できるためです。左脳が論理的な思考を担当するのに対し、右脳はより情緒的、直感的な処理を行います。

　このアプローチは、データに含まれるパターンや異常、トレンドを直感的に捉えることを可能にします。例えば、売上データのテーブルを眺めていると、特定の期間や製品に関連する売上の変動が直感的に感じられるかもしれません。これは数値やパーセンテージとして明確に示されていなくても、データの「流れ」や「リズム」を感じることで、重要な洞察が得られることがあります。

　このように、データを直感的に「見る」ことは、論理的な分析とは異なる種類の理解をもたらします。直感や感覚はしばしば無視されがちですが、これらはデータを理解し、新しい視点を得る上で非常に有効なツールです。感覚的な理解は、データに対する深い洞察や、新たな問いの発見につながることがあり、データ分析の領域においても重要な役割を果たします。

　このスキルを磨くためにはまずは「データの整形」から始めることをおすすめします。データの整形とは、データセット内の誤った情報を発見し、修正するプロセスです。この作業を通じて、違和感や誤りに気づくことが容易になります。以下に、データ整形の過程で特に注意すべき点を詳細に説明します。

整形の種類	説明
データの欠損の確認	アンケートなどで収集したデータに未記入項目が存在する場合があります。これらの欠損データは分析の精度を低下させるため、特定し適切に処理する必要があります（例：欠損値の補完、欠損データの除外など）。
データの重複の排除	同一の顧客情報が複数回登録されているケースがあります。これはデータセット内での重複として扱われ、分析結果に歪みをもたらします。重複データの特定と除去はデータの信頼性を確保するために不可欠です。
データのノイズの除去	目的と関係のないデータ、または不要なデータは「ノイズ」とみなされます。このノイズは分析の焦点をぼやけさせ、誤った結論に導く可能性があります。データ整形では、これらのノイズを特定し除去することが重要です。
表記の揺れの修正	データ内で表記が揺れる場合（例えば、会社名が「株式会社」と表記されているものと略称や英語表記であるものが混在しているなど）、これを統一する作業が必要です。表記の揺れを修正することで、データの一貫性と分析の精度が向上します。
データの粒度の調整	異なる粒度で記録されたデータ（例：月毎のデータと日毎のデータ）が混在している場合、これらを適切な粒度に統一する必要があります。粒度の統一は、比較可能なデータセットを作成する上で重要です。

データの素性を明らかにする

　「データの素性」とは、高橋威知郎さまが著書データ活用実践教室で紹介された概念です。この言い回しが、非常に良かったので私もよく使っています。

　これは、集めたデータ（特に外部データ）にズレがないかを明らかにするために、入手したデータがどのようなものかを調査する工程です。基本的な考え方は、データごとに５W１Hを明らかにしていくというものであり、以下の内容を詳らかにしていくプロセスです。

要素	詳細
データを誰が集めたか	データ収集者の背景を探ることで、データの信頼性と偏りを理解できます。例えば、専門家によるデータ収集は信頼性が高い一方、一般大衆による収集では偏りが生じる可能性があります。
データを何故集めたか	収集の目的はデータの解釈に影響します。市場調査、顧客満足度の向上、製品開発など、各目的に応じたデータ収集が行われます。
そのデータをいつ集めたか	データの時系列性は重要です。例えば、季節変動や経済情勢の変化など、収集時期によってデータの意味合いが変わることがあります。
データをどこで集めたか	地理的な文脈もデータ解釈に重要です。都市部か農村部か、特定の国や地域で収集されたデータは、その地域特有の特徴を反映しています。
どのようなデータを集めたか	収集されたデータの種類（定量的か定性的か、生データか処理済みデータか）は、分析手法の選択に影響を与えます。
データをどのように集めたか	収集方法（アンケート、実験、観察、自動収集システムなど）は、データの品質と解釈に影響します。手法によっては、バイアスやノイズが含まれる可能性があります。

データジェハリの窓を作る

　データ分析の世界では、「データがなければ、分析できない」という宿命があります。これは、分析の基礎となる情報がない場合、有効な結論や洞察を導き出すことができないことを意味します。しかし、これは単にデータが存在するかどうかだけでなく、どのような種類のデータが存在するか、また存在しないかを理解する必要があります。

　その確認に使えるのが、「データジェハリの窓」です。そもそも、ジェハリの窓（Johari Window）とは、自己認識と人間関係を理解するためのフレームワークです。1955年にアメリカの心理学者ジョセフ・ルフト（Joseph Luft）とハリー・インガム（Harry Ingham）によって開発されました。このモデルは、個人の自己認識および他者との関係において、知識や感情がどのように共有されるか（または共有されないか）を示します。

　これは、データ分析で利用できます。このフレームワークを使って、個人や組織が自身についてどれだけ理解しているか、またその理解がデータ分析を通してどのように拡張されるかを探求できます。それぞれの象限について簡単に説明すると以下のとおりです。

領域	説明
公開領域 (Open Area)	個人や組織が自身について知っていることと、データ分析を通じて確認される情報の領域。たとえば、既に認識している売上のパターンや顧客動向がデータ分析で裏付けられる場合、これらの情報は公開領域に分類されます。
盲点領域 (Blind Spot)	個人や組織が自身について気づいていないが、データ分析によって明らかになる情報。例えば、特定の市場セグメントでの意外な強みや弱み、見過ごされていた顧客のニーズなどが、データ分析によって明らかになる可能性があります。
隠された領域 (Hidden Area)	個人や組織が自覚しているが、データ分析ではまだ明らかになっていない情報の領域。これには、直感的な戦略的判断や未公開のビジネスプランなど、データでまだ裏付けられていないが、組織が内部で認識している要素が含まれます。
未知領域 (Unknown Area)	個人や組織自身も、データ分析もまだ明らかにしていない情報の領域です。この領域には、未発掘のビジネス機会、潜在的な市場リスク、新たな顧客層の存在など、今後の分析や探索によって明らかになる可能性のある情報が含まれます。

おわりに

　いかがだったでしょうか？

　最後になりますが、この記事を書く気持ちになった、マナビDXのメリットについて記載しようと思います。

　マナビDXクエストでは、”競争”と”共創”を掲げており、学び合うクルーが求められています。（マナビDX Quest　募集HP）　

　ただ、この観点から見ると、初日の@mountaincatさまの記事にある通り、「なんで見ず知らずの人々に無償でもの教えなくちゃならんのよ？」という疑問が出てくると思います。

　この質問に対し、私なりに考えてみましたが、無償で人に教えることにより得られるメリットは、「自身が持つスキルやノウハウを言語化できる」ということです。無償で見ず知らずの人々に知識を教える行為は、一見すると自己犠牲のように思えるかもしれません。

　しかし、これは実は、個人のスキルや知識を豊かにする隠れた機会を秘めています。自分の知識を他人に伝えるプロセスは、その知識を言語化し、より明確にする絶好の機会です。さまざまな質問に答えることで、自分の考えを整理し、自身のスキルをを磨くことができます。これは、自己の専門性を深め、コミュニケーション能力を高める絶好の訓練になります。

　さらに、あなたの知識が他人の成長や成功に貢献するという、深い満足感をもたらします。自分にとって当たり前の知識やスキルが、他人にとっては新しい発見や解決策になることもあります。このような経験は、自分の知識や経験が価値あるものであることを実感させ、自己肯定感を高める効果があります。

　もし、勉強していて自分の持っているスキルは果たして役に立つのか？と疑問に思っている人がいた場合は、ぜひおすすめしたいという内容でした。

さてさて、明日の担当は、@MiyaKrmtさまの記事です！！
よろしくお願いします！