このnoteでは、データ活用における課題解決をテーマに、私の経験をもとに事例や解決案を詳細に記述します。

『データ活用における課題』というと、どのような事をイメージされるでしょうか？

・データを活用できる人材が不足している。
・ベネフィット/効果が分からない。
・経営層/現場層から理解を得られない。
・研修は受けたが、業務で活用出来ない。
・導入したシステムを利用してくれない。
・組織内への定着に向けた具体的な進め方が分からない。
などなど、それぞれの立場から、色々な課題が出てくると思います。

様々な機関の調査結果が公開されていますが、私が一番共感した調査結果は、2020年に株式会社NTT経営研究所が公開した『企業におけるデータ活用の取り組み動向調査』です。

個人的には、これにプラスして『推進者/責任者の不在』という点も大きな課題と感じます。

民間企業や自治体など、様々な方々との会話から得た情報を踏まえますと、特に影響が大きいと思われる課題は、以下の3つです。

・自社にビジネス面のスキルが不足（データ活用の仮説設定や業務への組み込み等）

・データの種類や項目数（（顧客データの場合）家族情報、子供の年齢等）が不足

・推進者/責任者の不在

自社にビジネス面のスキルが不足

この「ビジネス面のスキル」とは、データサイエンティスト協会が提示する3つのスキルセットの『ビジネス力』にあたる内容かと思います。

データサイエンティスト協会が提示する「ビジネス力」については、「スキルチェックリスト」に具体的な内容が記載されています。

例えば、、

※ スキルレベル：★～★★★
※ 必須スキル：〇 or 無

これらのスキルが不足していると、、
『データから何か課題を探してみて！』
『とりあえず、今あるデータを分析ツールに入れて可視化してみよう！』
など、データから何かを始めようとして、データ分析の効果を得にくい方向に行きがちです。

先進的な事例や、素敵な最新テクノロジーを見聞きすると、
気がついたらデータ活用をやる事自体が目的になっていて、
目的と手段が逆転しているケースが多いように感じます。

この「ビジネス面のスキルが不足」を改善すれば、データ活用における課題の半分ぐらいは解決すると思っています。

データの種類や項目数が不足

ビジネス課題を解決するためのデータが無いということは、実はよくある話です。厳密には、『仮説を検証するためのデータが無い』です。

モニタリング/レポーティングとして利用するデータは、
基幹システムなどの社内システムから取得することが出来ます。

しかし、仮説検証のデータという観点では、
『データの種類や項目数が不足』していると思います。
私がこのように感じる理由は、以下3点です。

①社内データで出来る仮説検証は、既に終わっている。
②必要なデータが分からない。
③データの取得が難しい。

『不足しているデータをどう取得するか？どう発生させるのか？』ということは、
ビジネス課題の解決だけでなく、すぐそこまで来ているAI時代を迎えるにあたっても、最も重要な事項だと思っています。

また、社員の学習モチベーションにも関係しています。
研修やワークショップを実施しても、そのスキルを活かすためのデータが無ければ、学習モチベーションは維持できません。

推進者/責任者の不在

組織内でデータ活用を定着化させるためには、推進者の存在は欠かせません。

NTTデータ経営研究所の調査結果にある課題のカテゴリ。
・業務プロセス
・人材/スキル
・戦略/計画/管理
・企業文化/カルチャー
・システム/データ

最近では、CDOやDX推進長がこれらの課題に対処しているようですが、これほど広範で複雑な課題に対して、リーダーシップを発揮し推進していくことは非常に困難であると考えられます。
同時に、新たに推進者を見つけることは簡単では無いです。

しかし、強力な推進者を得ると、データ活用の定着化（≒組織のデータリテラシー向上）が驚くべき速さで進展していきます。

まとめ

まずは、上記3つの課題解決に向けた記事を書いていこうと思います。
これらの課題解決に動けば、少なくとも停滞することは無いです。

また、様々な視点から書くことを予定しています。
・業務部門視点 / システム部門視点
・経営層視点 / 各役職者視点 / 現場視点
etc…

これからよろしくお願いします。