データ戦略の会社が考える「成果が出ないデータ分析/AI導入が多い理由と、 成功確率を上げるために何が必要なのか」

最初にタイトルに対する結論ですが、成功確率を上げる、つまりビジネス上の意味がある成果を得る確率を高めるために必要なものは

1) ビジネス上の成果と紐付いた適切な「目的」
2) 目的を達成するための「戦略」
3) 戦略を実行するための「チーム(+チームが使えるリソース)」
4) チームが本来の力を発揮するための「セットアップ(立て付け・お膳立て)」

です。

この記事では、まず最も重要な目的について考えてみます。

他の2) 〜4) は、全て目的がなければ、始まりません。この順番を逆にすると、どこかでプロジェクトがうまくいかなくなるケースが多くなります。

例えば、よくある「うちも色んなデータが溜まっているし、今どきデータ活用とかしたほうがいいのかな。何ができるか考えてみよう」というのは、3)のリソースの一部である「現在所有しているデータ」からスタートしてしまっているケースで、多くの場合失敗します。

なぜ多くの場合失敗するのでしょうか。上の 1) 〜 4) に関しては、1) からスタートすると、目的ベースで戦略・チーム・お膳立てを設定するので、全て一貫性を取ることができます。

その一方で、3) からスタートすると、今のデータや予算でできることでは、1) の目的を達成するのにチームやリソースが足りていないケース(例:「え、その期待値でこの予算?」「それ上手く行っても、利益へのインパクトってちょびっとだよね」等)や、2) が経営陣の中で合意されていないために他部署とコンフリクトを起こすケースが多くなってしまいます。

ではどうしたら良いのでしょうか。

オススメは、最初に会社の中期経営計画や、事業部の事業計画等の、会社や事業部として達成しなければいけない最上位の目標(売上・利益・製品開発・組織/システムetc)と、それを達成するために壁となっている課題をリストアップし、その課題毎にデータ分析やAIでその課題をクリアできないか考えてみることです(ここでどの課題を解決するためにどのようなデータや分析技術が必要か、自社のリソースでそれは足りるのかを判断するには一定の経験が必要です)。

中期経営計画等の最上位目標は、それを作るまでに基本的なキーパーソンは関わっている事が多く、達成すべきアウトプットとして社内の合意も取れていることが多いので、その達成に寄与するものであればビジネス上適切な成果となることが多くまた社内の合意形成も取りやすい傾向にあります。

そして、一番重要なことですが、その方が結果が出やすくなります。適切な目標からブレイクダウンしてくることで戦略も明確になり、必要なリソース確保もでき、経営陣や他部署とのお膳立てもスムーズに行きやすくなります。データがきちんと蓄積されている企業であれば、スピードも上がるでしょう。データが蓄積されていない、かつ、データ活用によるインパクトが大きいのであれば、一刻も早くデータの蓄積を開始する・他社のデータを利用するなどの布石を打ち始めることが重要です。

DataStrategyへ相談したい方へ

DataStrategyでは、新規事業開発、業務自動化、執筆、イベント登壇などの相談を受け付けています。弊社へまずは相談だけでもしてみたい、弊社の取り組みについて一度直接聞いてみたいという方は、お問い合わせフォームからご連絡ください。


この記事が気に入ったら、サポートをしてみませんか?気軽にクリエイターを支援できます。

5

AIのビジネス導入を考える上で読みたい記事

これからAI (機械学習や深層学習) をビジネスに導入したい、自社のデータを活用したい人にお役立ちの記事をピックアップしています。
1つのマガジンに含まれています

コメント1件

激しく御意です。更には戦略上必要なデータ分析手法を理解した上でリサーチデザインを定義してどんなデータを集めるか?予め仮説することが重要ではないかと考えます。データ分析はモデリングと考察が1割で収集と前処理が9割と言われますが、だからこそ予め必要な分析と集めるデータについて可能な限り仮説することが生産性を高めるのではないかと考えます。
コメントを投稿するには、 ログイン または 会員登録 をする必要があります。