こんにちは。今回はデータ分析基盤の導入についての費用対効果のシミュレーションついて書きたいと思います。
生成AIは現時点では数字周りがあまり強くないということもあり今回は結構僕の方でまとめていくことになりそうな気がしております。

でもやっぱり生成AIの手軽さを体感した僕には、まずはじめにジョシュに聞いてみて、なんか違うな～と思ったら自分で記載する方法を選んでしまします。
レポートの自動化とかも実は同じで導入に成功すると「なぜ今まで私達は毎日エクセルで集計を行っていたんだ…。」みたいな世界になりますね。

データ分析基盤を導入する場合、費用対効果はどのようにシミュレーションすればよいですか？

導入前と導入後、イニシャル、ランニングなどについてグループ分けしながら説明してね。

データ分析基盤の投資効果を評価するためには、以下の要素を考えると良いでしょう。

【導入前】

• 現状の問題点：ある程度の時間をかけて手作業で集計している、集計ミスが発生する、など

• 現状のコスト：人的コスト、ミスによる機会損失など

【導入後】

• 改善される問題点：自動化により時間短縮、集計ミスの減少など

• 新たなビジネスチャンス：新たな顧客洞察、コンバージョン率の向上など

その上で、以下の投資について考慮します。

【イニシャルコスト】

• システム導入コスト：ハードウェア、ソフトウェア、開発・設定費用

• 教育・研修コスト：ユーザー教育、システム運用研修など

【ランニングコスト】

• システム運用・保守コスト：人件費、ライセンス費用、システム更新費用など

• データ活用費用：分析ツールの使用料、外部データの購入費用など

これらを基に、具体的な数値を用いたシミュレーションを行うことで、投資効果を評価します。具体的には、「導入前のコスト」から「導入後のコスト」と「新たなビジネスチャンスによる利益」を引いた値を見て、プラスになるかどうかを確認します。

「集計ミス」については具体的な算出が難しそうなので一旦おいておきましょう。（過去の履歴などでこの辺りもシミュレーションに加えられるのであれば加えたほうが精度は上がります。）
「新たなビジネスチャンスによる利益」については現状の事業社の状況による部分が大きですので一般論で算出するのが結構難しいですね。
このあたりは専門家にお願いするとかでも良いと思います。


では具体的な計算をジョシュは間違いなくできるんでしょうかね？
ちなみに複雑な計算を聞く場合は順番に内容を質問していき、且つ「ステップバイステップで答えてください」と記載すると正答率が上がるらしいです。

＜悲報＞
※2時間ぐらい試したのですが、ジョシュが計算ミスしまくりなので読者の皆様の誤認のリスクなど含めここは割愛させていただきます。
やっぱり現時点では数字周りはめちゃくちゃ弱いという結果でした。

導入前コストのシミュレーション

年収600万円の人が3人で毎日30分、年収400万円の人が6人で毎日60分集計に時間を使っていた場合。
（月20日換算で160時間勤務、物件費は1人10万円で換算）
下記がざっくりの計算結果です。

上記の結果は簡単なシミュレーションですが、
実際に店舗数が多かったり従業員数の多い小売業の場合、これとは比べ物にならない工数（費用）がかかっているのではないでしょうか？

上記は"Hidden cost"（ヒドゥンコスト）と呼ばれるもので、意外と知られていない集計コストだったりします。
実際に僕が支援させていただいている企業でもこのシミュレーションを行うと結構なお値段になったりしていて、実はデータ分析基盤を構築する方が安くなるみたいなケースもあったりします。
上記のシミュレーションと導入後のコストの差分が追加投資となる計算ですね。

※ただし上記のシミュレーションは企業の支払いがリアルになくなるものではない点だけご注意ください。その分他の仕事に注力できるという意味での人のパフォーマンス向上の計算になります。

あとコストだけで見てしまうと「現状のほうが安い！！」となる企業さまも多いと思いますが、集計の精度が上がるのも実は結構クリティカルだったりします。

まぁでも普通に考えて「集計」自体が人間とコンピューターどちらが行ったほうが良いかは明確ですよね…。
なので僕が支援させていただく場合、「集計」のコストは限りなく減らし、その空いた工数を「分析」や「実際のアクション」にシフトすることをオススメしています。

このあたりで個人的には「DX実装の初手」だと思っています。
でも実際に実装できている企業はそんなに多くないのも現状ではないでしょうか。

次回は「導入後のコストシミュレーション」について考えていきたいと思います。