データドリブンな意思決定、ダッシュボードだけでは不十分

Appleの創業者、Steve Jobsは次のような名言を残しました。

技術だけでは十分ではない。
(Technology alone is not enough.)

彼はテクノロジーと人文科学の組み合わせが私たちの胸を躍らせると言いました。そのような彼の哲学は、優れたデザインとユーザーエクスペリエンスを持つアップル製品とそのエコシステムを生み出しました。

異質なものの相互補完は素晴らしい結果を生み出しました。そしてそれは、今、データの分野でも起きています。

BIの歴史: BIはどのように発展したのか？

ダッシュボードだけでは十分ではありません。限界があります。この話をするためには、現代のデータダッシュボードを誕生させたBIが何であるかを知る必要があります。

BIの歴史を振り返ると、1990年代にデータウェアハウスの誕生により、データの保存と組織化が大幅に改善されました。 続いて2000年代には、組織化されたデータを一目で把握するためのBIソリューションが登場しました。

2010年代には、インターネットの普及とデジタルデータの増加により「ビッグデータ」時代が到来し、データ分析とデータサイエンスの領域が注目されるようになりました。

このような背景から、現代のデータダッシュボードが重要な役割を果たすようになりました。データダッシュボードは、データを視覚的に表現し、実務者が簡単に理解・活用できるようにすることで、データに基づいた意思決定を促進し、ビジネス運営の効率性を高める上で重要な役割を果たします。

しかし、ダッシュボードの使用には限界があります。

ダッシュボードは複雑なデータを単純化して表示する傾向があり、時にはより深い分析が必要な場合に、十分な情報を提供できない場合があります。また、すべてのユーザーのニーズを満たすことは難しく、データの解釈にエラーが発生する可能性もあります。

BIの限界: 一方向的なデータの流れ

双方向でインタラクティブなメディアプラットフォームが台頭し、テレビやラジオ局のように一方向に情報を発信するメディアは急速に人気が低下しています。

そして、そのような現象はデータの分野でも同じように起こっています。

データを活用するために、多くの企業はBIダッシュボードを社内に構築しています。しかし、実際にBIダッシュボードを構築して運用してみると、期待していたものとは異なっていました。

一方向的なデータの流れを持つBIダッシュボードでは、実務者がデータに対する深いインサイトを得ることができませんでした。そこで、データアナリストという「データ分析」を専門とする職種が誕生しました。

BIはデータアナリストの業務を補助する手段に転落してしまいます。

DDDの始まり: データアナリストの業務過多

2020年代に入り、企業のすべての意思決定がデータ中心で決定されるようになりました。DDD(Data-driven-decision)という概念の台頭とともに。

そのため、データアナリスト、データサイエンティストという職種の出現とともに、彼らは組織内で非常に重要な役割を担うことになります。データアナリストは組織内で非常に重要な人材になりましたが、これはまた別の問題を生み出しました。

データ分析のボトルネックが発生し始めました。

社内では、データアナリストはデータに関するあらゆることを行うことになります。そして、彼らの業務は過重になります。現業部門はアナリストに業務依頼をした後、しばらく待たなければなりませんでした。

また、ただでさえ過重な仕事をしているアナリストたちに、現業部門は自分のデータが何を意味するのかをいちいち説明しなければなりませんでした。データアナリストはあらゆる種類のデータに関するドメイン知識(domain knowledge)を持っているわけではないため、実際、アナリストが勉強までしてデータ分析まで行うことに大きな負担を感じることになります。

このような状況は、データドリブンな意思決定の文化を組織に根付かせる上で大きな障害となりました。

BIとAnalyticsの統合: Self-service Analytics

BIでは深いデータ分析を行うことができません。しかし、データアナリスト単独で分析を行うことにも様々な問題が発生しました。

このような問題を解決するために誕生したのがセルフサービス分析ツール、いわゆるSelf-service Analytics toolです。BIにデータ分析機能が搭載された進化したソリューションです。

Self-service Analytics toolの出現は、データへのアクセシビリティを大幅に向上させる重要なターニングポイントとなりました。これらのツールは、データ分析の複雑さを軽減し、専門家でなくともユーザーフレンドリーなインターフェースを通じて簡単にデータを分析できるようにしました。

これはデータの分散化(またはデータの民主化)と呼ばれる概念の実現であり、データ分析と意思決定の権限を組織内のより多くの人々に分散させるという現象につながりました。

データ分散化のメリット

1. 業務効率の向上: 以前はデータアナリストに集中していた分析作業が、今や実務者にまで拡張されるようになりました。その結果、実務者は自分の業務に関連するデータを直接分析・解釈できるようになり、全体的な業務効率が大幅に向上しました。
2. 迅速な意思決定支援: データへの直接的なアクセスと分析が可能になったことで、実務者はより迅速に情報に基づいた意思決定を行うことができるようになりました。これにより、ビジネス環境における迅速な対応と柔軟な戦略策定が可能になりました。
3. 問題解決能力の強化: 実務者が直接データを扱うことで、データに対する深い理解とともに問題解決能力が強化されました。これは、組織内でデータドリブンの問題解決文化を促進し、全体的な能力強化につながりました。
4. 組織内のデータ文化形成: データの分散化は、組織内でデータを重要な資産として認識し、活用する文化を形成することに貢献しました。データを扱う能力は、もはや特定の職種に限定されなくなり、組織の戦略的意思決定やイノベーションのための根拠として活用されるようになりました。
5. 組織メンバー間のコラボレーションの促進: 様々な部署のメンバーがデータを共有・分析することで、組織内のコラボレーションが強化されました。さまざまな視点からデータを解釈し、それに基づいてより包括的かつ効果的な戦略を策定することができるようになりました。

代表的なSelf-service Analytics Tool

Self-service Analyticsツールは、ユーザーがデータを簡単に分析・視覚化できるように設計されたソリューションであり、様々な産業分野で広く使用されています。代表的なセルフサービス分析ツールにはTableau、PowerBI、Looker Studio、HEARTCOUNTがあり、以下の表でそれぞれのメリットとデメリットを整理しました。

コーディングなしで簡単に質問し、答えを得る

データ分析は重要ですが、いざデータを分析しようとすると、難しいと感じるのも事実です。

このような悩みを解決するために、"Everyone is an Analyst" というミッションの下、HEARTCOUNTは誰でも簡単にデータを分析し、理解できるように開発されました。コーディングや複雑なプロセス無しで、直感的にデータに質問して答えを得ることができます。

想像してみてください。まるで友達に質問するように、「今月の顧客獲得コストはいくら？」、「顧客満足度はどのように変化しているのか？」と尋ねるだけで、欲しい答えがすぐに得られるとしたらどうでしょうか？

HEARTCOUNTでは、このような体験ができます。Googleアカウントがあれば今すぐに無料で始められます。