森本好映 KSK Analytics CEO Blog

アグレッシブなタイトルですが、要は企業は「早く自社内に分析部門を早く作ったほうが良い」ということを言いたいのです。

現在のような目まぐるしく変わっていくビジネス環境では、自社の強み（コア・コンピタンス）を磨くとともに、それ以外は効率的に運営する(アウトソーシング等外部を活用）ことが求められるのは、皆さんご存知のところです。

テクノロジーは、劇的に変化を遂げています。IT（ICT）は業務に不可欠な存在になりましたが、この20年で一気にコモディティ化が進んでいます。

これらを提供するハードウェア／ソフトウェアベンダーから見ると良く分かります。
40年前、ネットワークやハードウェアを持つ企業がIT業界をリードしていました。
30年前、OSを持つ企業が覇者となりました。
20年前、その上で動くソフトウェアやデータベースが重要になりました。
10年前からそれらはクラウドとなり、さらにその上に乗るデータやコンテンツ、ビジネスが競争優位の源泉となっています。

企業組織の観点から見てみましょう。企業は自社のコアとなる経営資源には、投資を行い自社で抱えねばなりません。一方で、代替の効くもの（コモディティ）はアウトソースしたほうが効率的です。ITはどんどん下のレイヤーからコモディティ化していっています。

今、巷で「データ分析」や「人工知能」が話題となっています。なぜなら、IT基盤に乗る「コンテンツ」や「ビジネス」は通常他の企業が真似できないオリジナルのものだからです。これらは、従来のIT部門だけで作り出すことは難しく、IT力＋現場力＋分析力をもつ部門横断的な組織「分析部門」が必要になります。

最近、多くの企業で分析プロジェクトチームや、分析グループの方とお会いするようになりました。ここで成功事例が数多く生まれ、分析部門が企業の中でメジャーな存在なることを願っています。

最近は、ほぼ毎週のようにIoTやデータ活用を始めたいので、相談に乗ってほしいというお声掛けをいただき、さまざまな業種・業界のお客様を訪問しています。その中で、よく課題に上がるのが、「データ分析前の問題」と「データ分析後の問題」です。

データ分析前の問題：Before Data Analysis
１．そもそも、何を分析してよいか分からない（課題設定の問題）
当然ながらデータで問題を解く前に、まず何を問題とするかが重要です。そして、その問題が、「データを使って解決できるものなのか」「解決した時のビジネス価値が高いのか」をお客様自身が判断しなければなりません。ブームに乗ってやみくもにデータ解析を行う前に、自社にとっての価値を決めなければなりません。これがないと期待したROIが得られません。

２．分析する人材がいない（分析人材の問題）
最近はデータサイエンティストの求人は完全な売り手市場です。なかなかビジネススキル、分析スキル、ITスキルを兼ね備えた人材の獲得は困難です。しかし、一人のスーパーマン獲得は難しくても、チームで協働することはできます。現場部門の人＋IT部門の人＋外部の分析コンサルタントにより、現場主導型の分析プロジェクトは可能です。

３．どのように分析してよいか分からない（分析ノウハウの問題）
データ分析はどれだけ引き出し（方法）を知っているかです。こういう問題にはこういう手法が使える、こういう見方もできる、優秀なデータアナリスト程、多くの引き出しを持っているものです。まったく初めてデータ分析に取り組む際には、外部の分析コンサルティングを使う価値は高いと言えます。なぜなら、業務スキルやITスキルは社内人材で見つけられますが、データ分析を経験した社内人材はまだ少ないからです。良い分析コンサルタントと活動することでスキルトランスファーが進み、自立的に分析ができるようになります。

４．分析ツールの購入費用が高い、または使いづらい（ツールの問題）
データ分析を阻むものの一つは高額なツール費用です。多くの場合、分析プロジェクト初期には潤沢な予算は得られません。そこではオープンソース・ソフトウェア（OSS）が役立ちます。OSSは初期コストを抑えるだけでなく、コミュニティによる素早い開発やカスタマイズ、またコミュニティメンバーやお客様と分析機能や結果を共有できるなど、データ分析に相性が良いと言えます。

データ分析後の問題：After Data Analysis
１．分析結果をどのように現場に適用してよいか分からない（データサイエンティストの現場感覚の欠如の問題）
XX社の有名なデータサイエンティストにお願いしたのに、結局現場で使えなかった。。。という声を聞いたりします。PhDを持つデータサイエンティストでも業務知識では現場の人には勝てません。良い分析結果が出ても、それを解釈して実際の施策や新たな課題解決を提起するには、そのビジネスを深くを知ることが必要です。そのため、分析をデータサイエンティストに任せるのではなく、現場の方が自ら分析を行うことが重要です。

２．せっかく施策を提示しても現場が使ってくれない（現場の職長を巻き込むマネジメントの問題）
営業現場や製造現場など、現場が強い組織ほど、一方的に分析結果を提示しても使ってもらえません。使ってもらう工夫が必要です。例えば、こうした故障予測のレポート１つでも工夫ができます。”XXX機種 1週間以内の故障A 発生確率 82%” だけでなく、エビデンスとしてのセンサー時系列チャートや対処方法ヘルプへのリンクなど、「現場（あなた）の意思決定をサポートします」という意図が入らないと使ってもらえません。

３．データ分析を継続できない（PDCAが回っていない問題）
コンサルタントにすべて依存した場合、そのコンサルタントが去った後は、元の状態に戻ってしまいます。必要なのは、コンサルタントを活用しながら、スキルトランスファを行い、自立的な分析チームを作ることです。そのためKSKアナリティクスでは、少し変わったデータ分析コンサルティング（データ分析チーム育成支援）を行います。OSSを使い、お客様と一緒に分析しながら、スキルトランスファーを行っていきます。すべてのビジネスパーソンが当り前にデータを分析・活用できた時、日本の生産性は飛躍的に向上すると思っています。