データアナリティクス

データアナリティクスとは顧客情報や取引履歴などの生データから事業改善や売上増加、商品開発などに役立つ情報を発見するために行う分析のことです。

データアナリティクスでは、ビジネスの意思決定を行う材料として既存のデータを基本的な統計学を用いて分析し、可視化することに重きを置いています。一方、データサイエンスでは、膨大な未加工のデータを高度な知識を用いて、それらのデータの共通点を発見することが目的です。データサイエンスでは数学や統計学、情報科学など様々な分析手法が用いられ、ビッグデータの解析や機械学習の分野で活用されている点が特徴的です。

データアナリティクスを行うことで様々な分野の効率を最適化することができます。
データアナリティクスを活用することは、消費者の潜在ニーズや新たな収益源の発見につながり、その後の事業改善や商品開発に活かすことができます。
例えば、売れている商品とそうでない商品とをデータから分析し、商品の在庫決定に活かすことによって、機会損失の防止とコスト削減につなげることが可能です。

1. データ収集・加工
   収集元を問わず、扱うべきデータを取り揃え分析可能な状態へと加工します。
2. データ分析
   様々な分析手法を組み合わせ、データから結果を得られるようにします。
3. データに基づく施策立案
   分析結果から気付きを見出し、施策方針を示唆します。

データアナリティクスをサポートする多くの分析用のソリューションがあり、特にBIツール（Business Intelligence）がその代表となります。BIツールにはデータを高速に集計し、特徴的な数値や変化の傾向を捉え、更にドリルダウン（明細データの展開）することにより、起きている事象の因果関係を捉えるサポートを行います。また、BIツールには統計的手法を組み込んだ高度な分析ができるツールもあります。BIツールは業務目的に合わせ、データ規模、分析の手法、操作性（利用者）などを確認して選定します。また、データアナリティクスを実行するにはそれに必要なデータを集め、分析可能な状態までデータの加工、編集を行う必要があり、ETLツール（Extract／Transform／Load）などを利用し効率化することも有効な手段です。

データアナリティクスでは、元データの意味を誤ると判断の結果にも影響を及ぼすので注意が必要です。元データの取得時点や対象範囲、マスターデータの整合性など発生データの正確な理解が重要になってきます。例えば、売上データを分析する場合に、いつの時点の売上なのか、対象のセグメントや商品の範囲などの正しい理解が必要です。また、複数システムや複数事業を横断的に分析する場合には、コード体系の違い（製品の管理メッシュが製造と販売で異なる、或いは品番体系が異なる等）から、そのままでは意図する分析ができない事態に直面することもよくある課題です。

分析の目的、戦術から必要なデータを調査し、適切に利用するために対策（現状調査から要件定義、設計）を練ることが欠かせません。
また、分析の対象範囲、データ範囲、分析の可用性を拡げると、データを揃えるために工数、期間を投入することになります。最も大切なことは、分析の目的、狙いを明確にし、それを達成するために短期間に必要最小限でできることを考え、早期に結果を獲得することが肝要です。何でも分析できるデータベースと分析環境を構築する、というようなDWH（Data Warehouse）構築を過去に取り組んだ歴史がありますが、現実的にはごく一部の目的での利用に留まるケースが殆どで、構築したDWHの大半が利用されず結果的に専用システムを後から作り直しDWHを廃止するケースも多く見られました。先ずは小規模なパイロット的な導入から始め、効果を確認しつつ多段階で本格システムまでスケールアップすることも有効です。

このように、アナリティクスのソリューションは道具として便利な仕組みを有していますが、それを効果的に活用するために、知見やノウハウを蓄積する人材を育てて行く取り組みも欠かせません。

データアナリティクスを効果的に活用し、成果に繋げるために考えておくべきことを整理しておきます。

• データアナリティクスの目的を明確にする
• 分析したいデータの意味を正しく理解し、適切な分析環境を整備する
• データアナリティクスの目的に適したツールを活用し、効率的に構築・導入する
• アナリティクスを実行、推進できる人材を育成し、内部に知見・ノウハウを蓄積する
• 小規模なパイロットシステムから段階的にスケールアップする

当社でもアナリティクスの事例を多数保有していますので、お気軽にご相談ください。