BI導入後のよくある課題3選

スマートフォンやリモートワークの普及などにより、様々なデータを得られるようになっている中で、データ活用は企業の競争優位性に大きな影響を与えています。

「データドリブン」や「データの民主化」を推進するための取り組みを多くの企業がBI（ビジネス・インテリジェンス）を導入していますが同時に様々な課題が出てきています。
本稿ではBI導入後に陥りがちな課題やその解決方法をご紹介します。

BI導入後に陥りがちな課題とは？

1.正しい分析結果を得られない
複数組織や全社といった規模でのデータ活用になった場合にしばしば起こるのが、作成者の異なるレポートを横断した際の分析結果が実際の値と異なっているケースです。

例えば、「売上」と一言に言っても税込なのか税抜なのか、返品は含むのか含まないのか、一括計上なのか分割計上なのかなどがレポートごとに異なっており、実際の売上額とBIで抽出した売上額が一致しないといった問題が起こってしまうというものです。

この原因としては下記3つがよくあげられます。

分析者の視点やリテラシーによって指標がブレてしまい発生してしまっている
データ定義が様々なレポートに存在しておりメンテナンスができていない
担当者の異動や退職によりデータ定義がブラックボックス化してしまっている

正しい分析結果を得られない状態は、分析後に結果があっているのか人間がレビューするなどの手間が発生してしまいます。

2.パフォーマンスが悪い
導入時点では問題なかったのが、データ量やデータソースの増加に伴ってパフォーマンスが悪くなってしまうケースもよく聞きます。
原因として、インメモリデータベースのBIを使っている場合にしばしばあります。メモリ上にデータを抱えて分析するためデータ量の増加がメモリを圧迫したり、複数のデータソースの取り込みを同時に実行する場合はその処理でもメモリを圧迫してしまうためよりパフォーマンスが遅くなってしまう可能性があります。

3.データ活用の習慣が根付かない
多額の投資をしてBIを導入したにもかかわらずデータ活用の習慣が根付かない、というのもすでにお悩みの方もいらっしゃるのではないでしょうか？
データ分析は手段なので本来は分析後のアクションが重要なのですが、分析ツールとアクションのツール（例えばマーケティングオートメーションやSlackなどのコミュニケーションツール）が別々なので、BIを使うユーザが面倒になってしまいBIツールを開かなくなってしまうということがしばしば見受けられます。
他には、これまでBIを使っていないユーザの場合は、BIツールの確認が従来の業務に追加される形になるので手間が増えると感じてしまい定着しないケースもあります。

既存のデータ分析環境を活かすには？

様々な課題はあるものの、データを正しく使うことは企業の競争力を高めますし、せっかく導入したBIツールなので、できる限り使いこなしたいですよね。
前述の課題は運用方法で解決する方法もありますので、こちらでご紹介いたします。

1.データ定義を決める担当とレポート作成の担当の役割分担をする
「誰でも自由に分析できる」というのは、一見とても素晴らしいことなのですが、データについてのリテラシーが異なる様々な方が自由にデータ分析をすると前述の通りデータの整合性が一致しないという問題が起こってしまいがちです。データを使える自由度はできる限り担保しつつ正しいデータ分析を行うやり方の一つとして、データ定義を管理する方とレポート作成する方の役割分担をするという方法があります。データ定義管理者も1人に依存してしまうとブラックボックス化の原因となってしまうので、データ定義の説明やバージョン管理などは仕組みとして持っておく必要があります。ここの仕組みは、以前私がお話した分析担当者様はGithubを使って運用をしていました。

2.パフォーマンスを向上させる
インメモリデータベースを採用しているBIはメモリの増強で対応する方法もあると思うのですが、高コストになってしまうケースもあります。
一つの負荷軽減の策としてデータウェアハウス（DWH）を構築するという方法があります。

データウェアハウスに分析可能な状態になっているデータを一括で蓄積しておくことによって、データ収集・加工で消費されるメモリ容量を軽減することができます。最近では比較的低コストで利用できるDWHが普及していますので、単なるメモリ増設によるパフォーマンス向上の前に比較検討する価値があるのでないでしょうか？
（Google が提供するDWHとして BigQuery があります。ご紹介記事はこちら）

3.データ利用の習慣をつける
データ利用をこれまでやっていなかった方が多い環境だとデータを見に行く業務が増えてしまうので、業務の導線にデータ確認を加えることで自然な形でデータを見る習慣を導線に加えることができるようになります。
BIツールによっては指定した時間に特定のダッシュボードを任意のアドレスに自動送信できる機能や、iFrameへの埋め込みをできるものなどがありますので、業務導線に入れる組み込む事ができます。
もともとエクセルなどで分析していた組織の場合は、BIツールの利便性を伝えていくことがデータを使う文化を醸成していくことにつながると思います。

データ分析環境を見直してみる

冒頭でも書いたとおりデータ量の増加の増加は著しく、データ分析環境が現在のデータ量やビジネス環境に適していない場合も考えられます。また、上記の方法では手間が掛かってしまうといった場合もあるので、これらの場合はBIツールの変更やデータウェアハウス（DWH）の構築も視野に入れる必要があります。
ツールを選定していく上で必要なものとして、お話した課題が発生しにくくするために下記の3点を考慮する必要があります。

1.データガバナンスを伴った分析ができるか？
データガバナンスはデータの整合性やデータアクセスなどの管理ができている状態です。一時的にガバナンスを取れるのではなく、維持できることが重要なのでメンテナンス性の高いツールであることが求められます。

2.データ分析とその後のアクションをシームレスに行うことができるか？
API連携などによって他ツールとの連携が容易出ることが求められます。

3.データ増加しても快適なパフォーマンスで分析できるか？
データ分析は必要に応じてデータを取得してくることも求められますし、数年以内にデータソースとなるアプリケーションが変わるケースも考えられます。拡張性に適したツールを選ぶことが必要です。