企業がデータ活用を実践するうえでは、さまざまな課題に直面することが少なくありません。そこで本記事では、データ活用において陥りがちな課題を5つピックアップしてご紹介します。また、それら課題の解消方法や、データ活用を成功させるポイントについても解説しますので、ぜひ参考にしてください。
データ分析で陥りがちな3つの課題とは
ビジネス環境の変化が激しい近年では、企業によるデジタルデータの活用が増加しています。総務省が発表した「令和2年版 情報通信白書」により、2015年の調査と比較して、POSやeコマースの販売記録、IoT機器のセンサーデータなどの活用が進んでいることも明確にされました。
POSなどによって自動取得されるデジタルデータは、経営企画や製品・サービスの企画開発、マーケティングなどの部門でよく活用されています。しかし、大企業の多くはデータを活用できている一方、中小企業では大企業ほどデータ活用が進んでいないことも事実です。その理由として、データ分析を行う際に生じがちな以下3つの課題が関係していると考えられます。
コスト
データ分析を行うためには、分析に活用するデータを自社で収集したり、外部からデータを購入したりして準備しなければなりません。自社で収集する場合、データによって数値や表現方法などの内容にばらつきがあり、統制がとれていないものは補正作業（クレンジング）を行う必要があります。すべてのデータ補正を手作業で行うのは作業負担が大きいため、一般的にはデータクレンジングツールなどが用いられますが、当然それには導入コストが必要です。
また、営業やマーケティング、店舗など、それぞれの部門で個別にデータを収集・管理している場合、データの統合処理から行わなければならないため、補正が終了するまでかなりの作業負担がかかります。データ収集の段階でもIoT導入などにコストがかかるため、IT資産に余裕のない中小企業はとくに、データ活用が進みにくい傾向にあります。
現に、2020年に総務省が実施した調査によると、日本企業の約20％はデータ分析の導入にあたって、個人データの収集・管理にかかる費用の増大を課題と捉えています。
人材不足
総務省のデータ分析体制に関する調査では、データ分析の担当者は「データ分析を行う専門部署の担当者」「各事業部門のデータ分析専門担当者」「各事業部門のデータ分析専門ではない人」がほぼ同じ割合と発表されています。ただし、多くの中小企業においては、分析を行っているのが専門の担当者ではなく「データ分析が専門ではない人」です。
このことから、特に中小企業では、データ分析を専門とする人材の不足が考えられます。データを経営に活かすには、データ分析能力以外にも自社のビジネスに対する知識が必要なため、いわゆるドメイン知識を持ち、また分析結果から適切な施策を提案できる、ハイレベルなデータ人材が求められています。
データ分析のために必要なシステムを新しく導入した場合は、当然ながらシステムを管理・運用できる人材も必要です。せっかく費用をかけてシステムを導入しても、機械学習やAIをデータ処理に活用できる人材が社内に存在していない、というケースもあるかもしれません。将来的な人材不足は日本の社会的な問題でもあるため、今後も深刻化が懸念されています。
費用対効果
総務省の調査においては、他にも「ビジネスにおける収集等データの利活用方法の欠如」「費用対効果が不明瞭」といった課題も指摘されています。自社でデータ分析を行うためには、システムの導入や管理・運用に費用がかかり、外部にデータ分析を依頼した場合も都度費用が発生します。そして、分析結果をしっかりと売上向上につなげるなど、目に見える形でデータを有効活用できていないと費用対効果が見合いません。
データ収集・分析は、基本的に経営管理・市場調査・新製品開発・業務改善などの目的で行います。目的に応じて適したデータと分析方法を選び、実際に分析データを経営や営業、業務に活用できていないと、かけた費用が無駄になってしまうため要注意です。
外部委託でも2つの課題が発生する
データ活用を外部委託するケースもありますが、外部委託で課題が発生することも考えられます。外部委託時には、パートナー選定や委託作業などに気をつける必要があります。
パートナー選定に苦戦
データ活用は経営活動の成功に影響するため、委託先のパートナー選定はとても重要です。データを企業経営に活かすためには、導入するツールの知識だけでなく、業界の知識をもった業者を選ぶ必要があります。
一度選定したパートナーには、長期間にわたり経営活動のサポートを依頼することになるため、時間をかけて慎重に選ばなければなりません。委託費用だけで選ぶわけにもいかず、選定には苦慮することが予想されます。
委託作業が進まない
外部パートナーを決めたとしても、委託がスムーズにいかないケースもあります。パートナーには企業の重要なデータを共有しなければなりませんが、なかにはどうしても外部に流出できないデータもあるため、すべてのデータを手軽に渡すことは難しいでしょう。委託する前に、どこまで情報を共有できるのかなど、共有できるデータについて事前に社内で確認しておく必要があります。
また委託する場合は、データ活用によりどのような効果が得られるのか、必要なデータをどんな手法で分析するのかなど、提案される内容についてもよく確認しましょう。内容を自社の経営活動に活かせるものにまとめたうえで、委託することが大切です。
課題解消のための3つの方法
課題解消のためには、「データ管理の仕組みを作る」「人材の育成と外部委託を同時平行で進める」「外部委託の選定基準を作る」などの方法があります。以下、それぞれの方法について見ていきましょう。
データ管理の仕組みを作る
予め補正が不要な形式になるようデータを管理・保管していると、データ補正にかかるコストの大きな削減が可能です。誤字や入力漏れなどデータの不備をなくすための明確なルール決めや、データについて確認し合える環境を構築することで、コストを抑えられます。データ活用のために専門スタッフを配置したり、チームを作成したりするなど、データ管理がスムーズに行える体制の構築により、分析作業にかかる負担やコストを抑えて課題解消につながります。
人材の育成と外部委託を同時並行で進める
社内でデータ活用ができない場合には、外部にデータ活用を委託する方法もあります。ただし、外部に任せきりではデータ活用のノウハウが社内に蓄積されません。先にも述べた通り、データから現在の課題を見つけ改善のための施策などを作成できる人材は、一般的に不足しているといわれています。
データ活用に通じる人材を自社内に配置できると、よりデータ活用を安定的かつ効果的に行えます。外部委託と並行してコンサルタントなどを活用し、社内でデータサイエンティストを育てることも重要でしょう。
外部委託の選定基準を作る
外部委託をする場合、企業の重要なデータが漏えいする恐れはないか、厳重に管理する必要があります。というのも、委託先で情報漏洩インシデントが発生した場合、委託した企業側も責任を問われるからです。
そのため、委託先の選定は非常に重要です。「施設のセキュリティは万全か」「情報保全のため従業員教育が実施されているか」など、委託先の選定基準を作成し、よく確認してから選びましょう。
データ活用を成功させるポイント
データ活用を成功させるには、「仮説の精度を高める」「データを掛け合わせる」「外部委託を検討する」などの方法を取り入れるのがポイントです。確実なデータ活用により、経営状況の改善につなげられます。
仮説の精度を高める
データを分析したあとには、その結果から読み取れる課題を改善する必要があります。そのためデータ活用では、課題改善に向けた適切な仮説（戦略や施策などのもとになるアイディア）を立てることが重要です。
収集したデータの分析後に高精度な仮説を立てるためには、マーケティング理論の習得が役立ちます。また、業界の競合他社・別業界など、さまざまなサービスを参考にするのもよいでしょう。普段から参考事例を意識して見つけるようにすることが大切です。
データを掛け合わせる
ビジネスで注目されているビッグデータには、企業が保有する「顧客データ」や、SNSなどに書き込まれる投稿などの「SNSデータ」、Webサイトを訪れたユーザーの行動をまとめた「アクセス解析データ」など、さまざまなデータがあります。これらビッグデータは先端技術との掛け合わせにより、さらなる利活用が可能です。
たとえば、ビッグデータとIoTを掛け合わせることで、リアルタイムに近いデータの収集が可能です。。またAIを掛け合わせると、大量のデータをより正確に把握でき、将来予測のスピード化・高精度化が見込めます。これらをビジネスに落とし込むことで、業務の効率化や商品開発などに活かせるでしょう。
外部委託を検討する
外部委託の場合、データ活用の専門知識がある企業に分析などを一任できます。とくに新しく異業種へ参入するケースでは、自社に業界の知識や経験をもつ社員が少ないため、外部への委託がおすすめです。
データ活用の専門家に委託すると、自社でデータ活用を行うよりも人件費を抑えられます。また、業界や部門に関してノウハウをもつ専門家から、データ活用についてアドバイスを受けられるメリットもあります。
DSKが提供する「データ分析伴走サービス」
株式会社電算システム（DSK）はデータインテグレーターとして、データ収集・分析にわたる一連の処理からシステム開発まで行っています。データ分析に関しては、データ分析基盤の構築におけるコンサルティングなど、データに関するさまざまな領域の「伴走型サービス」を提供しています。
A) BigQuery サンプル作成支援サービス
GoogleCloudのDWHであるBigQuery とDataPortal をベースとして、データの観察から分析の目的・イメージをもとにしたサンプルの作成を行います。利用シーンとしては、プロトタイプの作成の際にご利用いただくことを推奨しています。
B) BigQuery データ転送支援サービスGoogle Cloud 環境へのCSVアップロードやAPI連携など、分析に用いるデータのDWHへの転送を支援します。どのようなレポートが必要かをお客様側で設定できるものの、DWH構築のリソースが不足している場合はこちらのサービスをご利用いただくことを推奨いたします。
C) BigQuery DWH構築支援サービス
データ観察や分析の目的・イメージをもとに要件定義を行い、DWHの構築やデータクレンジング、ダッシュボードの作成を行います。
伴走型サービスでは、お客様の分析チームと運用のサポートを通じて、ナレッジ蓄積できるようサービスを提供いたします。
まとめ
近年、多くの企業で推進されているデジタルデータ活用ですが、データ収集・管理などのコスト増やIT人材不足、費用対効果の不明瞭性といった課題から、導入が難しいケースも見られます。外部委託においても、パートナーの選び方や委託方法などに気をつけなければなりません。
株式会社電算システム（DSK）はデータインテグレーターとして、データ収集・分析にわたる一連の処理からシステム開発まで行っています。また、データサイエンティストによるコンサルティングや、データエンジニアによる教育・トレーニングなど、お客様の課題解消に向けたさまざまなサービスを提供しています。自社のデータ活用で課題を感じている方は、ぜひご相談ください。
初めてのデータ分析
〜DSKマーケティングチームと一緒に学ぼう〜
データ分析は敷居の高いものに思われがちですが、実はもっとシンプルです。
本紙では、電算システムのマーケティングチームメンバーが登場し、データ分析についてのお話をさせて頂きます。 是非、データ分析の理解を深め、データ活用の一歩を踏み出せるきっかけになれば幸いです。
