企業には日々膨大な量のデータが積み上げられています。そのためデータ活用を経営判断のみならず、日常の業務にも取り入れている企業も多くなっています。そのため、業務知識や事業責任を持ったLOB(Line of Business)の部門こそが、積極的にデータ分析業務を担当しています。
従来の集計業務的な役割だけでなく、現代のデータ分析担当者には、データ分析能力の他、業務知識や豊富な経験、柔軟な発想など課題解決するための高い能力が求められています。
本稿では、企業におけるデータ分析の役割やその仕事内容についてご紹介していきます。
そもそもデータ分析とは何か?
データ分析に対するイメージは千差万別であり、何でも期待した答えを出してくれる「魔法の箱」のように考えている方もいらっしゃると思います。では一体、データ分析とはどういうものなのでしょうか。
そもそもデータ分析とは何か?
データ分析に対するイメージは千差万別であり、何でも期待した答えを出してくれる「魔法の箱」のように考えている方もいらっしゃると思います。では一体、データ分析とはどういうものなのでしょうか。
判断材料を提供する手段
今注目されているデータ分析とは、「より良い意思決定を、素早く下すための手段」であると言えます。企業において組織や社員は、ビジネスの中で常に選択を迫られています。その都度何を選択するかにより結果が分かれ、その経過をたどることにより最終的な成果に繋がっていきます。
大きな成果を得るためには、都度行う選択において「誤りを減らすこと」や「素早く判断すること」がとても大切になりますが、判断するための指標が何もない状態で常に最適な選択が出来る人はいません。データ分析とは、沢山のデータを整理し、その中から選択のための指標を探し出すことを指しています。つまり、データ分析は「日々の決断」を助けるためのナビゲーターとも言えます。
継続的な改善が必要
一時期、ビッグデータという言葉がもてはやされるようになったことから、データ分析は「ビジネスに新しい価値を生み出す革新的な手段」としてメディアに取り上げられるようになりました。このことから、データ分析がビジネスにおける「魔法の箱」のように考える方も増えたのではないでしょうか。
しかし、ビッグデータブームが起きるずっと前からデータ分析に取り組んでいる企業は多く、そのほとんどは「日々の決断」を助けるためにデータを活用して、継続的な改善作業を行っています。つまり「データ分析で一山当てる」、「1回やってまえばOK」という代物ではありません。
データ分析と聞くと華々しいイメージを持たれる方も多いでしょうが、実際はもっと細々としたものであり、地道な作業の積み重ねです。毎日コツコツとデータを集め、整理し、分析を実施することが最終的な偉大な成果を成し遂げる道へと繋がっていきます。
データ分析の役割
ビジネスにおいて、常に求められている事は「より良い意思決定を、素早く下すこと」です。そのため、ビジネスにおけるデータ分析の役割とは「意思決定者に対して、その意思決定を助けるための情報を提供する」ことになります。
ただし、データ分析といっても多種多様な分析があり、分野ごとに役割が異なります。マーケティング部門に属するデータサイエンティストが行うデータ分析は、消費者や顧客企業が抱えている潜在的ニーズの把握と、各施策のROI(投資対効果)などを可視化して、マーケティング活動の持続的な改善を促すためにデータ分析を行います。
一方、ネットワーク部門やシステム部門などに属するデータサイエンティストの場合は、ログデータ解析やシステムパフォーマンスを計測するなど、予防保守やサービスの品質向上などが目的となります。
前者をコンサル型、後者をエンジニア型と呼ぶこともあり、データ分析を「どこで実施するか?」によってその役割が大きく変わってきます。また、データ分析の目的は多岐に渡りますが、必ずその目的を明確にし、理解しておくことが重要です。
なぜなら、自分の役割や具体的な目標、分析作業毎に求められるアウトプットイメージなどを理解した上で分析業務に着手しないと、アウトプットした分析結果の妥当性を検証できず永遠に答えを導き出せなかったり、分析結果を更に分析する必要が出たりと、永久ループに突入することになってしまい、「いつまで経っても分析結果が出ない」という事が起きてしまいます。
一言で「データ分析」と言っても、設定するゴールによって分析を行う範囲や手法は大きく異なります。目的なくデータ分析を実施するという事は不可能なのです。
データ分析の仕事内容
現在、飛躍的にケースが増えているデータ分析の業務は、前述したコンサル型の内容になります。この場合のデータ分析は「仮説を実証すること」に利用されます。対象となる目的はビジネスに直結するテーマや課題、ゴール達成のための手段などを探し出すためのヒントを得ることであり、データ分析を通じて客観的な傾向や仮説に対する裏付けを取り付け、仮説を実証していきます。その結果は都度、経営陣や部門責任者、チームメンバーにフィードバックされ、具体的な解決策や対応案の検討に使用されます。
データ分析に利用されるツールは様々なものがあります。それらの中から最適なものを選び抜く眼力もデータサイエンティストに欠かせないスキルです。これまでは、データを可視化するツールと言えばエクセルなどの表計算ソフトが主流でしたが、現在ではLooker やTableauと言ったBI(Business Intelligence)が主流になっています。Google が無料で提供する「 Google Data Portal 」や高度なBIの「 Google Cloud ビッグデータソリューション 」など、データプラットフォームとしても実にさまざまなツールが提供されています。
より高度な分析が必要な場合、データサイエンティストなどが扱うプログラミング言語として従来から使われているR言語や近年のトレンドであるPythonなど、それぞれの特性に合わせて使用していきます。それぞれの言語には異なる特徴があるため、どういったデータ分析を実施するかによって使い分ける必要もあり、ある程度専門のプログラム知識や経験が必要になります。
データ分析の目的に合わせて分析の手法を考えるだけでなく、どのツールを組み合わせることで寄り目的に沿った分析ができるか、分析の結果を伝わりやすく表現するかを考えることが、データエンジニアやデータサイエンティストといった、データ分析業務に関わる人たちの仕事内容となっています。
データ分析のための環境整備とは?
データ分析の業務を任命されたからには、正しくデータ分析を行うための環境整備が必ず必要になります。データの集計方法が毎回違ってしまうようでは分析結果の信憑性は低く、また、収集するデータの鮮度が古い、粒度が荒いといった問題を抱えている状態では、分析結果の正確さも低くなってしまいます。そのためデータ分析に使用するためには、それに適したデータの種類や鮮度、粒度などがとても大切になります。
そこで重要になるのは、データ分析のための環境整備です。データ分析を実施するためには、データを集めることから始める必要があります。どのような形でデータを蓄積するのか、どのようにデータを更新するのか等、データの最適な状態を想定して蓄積しておくことが質の高いデータ分析に繋がります。より良い状態でデータを維持するために、システム開発によるデータ蓄積の自動化も重要な要素になります。データをどのようにしてデータウェアハウスへ蓄積するかを表すデータフローの設計や実装方法など、システム部門に近いスキルも求められます。
まずは、データ分析の環境として、
- 対象システムとのデータ連携
- 該当データ抽出・正規化・加工処理
- 分析データとしての格納(蓄積)
など、システム面の環境を整える必要があります。
データ分析にとって大切なこととは!
データ分析を実施する上で一番大切なことは、何よりも強い「目的意識」を持つことです。なぜなら、必ず解決したい課題が前提にあり、改善や意思決定に有用な情報を生み出すためにデータ分析が必要とされているためです。
つまり目的が明確でないと、いくら高いスキルがあっても手段を誤り、有用な情報が引き出す事はできません。どのようなデータ分析を実施するにしても、まずは強い「目的意識」で明確な指針を作ってから分析に取り組んでいきましょう。
柔軟な発想
また、1回の分析で完璧な結果を出すことも不可能です。多角的に様々な角度からデータを分析し、想定される条件毎に結果を出しながら考察していきます。時には、全く違う視点から分析を行うことによって、新たに気付きを得ることも必要になるため、柔軟な発想が求められます。
継続的な取り組み
また、導き出された結果から対策を講じて、さらにその結果がどう言った成果を出しているか、繰り返して分析を行うことで改善や目標達成のためのPDCAサイクルを回すことが求められます。
つまり必ず問題を解決する!といった高い「目的意識」と「継続する意思」が必要です。1度だけデータ分析を行ったからと言って、何もかもが劇的に改善するわけではありません。
また、データ分析の活動を続けていく中で、一つのことにこだわり続けて全体が見えなくなってしまわないよう、周囲の意見やアイディアも継続して取り込み、柔軟性を持つことで、解決の糸口を探して行くということが重要になります。
まとめ
いかがでしょうか。企業におけるデータ分析のニーズが高まり、役割や必要となるスキル、仕事の内容についてご紹介しました。
適切なデータ分析を行うためには、素となるデータの信憑性がとても重要になります。つまり適切なデータ連携により、確実に正確なデータが届くように留意する必要があります。また、データ分析は時間との勝負にもなります。そのためなるべく人手を介さず自動化することで、データの収集や計算にばかり時間を取られないように注意する必要があります。
電算システムでは、データを収集、統合、可視化する様々なプラットフォームサービスを提供しています。また、単なるプラットフォーム提供に留まらず、コンサルティングからデータ収集・加工、可視化などのデータ分析の強みを活かした提案・支援していますので、是非お気軽にご相談ください。