データドリブン経営という言葉を聞いたことがあるでしょうか？データドリブンとは、計測可能なデータを用いてデータを元に統計的な処理を施して意思決定することを指します。データドリブン経営とはこうした意思決定を経営に活かし、より科学的に経営を行うアプローチです。一般にKKD(経験、勘、度胸)などと言われますが、こうしたデータドリブンな意思決定の手法やロジカルシンキングなどを用いずに意思決定を行えば、それだけ意思決定の質が下がり、経営上のリスクも大きくなります。今回の記事ではデータとロジカルシンキングをを用いた経営手法を外観し、より効果的な経営手法の概要を理解していただきます。

‍

データドリブン経営が注目される背景

DX(デジタルトランスフォーメーション)という経営改善手法が注目され始めて早数年経ちました。経営のさまざまな現場で取り入れられ、大きな成果をあげています。また、私たちの生活でもスマートフォンを中心にネットにつないでサービスを受けることが当たり前になりました。こうした社会全体のデジタル化、ネットワーク化は、日々の業務や生活の行動履歴データを取得することを可能にし、こうしたデータを蓄積、分析できるツールの普及と相まって、統計学的な分析をより大規模、かつ安価に行うことを可能にしました。

最初は、金融の分野でデータドリブンな経営の取り組みが始まりました。金融工学の分野は元々主に扱うのが株価などのデータであったこともあり、各社が大規模に取り入れ、同業界のあり方を大きく変えました。2008年のリーマンショック時にこうした業界変革を支えたエンジニアたちが解雇され、その他の業界に散っていった結果、その他の業界でも広く取り入れられるようになりました。

特にネット広告や経理システムなどは同じくデータを主に取り使うため早くから実際に利用されるツールが登場し、広告効果の最適化や経理業務の負担を劇的に下げる効果を発揮しています。

‍

‍

データドリブン経営の実行プロセス

データドリブンな経営は当然ながらいままでの経営プロセスとは異なるプロセスが必要です。一般に、経営の意思決定にはトップダウン型とボトムアップ型が存在します。

トップダウン型とは経営者やそれに準ずる人が意思決定し、それを組織に落としていく形式です。ボトムアップ型とは社員の方から上司に提案し、徐々に組織の上位層に提案をあげていって、最終的に経営者が意思決定する方式を意味しています。

実際の現場でも全ての意思決定がこれらのいずれかであるという訳ではなく、意思決定の内容によって使い分けられていると言うのが皆様の会社の実態とも合っているのではないでしょうか？データドリブンな経営を実行するためにはトップダウンとボトムアップ両方のアプローチが必要ですが、具体的には以下のようなプロセスで実行されます。

‍

トップダウンで実施するプロセス

‍

①経営目標の設定と数量化

まずは経営目標を設定します。一般的には売上高や営業利益などを設定しますが、必ずしも数値目標でなくともかまいません。

・新しい市場に事業を拡大したい
・組織拡大に合わせてもっと組織のコミュニケーションを活性化させたい

など定性的な目標でもかまいません。ただしデータ分析を最終的にはおこない、科学的、定量的な分析を行いますので、可能な限り量的数値に落とし込みましょう。前述の例であれば、

・対象市場において売上〇〇億円の達成を目標にする
・組織内部での社員同士のコミュニケーション〇〇回発生させる

などが考えられます。定量目標の設定にあたっては、目標となる数値を最終的に取得する必要があるため、決定はトップダウンで大丈夫ですが、現実的に収集可能かどうかは担当部署に確認しましょう。

‍

②ボトルネック(目標達成を妨げる要因)の特定

次は目標達成を妨げる要因(ボトルネック)を特定しましょう。既存の経営課題を解決する場合や、新しい取り組みをする場合、いずれの場合でも特に障害もなく進められるのでしたら難しい分析や議論は不要ですが、一般的に何の問題もないとは考え辛いです。阻害要因を特定し、なぜそうなってしまうのか、その要因をまずは定性的に把握しましょう。こうして阻害要因の仮説を立てておくことは⑤分析結果の解釈、⑥改善アクションを考える際に役立ちます。

‍

ボトムアップで実施するプロセス

‍

③収集するデータの剪定

いよいよ本格的にデータドリブンを扱うアクションです。まずは経営目標に関係のあるデータを収集しましょう。この際ポイントになるのは、あくまでもボトムアップで行うことです。経営者、または経営者に近い立ち位置の場合、必ずしも現場のことを全て把握できている訳ではないと思います。データドリブンな取り組みを効果的に行うためには、まずは必要となるデータを可能なかがり網羅的に集める必要があります。現場のメンバーに協力を求め、必要なデータを集めるアイデア出しを一緒に行いましょう。実際に現場のメンバーとディスカッションを行うことでデータ収集のアイデアが湧いてくることも多いです。

‍

④データの蓄積&分析

次は実際のデータ蓄積、分析にはいります。データを蓄積するためには、後述するツールなどが必要になりますので、事前にご準備ください。分析にも同じくデータサイエンティストなどが保有するスキルが必要になります。こちらは絶対数が少なく、社員として雇い入れるのは難しいので、業務委託やコンサルなどを活用して外部調達することをお勧めします。データの蓄積には相応に時間がかかるので、メンバーを焦らせずにじっくり待ちましょう。

‍

⑤分析結果の解釈

分析結果の解釈とは、定量的な分析結果に定性的な解釈を加えて因果関係を把握する作業です。データ分析の場合相関関係(あるデータが動くと連動してその他のデータも動く性質：例　コンテンツ数が増えれば登録者数が増えるなど)はデータだけから見えますが、因果関係を見抜くには定性的な判断が必要です。例えば、データAとBに相関関係がデータから見えたとしても、因果関係があると考えるのは早計です。その他の要因データCが原因で、A、B両方のデータが影響を受けている可能性もあります。故に、一概に相関関係があるからといって因果関係があるとは言えないのです。

‍

⑥改善アクション

最後に、分析結果を元にボトルネックの解消のためのアクションを設定しましょう。分析結果からはっきりと悪化している要因を特定でき、改善のアクションもすんなりでて来れば良いですが、そうでない場合がほとんどであるかと思います。(はっきりでてくるような問題や改善策は分析しなくても想像できるケースが多い)改善のアクションはこれまでと同じように現場の社員の知恵も拝借しつつ進めましょう。ここで注意するべきは効果のありそうなアクションを全てリストアップ(または出来るだけたくさん出す)した上で優先順位を決めてアクションを起こすことです。改善のアクションはこれまで実施したことがないこと、実施したくてもできなかったことになる可能性が高く、高コストになってしまう、またはその他の業務に悪影響を与えてしまう可能性があります。デメリットも踏まえてアクションに優先順位をつけましょう。

‍

⑦「④」に戻って再度効果測定

優先順位の高いアクションを順番に実行し、再度データを収集して効果測定を行いましょう。最初に実行したアクションで効果が期待通り出たとしてもそれ以外のアクションもできるだけ試行により効果の高いアクションを取れるように調整しましょう。場合によっては効果が出ない可能性もありますので、効果測定は慎重に行い、結果は冷静に受け止めて再度アクションを考えるステップを実施し、確実に成果に近づけましょう。

‍

※researcHR（リサーチャー）は、Teams/Slackに追加するだけでチームの「誰が・何を知っているか」を集約・共有するアプリです。

‍

データドリブン経営で主に使われるツール

ここからは実際にデータの蓄積や分析に使われるツールをご紹介します。本稿をお読みになる方は入門段階にある方が多いと思いますので、主に簡易的にすぐ使えるツールを中心にご紹介します。

‍

DMP(データマネジメントプラットフォーム)

主にデータを収集、蓄積するためのツールです。基本的な機能としては蓄積ですが、収集できなくては築成できないため、データを収集するための機能を内包していることが多いです。一般にエージェント機能と呼ばれます。

‍

BI(ビジネスインテリジェンス)ツール

収集したデータを可視化するためのツールです。難しい分析までしなくとも、可視化するだけでも最初は十分に議論できます。前述のDMPなどと連携して利用します。部分的にデータを蓄積する機能を保有しますが、あくまでのデータを可視化するために利用しますので、データの蓄積に使わないように注意しましょう。多くのケースでハイコストになってしまいます。

‍

データレイク

多様なデータを一元管理するためのツールです。前述のDMPと同様にデータを蓄積するためのツールですが、一元管理できるのがミソです。DMPも比較的扱いやすく多様なデータを扱えますが、全てのデータを蓄積できるわけではなく、会社の経営全体を見渡すには不十分です。データレイクを導入することで多様なデータを一元管理し、データドリブン経営を実現できます。

‍

R(ツール＋言語)

データを分析するためのツールです。R言語と呼ばれる簡易な分析のための特殊な言語とそれを扱うツールで構成されており、取り扱うためにはやや特殊スキルが必要ですが、使い方に慣れればそれほど難しくありません。Excel以上の分析を行いたい方のエントリーとして最適です。

‍

MA(マーケティングオートメーション)

マルケトなどに代表される、マーケティングを半自動的に実施し、効果的に最適化できるツールです。データを元にマーケティング施策を決定、実施することを支援してくれます。元々はネット広告などだけで使われることが多かったのですが、近年ではアナログなマーケティングにも対応しています。

‍

SFA(セールスフォースオートメーション)

セールスフォースなどに代表されるセールス活動の自動化、マネジメントツールです。セールスプロセスや顧客情報を管理することができ、特に小規模なビジネス顧客を対象とするビジネスモデルを持っている事業では最適です。こちらも同じくデータを元に施策を決定、実行することを支援してくれます。

‍

CRM(カスタマーリレーションシップマネジメント)

商品、サービスを購入した後の顧客とのコミュニケーションを統合的に管理する仕組みです。メールに始まり、電話やSNSなど、お客様のニーズの汲み取りや、商品の欠陥に関する情報などを収集できます。サブスクリプション型のサービスが増えたことを背景に、商品購入後のアフターサービスを適切にマネジメントすることは近年注目度が非常に高いです。サブスクリプション型のビジネスモデルを検討している場合はぜひ他のツールと合わせて導入を検討しましょう。

本稿はいかがでしたでしょうか？データドリブン経営は今後、会社の大小にかかわらず非常に重要なキーワードです。ぜひ積極的に取り入れ、会社を改善しましょう。