アナリティクス

診断的・予測的・処方的アナリティクスなど、豊富な実績を持つ専門家(データサイエンティスト)が支援します

近年、企業戦略のなかでデータ活用の重要性が高まっています。一方で優秀なデータサイエンティストの採用のハードルも高くなり、データ活用の戦略立案も進まない企業も多くあります。i-commonでは、ITスキル(セキュリティ対策・AIなど)だけでなく、統計学、心理学等、幅広い分野の知識を有する専門家が、ビッグデータ活用の戦略立案やデータ内容の確認から入って、運用・解析・レポーティングまで支援します。

このような課題はございませんか?
  1. 1自社のデータを活用し、新しい事業を立ち上げたいが何からすべきかわからない
  2. 2データサイエンティストが採用できず、社員の育成も進んでいない
  3. 3社内にデータ活用に関する重要性が浸透していない

企業におけるデータ活用の必要性とは

この数年で多くの企業がデータ活用に取り組み始めました。きっかけとなったのは、GAFA をはじめとするデジタル活用が得意なプラットフォーム企業の台頭といえるでしょう。GAFAのような大規模プラットフォーマーが他の産業に参入し始め 、特にGAFAに近い、エンターテイメント・小売・金融業は、市場を奪われ始めています。
GAFAの特徴は、使いやすくて便利なサービスを「無料」で提供することで、急速に顧客のデータを集めます。蓄積している段階では、データ を活用し始めたタイミングで、危機感を感じた企業が積極的にデータ活用に乗り出したと考えられます。

データ活用を進めるうえでのポイント

データを活用したいと考える企業が増えてきていますが、次の5つのポイントを抑えることが 成功への近道です。

① 目的の見極めと体制の整備(戦略 )
「なんとなく」今あるデータを使いたい という企業も多いのですが、中期経営計画でデータ活用やデジタル戦略について明言がされていない企業は、目的不在になってしまうケースがあります。戦略、予算、体制を整えるためにこれらが中期経営計画で定義することが重要ですが、中期 経営計画で定義されておらずにボトムアップでデータ活用を推進する場合、「なぜやる必要があるのか」という禅問答を繰り返してしまうケースがあります。具体的にどのようにデータを活用していくかを描くことが重要ですが、それよりも優秀なデータサイエンティストを採用する のであれば、 まず全体の戦略と予算、体制を整えることが最優先と考えるべきです。


②価値あるデータ
蓄積されてきたデータは、事業のあらゆる領域にわたると考えられます 。しかしそのデータが金脈になるとは限りません。 たとえば、Googleは検索サービスや無料メールサービスを提供して、その人が何に興味があるのか、どんな人なのかを特定し、広告配信ビジネスに役立てています。まずはどのようなデータが価値を生み出すのかを考えることが重要であり、何も考えずに集めたデータが価値を生み出せる可能性は低いです。

③人材
シリコンバレーのテクノロジー企業の場合、データサイエンティストの年収の中間値は1,600万円 程度とストックオプションといわれています。報酬の順番としては、社長>役員=リード・データサイエンティスト>本部長(執行役員)>ミドル・データサイエンティスト>部長>データサイエンティスト>課長>社員という順番が一般的です。それほどデータサイエンティストは価値を生み出す源泉といわれています。しかし、多くの企業は、その半分以下の報酬提示しかできないため、いい人材が獲得できないという課題があります。

④業務環境
万が一優秀なデータサイエンティストが入社しても、分析環境がない、データ分析官なのに自由にデータが扱えない、上司が理解してくれない、メンターがいないなど業務環境が整備されていないため、採用したデータサイエンティストが辞めてしまうケースがあります。これらの業務環境の改善を徹底した企業が優秀な人材を保持できるといえます。


⑤組織文化
従来型の日本企業は、組織構造は階層になっており、上司からその上司へ報告して、上司が部下を評価し、育成するための組織構造でした。しかし、若くても分析能力が高いデータサイエンティストがいたとしても、上司はそのスキルの高さやアウトプットを理解できないかもしれません。データサイエンティストがリスペクトするのは、上司ではなく、同僚や後輩であることもあります。 価値を生み出せる人材こそ真に評価されるべきで、誰を主役にする組織文化にするか、が最も難しい課題だといえるでしょう。

データ活用に外部の専門家を活用するメリット

データ活用において、外部の専門家の活用は相性が良いと考えます。
背景としては、テック企業でなければデータサイエンティストの採用や社内育成が難しいといった現状や、データの活用に関しては業務理解が詳しくなくとも、現場と協同で価値発揮ができる点が挙げられます。また、わかりやすく数値的に価値を出せるため、価値貢献が見えやすいなどの理由があります。

i-commonでは、 上記の①戦略に関して、専門家の視点で「やる必要性と活用領域」をアドバイス可能であり、②のデータの価値や内容については、複数の仮説を立てて 検証・解析するために何が足りないのかを専門家を通して知ることもできます。③報酬④環境⑤組織改革も外部の人材だからこそ、客観的な観点から その企業に適した体制のアドバイスが可能です。
専門家を必要なタイミングで、必要な頻度・期間で活用できるi-commonであれば、 企業の状況と専門家の経歴やどの領域で貢献したいかという志向を見極めて専門家をご提案します。

アナリティクスの
ご支援ケース

  1. CASE 1

    マテリアルズ・インフォマティクスの導入

    業界
    資源業界

    AIを活用したシミュレーションを用い研究開発を加速
    採用が困難なデータサイエンティストを迎え、新たな知見導入を実現

    研究開発のスピードを向上させるためにMIの導入を検討したがノウハウがない。製造業で実績のあるデータサイエンティストを迎え、Pythonを利用したデータ解析インフラのプロト構築および、機械学習に関する社員教育を実施。

  2. CASE 2

    データに基づく店舗運営の改善

    業界
    アミューズメント施設の運営

    顧客データ分析の分析によりマーケットインの発想で店舗運営や開発を実行
    顧問の参画により、プロジェクトの実行スピードと成功確率が向上

    顧客データはあるが分析に長けた社員がおらず、戦略立てに落とし込めなかった。顧客データの分析を専門とするデータサイエンティストの参画により、店舗運営の効率化ができ、現在は中期戦略の立案を実施中。