Maria Korolov
著者: Maria Korolov
Contributing writer

データドリブンな企業になるための6つの障壁

特集
Sep 03, 20232分
データインテグレーションIT戦略

データドリブンなアプローチを採用する企業は、そうでない企業よりもはるかに優れた業績を上げることができますが、このような企業はまだまだ少数派です。何が障害となっているのでしょうか?

7 understand assets and become data driven
クレジットTinpixels / Getty Images

データドリブンな企業になることが企業アジェンダのトップにあるのは当然のことです。最近のIDCのホワイトペーパーによると、データに精通した企業では、収益が3倍向上し、新製品やサービスの市場投入までの時間が3倍近く短縮され、顧客満足度、利益、業務効率が2倍以上向上する可能性が高いと報告されています。

しかし、1月にNewVantage Partnersが実施したデータ・情報担当役員を対象とした調査によると、自社がデータドリブンであると回答した企業はわずか4分の1に過ぎず、組織内にデータの文化があると回答した企業はわずか21%に過ぎませんでした。

この食い違いを説明するのに役立つ重要な要因はいくつかありますが、回答者の80%が、データ投資から価値を得ることを妨げている最大の要因として文化的問題を挙げ、テクノロジーの限界を指摘したのは20%のみでした。これらの障害を実際に乗り越えてきた専門家の経験によると、その他にも障害があります。

不良データの認識

どんなに優れたアナリティクス戦略でも、基礎となるデータが不適切であれば失敗に終わりかねません。しかし、データ品質の問題を解決するには、データが何を意味し、どのように収集されているかを深く理解することが必要です。Mastercard Center for Inclusive Growthとロックフェラー財団が支援する非営利団体Data.orgのデータ兼技術最高責任者のUyi Stewart氏は、重複したデータを解決するのも一つの問題ですが、データが間違っている場合、それを修正するのはもっと難しいと言います。

「真実性への挑戦はさらに難しく、もっと時間がかかります」と同氏は説明します。「事実と虚構を区別するために、専門知識が必要となるのです。」

単純な技術スキルだけでは十分ではありません。2017年、多国籍酪農協同組合であるFrieslandCampinaに入社したLenno Maris氏は、同社がデータドリブンな企業になるための戦略的プランに着手していたときに、そのことに気づきました。

これは非常に難題でした。同社は31か国に21,000人以上の従業員を擁し、100か国以上に顧客を抱えています。データ品質が大きなハードルになることはすぐに明確になりました。

たとえば、在庫はパレット数に基づいて報告されていましたが、注文はユニット数に基づいていたと、同社のエンタープライズデータおよびオーソライゼーション担当シニアグローバルディレクターMaris氏は振り返ります。そのため、適切な数量を適切な価格で届けるために、手作業で変換を行わなければなりませんでした。

そうでなければ、商品コードを利用します。各工場では、その製品に最も適した商品コードを入力し、工場ごとに異なるコードを使用して、輸出入税を還付していました。「しかし、税務申告は企業レベルで行われるため、一貫性が必要です」とMaris氏は言います。

データ問題を解決するために、FrieslandCampinaはデータ組織を改善する必要がありました。プロジェクト開始当初、チームは主にデータ入力の技術的な詳細に焦点を当てていました。しかし、それはすぐに変わりました。

「チームをプロセスの専門家、データ品質専門家、ドメイン専門家になるように再トレーニングすることができました」とMaris氏は言います。「その結果、積極的なデータサポートに移行し、同業者のアドバイザーになることができます。」

同様に、同社のデータ品質向上をサポートするために選ばれたテクノロジープラットフォーム、Synitiにも慣れる必要がありました。

「このプラットフォームは優秀ですが、非常にテクニカルなのです」とMaris氏は言います。「そのため、ビジネスユーザーへの導入にはいくつかの課題がありました。当社はSynitiに、ビジネスに関連したユーザーインターフェースを提供するよう要求しました。」

2018年には、ベンダー、資材、顧客、財務という第一階層のマスターデータオブジェクトが配置されました。翌年には、契約書、部品表、リベート、価格設定などの第2階層のデータオブジェクトにまで拡大させました。2022年末には論理的なビジネスフローのオーケストレーションを終え、プロジェクトが完全にデプロイされました。その結果、データ品質は95%改善し、生産性は108%向上しました。

「基盤となるデータプラットフォームを実装する前は、マスターデータの手直しに年間1万時間以上かかっていました」と同氏は振り返ります。「現在、この時間はほぼゼロにまで削減されました。」

AflacのCIOであるShelia Anderson氏は、データの質も問題だったと言います。Aflacがデータドリブンな企業への道を歩み始めたとき、Aflacのさまざまな事業部門には、それぞれ異なる業務が存在していたと同氏は言います。

「データ収集のシステムが複数あり、データの質に一貫性がありませんでした」と同氏は振り返ります。そのため、データから有益な分析情報を得ることが困難でした。この問題を解決するために、Aflacはデジタルファーストで顧客中心のアプローチに移行しました。これを実現するには、さまざまなエコシステムにわたってデータを統合する必要がありました。その結果、カスタマーエクスペリエンスが向上し、同社のビジネスプロセスの自動化が進み、エラー率が減少しました。

「大きなメリットは、カスタマーサービス担当者が業務に対応できる時間が増え、より個人的なタッチを必要とする、より複雑なクレームに集中できるようになることです」と同氏は言います。

データ統合を技術的問題として認識

Randy Sykes氏が以前勤めていた会社では、データウェアハウスの構築に8年を費やしましたが、成功しませんでした。

「標準的なシステム開発手法を適用しようとした結果、ビジネスが歩調を合わせることができなかったからです」と同氏は振り返ります。

現在、Sykes氏はHastings Mutual Insurance Co.のデータサービス担当ITディレクターを務めており、今回は、組織のデータ統合に異なるアプローチをとりました。

10年前、同社はすべてをデータウェアハウスにまとめることを決定しました。当時、レポートの作成には45日を要したため、ビジネスユーザーはビジネス上の意思決定に必要な情報を得ることができませんでした。

まず、毎晩一括インポートを行うことによって、従来のシステムから保管領域にデータを収集しました。その後、ステージング領域に移行し、そこでビジネスルールが適用され、異なるシステムからのデータが統合および調整されました。これを行うには、会社の運営方法とデータの意味を深く理解する必要がありました。しかし今回は、チームに専門家がいたため、プロジェクトは無事成功しました。

「当社には、この会社に長く勤め、組織について多くの知識を持つ社員が2人いました」と同氏は説明します。「実際には、成功するためには部門横断的なチームが必要です。」

たとえば、保険契約制度が異なれば、契約条件も異なるでしょうし、補償範囲やリスクも異なります。これらすべての情報を統合するために、データチームはビジネス言語をよく理解し、生データを普遍的なフォーマットに変換するために必要なルールを理解する必要があります。

「それが企業が直面する最大の課題です」と同氏は言います。「企業はデータを入手して、技術的にまとめようとしますが、情報の背後にあるビジネスストーリーを忘れてしまっています。多くの場合、そういうプロジェクトは失敗してしまうのです。」

以前は作成に45日かかっていた報告は、今では24時間で提出できるようになったと同氏は言います。今後、データベースが引き続きモダナイズされ、イベントドリブンになれば、情報はリアルタイムで利用できるようになります。

短期的なビジネスメリットはない

2014年に始まったデータウェアハウスプロジェクトは完了するのに2017年までかかりましたが、Hastingsがデータを集め始めると、このデータプロジェクトは1年以内に会社に価値を生み出し始めました。

というのも、保管領域とステージング領域が、データの収集と処理という点ですでに価値を提供していたからです。

データプロジェクトは、プロセス全体を通じてビジネス価値を提供しなければならないとSykes氏は言います。「いつまでも待ってくれる人はいません。」

NTT AmericasのプリンシパルコンサルタントであるDennis Allec氏は、ある大手企業のIT部門責任者だった頃、同じような「短期間で成果の出る効果」によって、大規模なデータプロジェクトを成功に導きました。

6週間の概念実証プロジェクトによって、このプロジェクトに価値があることが示され、事業部門がサイロ化したデータを手放したがらないためそれを克服するのに役立ったと同氏は振り返ります。

「データの所有権を放棄することは、多くの人にとってコントロールの喪失を意味します」と同氏は説明します。「『情報は力なり』なのです。」

しかし、このようなデータのため込みは上級管理職に限ったことではありません。

「従業員は他人のデータを信用しない傾向があります」と同氏は言います。

従業員は、自分たちのソースを検証し、精査し、自分たち独自のニーズに合った独自のレポートツールを作成することを望みます。

「私たちは皆、企業全社に存在する多数の重複データベースと、そのような状況から生じる課題を目の当たりにしてきました」と同氏は言います。

即効性のないデータプロジェクトを選択することは、データイニシアチブを成功させるための大きな障害になると、GenpactのチーフデジタルストラテジストのSanjay Srivastava氏は指摘します。

 「実行するまでは、すべてが机上の空論です。」

裏を返せば、規模拡大能力がないプロジェクトを選ぶため、これも大きな障壁となります。

スケーリングする能力がなければ、データプロジェクトは長期的に意味のある影響を与えることはなく、むしろ小規模または特異なユースケースのためにリソースを使い果たすことになります。

「重要なのは、いかにして人々の関心を引きつけ、スケーラブルな時間枠の中でビジネス価値を提供するかということです」と同氏は言います。

エンドユーザーに必要なセルフサービスツールがない

ビジネスユーザーを第一に考えるということは、彼らに必要なデータを必要な形で提供するということです。場合によっては、それはExcelのスプレッドシートを意味します。たとえば、Hastingsでは、スタッフはこれまでデータをExcelにコピー&ペーストして作業をしていました。

HastingsのSykes氏は「誰もがExcelを使用します」と言います。「今は、『もうコピー&ペーストする必要がないように、データをお渡しします』」と伝えています。」

一方、同社はダッシュボードも作成しています。現在では、同社の従業員420人のうち約4分の1がダッシュボードを利用しており、外部の代理店も利用しています。

「代理店が当社の製品をクロスセルできるようになりました」と同氏は言います。「以前はできないことでした。」

しかし、必要な分析ツールをセルフサービスで提供するのは難問です。「当社はまだ少し困難な状況にあります」と同氏は言います。しかし、ビジネスに焦点を当てた200のダッシュボードがすでに設置されており、プロセスは順調に進んでいます。

データへのアクセスを民主化するプロセスを最近始めたもう一つの組織は、オハイオ州デイトンのデイトン小児病院です。

「5年前はそれほどうまくいっていませんでした」とCIOのJ.D. Whitlock氏は言います。「まだスプレッドシートがたくさんありました。今は、多くの人がやっているように、Microsoftのデータスタックを使用しています。ですから、PowerBIの使い方を少し知っている人さえいれば、適切なデータを適切なフォーマットで、適切なセキュリティで提供することができます。」

さらに、データアナリストも分散化されたため、データに関する質問を一つのチームだけに持ち込む必要がなくなりました。

「たとえば、Y医師が昨年行ったX治療の数を知りたいとします」とWhitlock氏は説明します。「これは比較的簡単なクエリです。しかし、自分で行うためのツールを与えていない場合、チームは1,000件のリクエストを抱えることになってしまいます。」

セルフサービスのデータツールを導入したことで、同社はデータドリブンの組織へと移行することができた、と同氏は言います。「ただし、常にジャーニーの途中であり、勝利宣言は決してしません。」

開発プロセスにエンドユーザーが参加しない

ユーザーのニーズを無視することは、ほとんどの場合、災いの元となります。たとえば、Nick Kramer氏は最近、全国規模のレストランサービス会社と仕事をしました。Kramer氏は、世界的なコンサルティング会社であるSSA & Companyの応用ソリューションの責任者です。このレストランサービス会社は急成長していましたが、サービスレベルは低下していました。

「誰もが互いに責任をなすり付け合っていました」と同氏は振り返ります。「しかし、CIOはダッシュボードもレポートも持っておらず、あるのはエピソードと意見だけでした。」

問題の一つは、一元管理のインストール方式がほとんど無視されていたことです。従業員は記録を更新しましたが、それは事後のことでした。システムは従業員にとって負担であり、使いにくいものでした。

「受注部門、営業部門、法務部門、施工部門……どのオフィスも、それぞれのスプレッドシートでスケジュールを管理していました」とKramer氏は振り返ります。「コミュニケーションは皆無で、データフローもありませんでした。そのため、誰が何をどの程度やっているのか、どの遅れが解決不可能で、どの遅れが対処可能なのかを知るために、オフィスをひとつひとつ訪ねなければなりませんでした。」

その解決策は、ビジネスユーザーと親しくなり、データがどのように使われているかを理解することでした。

KearneyのパートナーであるJoshua Swartz氏は最近、年商数十億の米国の食品会社のコンサルティングプロジェクトに携わった際、同じような経験をしました。

同社は、生産管理者が実際のデータに基づいて何を生産すべきかをより適切に判断できるようにしたいと考えていました。

「たとえば、ある生産拠点にトルティーヤチップスかピタパンのどちらかを作る生産ラインがあります」とSwartz氏は説明します。「切り替えがあれば、中断して洗浄し、材料を交換しなければなりません。」

しかし、たとえば、昔のやり方ではトルティーヤを4時間、ピタパンを4時間製造していたのに、トルティーヤチップスを2時間製造するべきだというデータが出たとします。食品は腐りやすいので、製造方法を誤れば、廃棄しなければならない製品も出てきます。しかし、同社が最初にソリューションを設計したとき、生産現場の従業員は関与していなかったとSwartz氏は言います。「現場の従業員は食料の生産に忙しく、作業を中断して会議に出席する時間はありませんでした。」

しかし、同社の企業文化はヒエラルキー型だったため、これが問題になるとは予想されませんでした。「CEOが何かを言い、テーブルに拳を叩きつければ、誰もがそれに従わなければならないのです」と同氏は言います。

しかし、新システムは試験用サイトで2~3週間使われただけで、その後、従業員たちはそのシステムが自分たちにとってあまり機能しないことに気づき、以前のやり方に戻りました。また、この会社のデータ担当責任者が、経営トップや事業部門に近いところではなく、会社のテクノロジー組織の2、3階層下に位置していたことも不利に作用しました。

この問題を解決するには、たとえその場を離れる従業員の穴埋めをするために生産ラインを増設する必要があったとしても、実際の従業員を設計の場に連れてくる必要がありました。

「薄利多売の食品会社は、そのような投資をすることに抵抗があったのです」とSwartz氏は言います。しかし、現場の従業員がプロセスの一員となったことでソリューションに貢献することができ、現在では3分の1から半分の施設が新しいテクノロジーを使用しています。

また、Swartz氏は最高データ責任者を企業の最も貴重なデータの近くに配置するように推奨しています。

「データがビジネスの戦略的資産であるならば、CDOはデータの所有権を持つビジネスに近いところに配置するべきでしょう」と同氏は言います。「もし組織が業務効率化のためのデータ活用に重点を置いているのであれば、COOの下に配置することが適切なのかもしれません。」

しかし、営業主導の会社であればCDOを営業担当役員の下に、製品会社であればマーケティング担当役員の下に置くのがよいだろうと同氏は言います。同氏が働いていたある消費財メーカーでは、CDOがCEOに直接報告することになっていました。

「データをテクノロジーの問題として考えるなら、データとアナリティクスから実際にどれだけの価値を得ているかという課題と対峙し続けることになるでしょう」とSwartz氏は指摘します。

信頼の欠如

データの責任ある利用は、データイニシアチブの成功にとって重要であり、これは金融分野では特に顕著です。

DBS銀行のチーフアナリティクスオフィサーであるSameer Gupta氏は、「銀行業界では信頼が最も重要です」と言います。「データとモデルを責任を持って使用することは極めて重要であり、データを使用する際には倫理的配慮を守らなければなりません。」

データの使用は目的を持ったものであるべきだと同氏は言い、敬意を払い、説明できるもので、決して不意打ちのようなものであってはならないと主張します。「データの使用は、個人や企業によって期待されるべきものです」と同氏は言います。

信頼に重点を置くことで、銀行はAIとデータのユースケースを、消費者金融や中小企業向けバンキングなどの顧客対応業務から、コンプライアンス、マーケティング、人事などのサポート業務まで、企業全体(前回数えたときは260)にデプロイすることができるようになった、とも同氏は言います。

「2022年、AIと機械学習の取り組みによる収益の増加は約1億5,000万シンガポールドル(1億1,200万米ドル)で、これは前年の2倍以上です」と同氏は説明します。「今後5年間で10億シンガポールドルを達成することを目標としています。」

信頼を勝ち取るには、時間とコミットメントが必要です。データドリブンの企業になることは、データなしではほぼ不可能です。しかし、ひとたび信頼が得られれば、好循環が始まります。CapGeminiが1月に発表した変更管理に関する調査によると、データ分析がしっかりしている組織では、従業員が会社を信頼する可能性が18%高くなるといいます。そして、そのような企業がさらに進化する必要がある場合、変化が成功する確率は、他の組織よりも23~27%高くなります。

グローバル小売企業のデータサイエンティストで、マサチューセッツ工科大学(MIT)の元AI研究員であるEugenio Zuccarelli氏は、「データ専門家を含め、データドリブンな企業になるために移行する際の問題のほとんどはテクノロジー関連だと考えられています」と言います。

しかし、本当の障壁は個人的なものであり、データに基づいて意思決定の価値を理解することを学ばなければならないと同氏は主張します。

「MITで研究をしていたとき、専門家や組織のリーダーが、よりデータドリブンな組織になるための移行に苦慮しているのをよく目にしました」と同氏は言います。「主な問題は、テクノロジーは意思決定に力を与えるのではなく、むしろ意思決定をぐらつかせてしまうという考え方や、経験や直感に基づいて決断を下してしまうという一般的な傾向など、文化的なものであることがほとんどでした。」

自分の専門知識が不可欠であることに変わりはなく、データは追加的なインプットを提供するためにあるのだということを理解する必要があると同氏は付け加えます。 

企業は、データドリブンな企業になることをテクノロジーの問題として考えるのをやめる必要があります。

Lotis Blue Consultingの収益成長担当のパートナーであり、データサイエンスチームの責任者であるDonncha Carroll氏は、「当社のクライアントは皆、データドリブンになると話していますが、それが何を意味するのか誰もわかっていません」と言います。クライアントは技術的な機能を重視しているのであって、人が得たデータで何ができるかを重視しているのではない、と同氏は説明します。

「ソリューションのユーザーを枠の中に入れていないのです」と同氏は指摘します。「有用でも実用的でもない情報を提供するデータダッシュボードを提供しているデータ分析チームが多いのです。そして実を結ばずに終わるのです。」

Maria Korolov
著者: Maria Korolov
Contributing writer

Maria Korolov is an award-winning technology journalist covering AI and cybersecurity. She also writes science fiction novels, edits a sci-fi and fantasy magazine, and hosts a YouTube show.

この作者の他の作品