データ分析について。
ビジネスの成功には、市場や顧客に関するインサイトが欠かせません。しかし、こうしたインサイトの取得には常に課題がありました。今日のデジタル時代には、必要なときに必要な場所で迅速かつ容易にデータにアクセスし、情報を分析するために、最高の分析機能とデータ管理機能を統合したデータ分析ソリューションが必要です。
データ分析は、どのようにビジネス上の意思決定を改善することができるのでしょうか。
データから特定のメトリックや主要業績評価指標（KPI）を導き出すことは、困難な場合があります。また、データが組織内に散在しているため、統合された情報をタイムリーに入手することが困難な場合もあります。一般的に、企業が競争に勝つために望ましい情報や インサイトを得るには、時間と労力がかかりすぎることがよくあります。
これは、分析機能の不足による場合が多いようです。データはすぐに利用できますが、高速にアクセスできるツールがありません。もしあれば、データ アナリストやビジネス・アナリストは、迅速かつセルフサービスの データの可視化や分析を行うことができます。そしてまた、データが散在していることが多く、分析を始める前にスタッフがまず手作業でデータを集めなければなりません。
例えば、複数のセールス・アプリケーションを使用している場合、マーケティング・データや財務データをCSVやExcelファイル形式で抽出するなど、複数のデータ・ソースにアクセスしている可能性があります。さらに、他から臨時的に入手したデータを取り込む場合もあり得ます。しかし、分析を行う前に、多くの場合、スプレッドシートをデータベースのように使用し、そこからメトリクスや分析を構築することにより、データを統合する必要があります。
このデータ収集の作業は、実際のデータ分析よりもはるかに困難で多くの時間を要します。また、手作業が多いため再現性がなく、3週間後に新たな分析が必要になると、その困難で時間のかかるプロセスを再び行わなければなりません。
このアプローチでは、データの一貫性の問題も発生します。同僚同士で時間経過とともに更新されるスプレッドシートを共有することがあまりにも頻繁にあります。その結果、異なるチームが異なるバージョンを使用し、誰も共通の最新のソースにアクセスできないため、元のスプレッドシートが同期されなくなります。さらに、バージョン間の計算式の間違いや、表計算ソフトの共有に特有のリンク切れなどが、この問題を悪化させています。スプレッドシートにありがちなあらゆる問題がこうした場面で発生しますが、スプレッドシートをその場しのぎのデータベースとして使おうとすれば、それはなおさらです。
また、ガバナンスやセキュリティの面でも懸念があります。財務計画や財務分析を担当するチームメンバーにとって、財務の中核情報をスプレッドシートでメール送信したり、SharePoint（またはその他のコラボレーション・ツール）で共有することは、企業をサイバー犯罪にさらす危険性のあるセキュリティ・プラクティスです。
セルフサービスによるデータ作成とは
データ分析をビジネスに活用するためには、まず、セルフサービスによるデータ作成を利用して、これらのプロセスの一部を自動化することから始めることをお勧めします。これは、分析ツールに統合され組み込まれた機能で、プロセスを文書化し、自動化することで再現性を高め、分析から結果までの時間を大幅に短縮することができます。
自立型ソリューションにより、データを意識するビジネス・アナリストは、わずか数分の簡単なステップで、安全で共有可能なデータ・リポジトリを立ち上げることができるようになりました。企業は、アナリティクス・クラウド・プラットフォームのセルフサービスによるデータ作成機能を利用して、データ作成プロセスを自動化するだけでなく、安全で共有可能なデータ・リポジトリにデータを自動的に格納することができます。データが更新されると、誰もがその更新を見ることができ、データの一貫性とセキュリティの問題を解決することができます。
ガバナンスの観点から、一元化されたデータおよび分析チームは、どのようなデータ、変換、測定基準、レポート、分析が使用されているかを確認できます。つまり、ビジネス機能内およびビジネス機能間で、アドホックなデータセットを含むすべてのデータを追跡することができます。よく使われるデータセットやデータは、部門や企業のデータウェアハウスや メトリック、標準的なダッシュボードやレポートに取り入れることができます。孤立したアドホックなプロセスが部門や企業のプロセスに統合され、一貫性、アクセス、効率性をさらに向上させることができます。
データ分析の歴史とテクノロジー・ロードマップ
これまで、ビジネス・インサイト のための統計情報の比較やデータ分析は、スプレッドシートを中心とした、しばしば時間のかかる手作業で行われてきました。1970年代以降、企業はリレーショナル・データベース、データウェアハウス、機械学習（ML）アルゴリズム、ウェブ検索ソリューション、データ可視化など、分析プロセスを促進、加速、自動化する可能性を持つ電子テクノロジーを採用するようになりました。
しかし、こうした技術の進歩や市場ニーズの高まりとともに、新たな課題も出てきています。競合する、時には互換性のない分析およびデータ管理ソリューションの数が増え、最終的には部門や組織内だけでなく、外部のパートナーやベンダーとの間でも技術的なサイロが生まれました。ちなみに、これらのソリューションの中には、一般的なビジネスユーザー以上の専門知識を必要とする複雑なものもあり、組織内での使い勝手は限定的です。
また、最新のデータソースは、従来のリレーショナル・データベースやその他のツールに、大きなカテゴリーのデータを入力し、検索し、操作する機能を求めてきました。これらのツールは、名前、日付、住所などの構造化された情報を扱うことを目的として作られています。電子メール、テキスト、ビデオ、オーディオ、ワープロ、衛星画像など、最新のデータソースから生み出される非構造化データは、従来のツールでは処理および分析することができません。
特に、今日生成されるデータの大半は半構造化または非構造化であるため、増え続けるデータソースにアクセスし、何が価値あるものかを判断することは容易ではありません。
最適なデータ分析のタイプは何ですか。
企業にとって最適なデータ分析のタイプは、開発段階によって異なります。ほとんどの企業は、すでに何らかのアナリティクスを利用していると思われますが、それは通常、プロアクティブなビジネス上の意思決定ではなく、リアクティブなビジネス上の意思決定を行うためのインサイトを提供するに過ぎません。
より良いビジネス上の意思決定を行い、市場動向や機会を判断するために、機械学習機能を備えた高度なデータ分析ソリューションを導入する企業が増えています。プロアクティブに未来を予測する能力を備えたデータ分析の利用を開始しない組織は、隠れたパターンを発見し、その他の洞察を得る能力がないため、ビジネス・パフォーマンスが低下する可能性があります。
主要な４タイプのデータ分析
1. 予測データ分析
予測分析は、データ分析の中で最もよく使われるカテゴリーだと考えられます。企業は予測分析を用いて、傾向、相関関係、因果関係を特定します。このカテゴリーは、さらに予測モデリングと統計モデリングに分けられますが、この2つは密接に関連していることを理解しておくことが重要です。
例えば、FacebookでTシャツの広告キャンペーンを行う場合、予測分析を適用して、ターゲット・オーディエンスの地域、所得層、関心事とコンバージョン率がどれだけ密接に相関しているかを判断することができます。そこから予測モデルを用いて、2つ（またはそれ以上）のターゲット層の統計を分析し、それぞれの層に対して可能な収益値を提示することができます。
2. 規範的データ分析
規範的分析では、AIとビッグ・データを組み合わせて、結果の予測や取るべき行動の特定を支援します。このカテゴリの分析は、さらに最適化とランダム・テストに分類することができます。MLの進歩を利用した規範的分析では、「こうしてみたらどうだろう」「最適なアクションは何だろう」といった質問に答えることができます。正しい変数のテストはもちろん、より高い確率で良い結果を生む新しい変数を提案することも可能です。
3. 診断データ分析
未来を予測するほどエキサイティングではありませんが、過去のデータを分析することは、ビジネスを導く上で重要な役割を果たすことがあります。診断データ分析とは、データを調べて、原因と事象、あるいは何かが起こった理由を理解するプロセスです。ドリルダウン、データ探索、データ・マイニング、相関などの技法がよく用いられます。
診断データ分析は、何かが発生した理由を解明する上で役立ちます。他のカテゴリと同様に、これもさらに2つの具体的なカテゴリに分かれています。検出およびアラートと問合せとドリルダウンです。問合わせとドリルダウンは、レポートからより詳細な情報を得るために使用します。たとえば、取引を1か月で大幅に減らした営業担当者などです。ドリルダウンで、2週間の休暇により出勤日数が少なくなったことがわかる場合があります。
検出とアラートは、潜在的な問題が発生する前に通知するもので、例えば、スタッフの労働時間が減少し、その結果、成約数が減少する可能性があることをアラートで知らせます。また、診断データ分析を使って、自社の新しいポジションに最も適した候補者などの情報を「検出」することも可能です。
4. 記述的データ分析
記述分析はレポート作成のバックボーンです。これなしにビジネス・インテリジェンス(BI)ツールやダッシュボードを使うことはできません。「いくつ、いつ、どこで、何を」という基本的な質問に対処します。
ここでもまた、記述分析はさらに2つのカテゴリーに分けることができます。アドホック・レポートと定型レポートです。定型レポートとは、あらかじめ設計された、特定のテーマに関する情報を含むレポートのことです。この例としては、最新の広告活動に関するパフォーマンス・メトリックの詳細を示す、広告代理店または広告チームから送信される月次レポートがあります。
一方、アドホック・レポートは、自分で設計するもので、通常はスケジュールされていません。ビジネスに関する特定の質問に回答が必要な場合に作成されます。このようなレポートは、特定の問合せについて、より詳細な情報を得るために有効です。アドホック・レポートでは、企業のソーシャルメディア・プロフィールに焦点を当て、自社のページや他の業界のページに「いいね！」を押した人のタイプ、その他のエンゲージメントや人口統計情報を調査することができます。その高い特殊性により、ソーシャルメディア利用者の全体像を把握することができます。この種のレポートは、（視聴者に大きな変化がない限り）再度読む必要はないでしょう。
ビジネス主導型のインサイトを獲得し、ペースの速い市場に対応
常に変化するビジネス環境の中で、次の一手を予測することは困難な場合があります。そこで役立つのがデータ分析です。チームや企業内のデータに素早くアクセスし、より深いインサイトを得ることで、より良い意思決定を導きだすことができます。
- 顧客の把握とリーチ方法
- 競合他社を含む市場
- 過去の出来事
- 現在起きていること
- ビジネスの今後
データを活用して情報に基づいた意思決定を行う
もし、テーブルを挟んで向かいに座っているお客様1人だけを相手にするならば、必要な情報を収集してそれに基づき行動することは簡単でしょう。しかし、顧客が1人しかいない企業が何社あるでしょうか。一般的な顧客プールを得るには、その1人の顧客を100倍、1000倍、あるいはそれ以上に増やさなければなりません。さらに、さまざまな方法で提供されるマーケティング・データや顧客データを考慮すると、必要な情報を入手し、どのように前進すべきかを理解することは容易ではありません。それには、タスクに対応するデータ分析ソリューションが必要です。
データ分析ソリューションで考慮すべき事項
よりインサイト主導型の組織を構築したいのであれば、現在、たくさんのデータ分析製品が市場に出回っています。最終的には、予測性、直感性、自己学習性、適応性を備えた最新の分析ツールを提供することが理想的です。
組織におけるあらゆるデータ活用をサポートするために、以下の点に留意してください。
- アナリティクスとデータ管理の機能を統合した単一のプラットフォームが必要です。このようなソリューションにより、レポート、ディスカバリー、分析、推奨のための複数のソリューションを持つレガシー環境での互換性やアクセスの問題を回避することができます。すべてが統合され、含まれているため、プロビジョニングが容易になり、ビジネス価値をより早くもたらすことができます。
- クラウド上にありながら、オンプレミスやハイブリッド環境のデータにアクセスできるプラットフォームが重要です。データと分析に迅速かつ容易にアクセスすることで、組織全体の誰もがインサイトを得ることができ、十分な情報に基づいた意思決定を行うことができます。
エンドツーエンド分析ソリューション
データの収集から洞察や処方箋の提供まで、分析プロセス全体をサポートする、セキュリティ、柔軟性、信頼性、スピードに優れたソリューションをご検討ください。
あらゆるデータを活用できる
アプリケーション（IoTを含む）、部門、サードパーティ、構造化・非構造化、オンサイト、クラウドなど、規模や場所を問わず利用可能なデータにアクセスし、分析するソリューションを選択します。このようなソリューションは、データ処理を効率化し、データの真の価値を引き出し、隠れたパターンや関連するインサイトを明らかにして、ユーザーが情報に基づいたデータ主導型の意思決定を行えるよう支援します。
生産性とデータ統合の向上
理想的なデータ分析ソリューションは、データ・ワークフローにおけるすべてのステップを最適化します。そのため、データと分析のプロセスが迅速化します。機械学習などの組み込み機能が、モデルの構築を加速します。データ収集、インサイトの発見、意思決定の改善など、プロセスのあらゆる場面で効率性が向上します。
信頼できる唯一の情報源によるメリット
信頼できる分析、洞察、結果を得るためには、データを単一のソースに統合する必要があります。そうすることで、データ、指標、インサイトを統一的に表示し、一貫性と正確性を確保することができます。
データインサイトの加速
タスクを簡素化、高速化、自動化し、市場をより深く、より速く掘り下げる力を与える、組み込みAIや機械学習など、拡張された分析を備えたソリューションをご検討ください。複数のソースからデータを自動的に収集および統合し、分析に必要な新しいデータセットを推奨します。
セルフサービスの分析、フリーIT
ビジネス・ツールとしての可能性を実現するために、分析を民主化する必要があります。それは、ITの支援を必要としないソリューションを持つということです。組織内の適切な権限を持つ人であれば、誰でも使用できるはずです。理想的な分析ソリューションは、ポイント・アンド・クリックやドラッグ・アンド・ドロップの機能、ガイド付きのステップ・バイ・ステップのナビゲーションなど、セルフサービス用に設計されています。IT部門からの支援がなくても、ユーザーは簡単にデータをロードおよびインポートし、あらゆる角度から分析することができるはずです。
ベストプラクティスのデータ分析ソリューションは、メタデータとビジネス・コンテキストに基づいて、企業全体のデータ資産を検索、理解、管理、追跡するためのセルフサービス機能をユーザーに提供します。これにより、価値実現までの時間が短縮され、使いやすいデータを見つけやすくなります。ユーザー定義の注釈、タグ、ビジネス用語集により、データの発見、コラボレーション、ガバナンスを強化することができます。
データの可視化
分析は、ビジネスの状況を詳細にイメージすることができる可能性を秘めています。その可能性を最大限に生かすためには、データを自動的にビジュアル・プレゼンテーションに変換することができるスマートなソリューションが必要です。これにより、未加工の数値を並べたスプレッドシートでは見逃してしまうようなパターン、関係、傾向を見たり理解したりすることができます。また、データのマッシュアップを作成することで、新しい独自のインサイトを得ることができます。スマートテクノロジーにより、専門的なトレーニングなしでそれが可能です。
モバイル分析
従業員が外出先で必要な情報にアクセスできるソリューションが求められます。しかし、すべてのモバイル分析ソリューションが同じように作成されているわけではありません。音声によるアクセスやリアルタイムのアラートを提供するだけでなく、従業員の生産性をさらに向上させる高度な機能を備えたモバイル分析ソリューションをご検討ください。
こうした機能には、携帯電話やタブレットから、コードを書かずにインタラクティブなビジュアルを持つモバイル分析アプリケーションの作成が含まれます。また、自分のデジタル・フットプリントを調べて、外出先で行われる会議に出席しようとしていることを把握し、その会議を成功させるためのインサイトを提供するソリューションを想像してみてください。
データ分析は自動化と自律性を促進
財務、科学、経済など、さまざまな業界で手作業で作成された何百万ものスプレッドシートが使用されています。しかし、ZDNetによると、 すべてのスプレッドシートの 90% には、結果に影響を与えるエラーがあるとのことです。問題のカット・アンド・ペースト、隠れたセル、その他のエラーにより、企業に何百万ドルもの費用がかかります。
また、従来の分析ソリューションやプロセスでは、タイムリーな意思決定を行うために必要なインサイトを企業に提供するのに時間がかかることがあります。多くの場合、データは複数のアプリケーションやプラットフォームから収集され、企業の部門は、抽出、変換、ロード（ETL）、接続、インターフェイスを作成し、あるデータベースから別のデータベースにデータを転送し、データ品質を確認し、データをスプレッドシートに入力する必要があります。こうしたすべてのタスクには、貴重な時間とリソースがかかります。
また、従来のソリューションやプロセスでは、通常、ITや分析の専門家でなければ分析を行うことができませんでした。月末の分析が必要な多忙なエグゼクティブには、セルフサービス・エクスペリエンスではありません。つまり、ITや分析の専門家が必要なものを提供するのを待つということです。
分析プロセスを自動化し、そのプロセスをクラウド化することは、あらゆる規模、あらゆる業種の企業にとって、画期的な変化となり得ます。たとえば、AI や ML を組み込んだ最新の分析ソリューションや、自己セキュリティ、自己パッチ、自己チューニングの自律型クラウドで稼働する統合された自律型データ・ウェアハウス のようなものが挙げられます。
最新のアナリティクス・ソリューションで作業している場合、すべてを自動化することができます。何を調べたいのか、どのモデルを適用するのか、どの列を予測するのか、いくつかのパラメータを特定すれば、あとはソリューションに引き継がれます。データは、複数のアプリケーション、プラットフォーム、クラウドから取り込むことができます。収集、洗浄、作成、変換、予測のための分析をすべて自動で行い、処理を高速化し、人為的なミスの可能性を低減することができます。
オラクルを選択すれば、Oracle AnalyticsとOracle Autonomous Databaseを組み合わせた単一の統合プラットフォームを入手できます。アナリティクスと強力な自律型データ・サービスの最良の要素を備えた、シンプルで再現性のあるソリューションです。つまり、障害が取り除かれ、データが信頼できる唯一の情報源にまとめられ、実用性の高いインサイトが迅速に引き出されるため、戦略的なビジネス上の意思決定を導くための理想的なデータ分析ソリューションとなります。