データと分析は、ビジネスの世界で急速に流行語になっています。顧客の行動に関する洞察を収集したり、リスク分析を実施したり、インフラストラクチャをより効率的に管理したりするために「データをインテリジェントに使用する」先進的な企業への言及がなければ、ジャーナルをクラックするのは難しいでしょう。大規模でデータが豊富な企業、特に規制対象の企業は、何年にもわたってデータ主導の意思決定に携わってきました。これは、CapitalOneが顧客をよりよく理解するためのデータ分析の先駆者であることが最もよく示されています。暴走する成功につながった影響力のあるマーケティングキャンペーン。
しかし、ニッチな始まりにもかかわらず、データの利用は急速に主流になりました。規模や人員に関係なく、特定の企業が分析をコアビジネスプロセス/機能として持たないという信頼できる理由は、今日ではほとんどありません。コスト、リソース、専門知識などの従来の反対意見は、もはやマスタードを削減しません。それどころか、内部で生成されたデータは、競争力を維持しようとする競争力のある企業によって、他の方法と同じように活用されるユビキタスな戦略的資産に急速になりつつあります。
この記事では、読者にデータと分析の世界を大まかに紹介し、市場のダイナミクス、ツール、プレーヤー、および両方に固有のソリューションを紹介してから、後半を中小企業向けの実践的な実装ガイドとフレームワークに捧げます。
インターネットの出現とそれに伴うeコマース、ソーシャルメディア、およびデバイスの相互接続により、それを利用するためのツールを所有する人々にとって、グローバルに利用可能で分析可能なデータの量が爆発的に増加しました。すべてのツイート、投稿、たとえば、左スワイプ、右スワイプ、ダブルタップ、レビュー、テキスト、トランザクション。それぞれが、私たちが誰であるか、どのように決定を下すか、どこで、なぜかをすべて伝えるデジタルフットプリントをマッピングするために使用できるデータです。このデータは、その形式の広大さ、深さ、複雑さから「ビッグデータ」と適切に呼ばれ、処方分析と予測分析の可能性の海を解き放ち、私たちが毎日消費する非常に多くの製品のハイパーパーソナライズを可能にしました。
正式には、ビッグデータは、パターン、傾向、および関連性を明らかにするために計算で分析される可能性のある大きなデータセットを表します。ほとんどの場合、人間の行動や相互作用に関連しています。データを「ビッグ」と呼ぶには、セット/バンクが非常に大きく、データから価値を引き出すために高度なデータ手法と複雑なシステムが必要になる必要があります。
2001年の調査レポートでは、METAグループ(現在のGartner)は、データの3つのVと呼ばれる3次元のビッグデータを組み立てました。これらは次のとおりです。ボリューム (数量)、速度 (生成/送信の速度)、およびバラエティ (タイプとソースの範囲)。これらの3つのVは、その後IBMによって4つのVに拡張され、 Veracityが含まれるようになりました。 価値を獲得するために必要な最終的な次元としてのデータの(品質/整合性)。
…しかし、ビッグデータについてはすでに聞いたことがあるでしょう。一方、小さなデータは、過度に複雑な分析ツールを必要とせずに、人々がアクセス可能で、有益で、実用的なものにするために十分に控えめであると見なされるデータのサブクラスです。元マッキンゼーのコンサルタントであるAllenBondeが最もよく削減したのは、「ビッグデータは機械に関するものであり、小さなデータは人に関するものです」です。具体的には、原因、パターン、および人に関する「理由」を導き出すために整理およびパッケージ化された意味のある洞察です。
データの可用性と有用性の両方の向上と並行して、スタンドアロンの分析業界が出現しました。かつてはマスターおよびPhDレベルの統計学者、データサイエンティスト、およびアナリストの独占的なたまり場でしたが、分析は機能的に堅牢でありながら低コストのセルフサービスのサービスとしてのソフトウェア(SaaS)プラットフォームの業界に進化しました。データから価値を引き出すユーザーの初心者。以前はこの種の分析を実行するために必要な専門知識や予算が不足していた中小企業は、現在、より優れたリソースを備えた企業とほぼ同等の立場で競争し、市場で防御可能なモートを確立しています。
SaaSモデルのコストメリットに加えて、テクノロジーとサービスの調査会社であるAberdeen Groupの調査によると、SaaSツールを採用している組織には、データを本能的に使用して意思決定を行い、ROI目標を40%達成する従業員が2倍いることが示されています。そうでないものよりも速い。ほとんどの企業では、会計、マーケティング、ERP、CRMシステムから内部で生成され、小さなデータを収益化する。
これに加えて、正確な測定が困難な可能性がある大規模で成長している市場ですが、IDCは、2017年の時点で世界のビジネスインテリジェンスおよび分析ツール市場を約140億ドルと推定し、Forrester Researchにより前年比11.7%の割合で成長しています。 、グローバル市場調査会社であり、2021年までに15%のCAGRを予測しています。
当然のことながら、分析ツールとソリューションの市場は、SAP、IBM、Oracle、Microsoftなどのソフトウェア会社の古い警備員によって支配されています。 2015年の時点で、SAPは10%の市場シェアと12億ドルの分析およびビジネスインテリジェンス(BI)製品の収益で市場をリードしました。 SAS Instituteは9%のシェアで2位でした。 IBMは8%で3位、OracleとMicrosoftはそれぞれ7%と5%で4位と5位です。興味深いことに、Sentiment Strategies、Tableau、Teradataなどのベンチャーキャピタルが支援するスタートアップの市場での成長により、5大ベンダーの市場シェアは低下しており、業界の将来の成長の多くは小規模なものによって生み出されることを示唆しています。より速く、より機敏な企業。
可能な限り最高のレベルでは、データ中心の文化により、経営陣は、同じバージョンの真実、つまり透明で定量化可能な真実から作業しながら、可能な限り最良の意思決定を頻繁かつ一貫して行うことができるという大きな自信を得ることができます。結局のところ、私たちのほとんどは、さまざまな事例証拠、事実パターン、および解釈に頼ることによって、戦争をしている幹部がさまざまな議論を提起/擁護し、入力の整合性、したがって出力の整合性にすぐに疑問を投げかけるセッションを経験しました。したがって、データ分析の道を歩もうとしている特定の中小企業が最初に下さなければならない決定は、その企業が本当にデータ主導の組織になることを目指しているかどうかです。
このトップダウンの決定がなされたら、新しい戦略的優先事項の可能性と有用性を最適化するためのフレームワークを確立する必要があります。まず、いくつかの質問をする必要があります。まず、特定の企業、プロジェクト、イニシアチブ、または部門の短期的および長期的な目標は何ですか?第二に、誰が努力とその結果に責任を持つべきですか?第三に、企業、プロジェクト、イニシアチブ、または部門がデータで解決しようとしている具体的な問題は何ですか?そして第4に、イニシアチブを推進するためにどのようなツールを使用する必要がありますか?
これらの質問に答えたら、次のステップは具体的な実行計画を策定することです。これは、少しの計画、組織構造、トップダウンの方向性、およびボトムアップの熱意を持って、実際の測定可能なものを生成するために組織を手元に配置します。過去よりも一貫して結果が得られます。次の図は、単純なデータ分析アプローチのさまざまな要素を検討するためのフレームワークを提供するように設計されています。
これは正しく理解するための最初の重要な質問です。大まかに言えば、データを活用しようとしている企業の上位目標は、健全なビジネス上の意思決定を行うための体系的なプロセスを開発することです。このプロセスは、一貫性があり、繰り返し可能であり、測定可能なほど優れた結果をもたらします。この時点で、健全なデータ指向の組織になることは目的地ではなく旅であることに注意することが重要です。そのため、上からの「バイイン」と下からのコンセンサスは、重要であることが証明される重要な基本的なステップです。大量採用と十分に活用された分析資産へ。バイインを達成した後、試行錯誤された次のステップは、このプロセスを実現するために必要なしきい値の興奮とエンゲージメントを高めるために、いくつかの「クイックウィン」を戦略的に調整することです。コンセンサスの構築、賛同、および迅速な成功の達成、調査と私の経験の両方が、次の構造、順序、および考慮事項を前提とする実装アプローチを指示します。
記述的分析から始めます。これは、既存のトランザクションデータを使用して企業のパフォーマンスを強調し、定量化可能なデータなしでは以前は結論が出なかった結論を引き出すためのシンプルなビジュアルダッシュボードです。次に、ダッシュボード内でドリルダウン機能を開発し、洞察、パフォーマンスの要点、および自助の指示を戦略的に、適切な同僚/組織の影響力者と共有します。これにより、部下への普及プロセスと、育成しようとしているデータ依存の文化の両方が開始されます。
ステージ2:社内の技術リソースを使用するか、サードパーティプロバイダーの助けを借りて、より高度な予測分析機能に移行します。これらの予測機能は、内部データソースと外部データソースの両方をブレンドして、「顧客が失敗する可能性はどのくらいですか」、「xを購入する顧客、通常はyも購入する」などの特定のビジネス上の質問に適切に回答し、実際のデータを提供します。部門または特定のイニシアチブのパフォーマンスに関する時間的洞察。この場合の「外部データソース」には、ソーシャルメディアデータ、営業部隊データ、またはユーザーエクスペリエンスデータが含まれます。これらはすべて、統計的に重要な豊富な洞察のソースを提供しますが、社内データはまだ制限が多すぎて、それ自体では活用できません。
第3段階は、履歴データを背景に、消費者、企業、競合他社、従業員、またはサプライヤーの行動を導き/先取りするための適切なアクションを決定するのに役立つ高度な処方分析に進むことです。ただし、この段階は通常、小さなデータから大きなデータへの移行を示し始めることに注意してください。それでも、意思決定において最高レベルの入出力の整合性と一貫性を確保するために、全社的な意思決定プロセスに組み込む必要のあるステップです。
測定対象が管理されていることは真実であり、単一のデータ決定論的真実を開発することにより、組織内のリーダーはより健全でより統一された意思決定を行うことができます。ダッシュボードは、そのような分析の旅の出発点であり、企業のデータ決定論的真実の視覚的な図解です。もちろん、あるグループに関連するものは別のグループには無意味である可能性があるため、特定のダッシュボードの目的またはテーマ、含める必要のある情報、そのコンテンツに関連する受容体の対象者、および質問/問題は、そのグループが回答/解決しようとしていることです。
適切に設計されたダッシュボードは、単に履歴情報を提示するのではなく、意思決定を促進し、ビジネスのバイタルを正確に示しながら、傾向と繰り返しパターン(ポジティブとネガティブの両方)に最も効果的に注意を向けます。より洗練されたダッシュボードは、リーダーがより動的でリアルタイムの表示を可能にする注釈および共有機能を使用して、診断された問題の根本原因に到達できるようにするドリルダウン機能を提供します。
ダッシュボードプロセスが完了すると、意欲的なデータ主導の組織はより野心的になり始める可能性があります。これに対する典型的な次のステップは、「膨大で多様なデータを使用して、より高度な分析を実行し、意思決定ドメインにさらなる次元を提供する」ことです。 Experian、Acxiom、D&Bなどの業種別のベンダーからFacebook、Twitter、Salesforceなどのソーシャルメディアや販売データプロバイダーに至るまで、サードパーティのデータとさらに充実した企業固有のデータをブレンドすることで、特定の企業はより大規模な調査を行うことができます。会社の業績と顧客の行動に関する新しくより良い洞察のための、より広く、より多様で、統計的に有意なセット。
データ、顧客、規制、および特定のビジネス上の問題/問題に関してさまざまなニーズがあり、予算と内部スキルセットが異なるエンタープライズレベルの企業には、より固有のニーズに対応するテクノロジーベンダーが存在する可能性があります。それらは、分析をビジネスプロセスとワークフローに運用する能力がより重要で経済的になる規模で運用されます。多くの場合、これらの企業は規制された業界に属し、公正で反復可能な処理が実施されていることを実証できる必要があります。
貸し手は、性別、収入、人種を問わず、貸付方針に偏見を示していません。
特定のアクションを決定することと、それを実装することは別のことです。診断、処方、決定と、望ましい結果に責任を持つ個人/グループとの間に関係がある必要があります。エグゼクティブスポンサーの役割が重要になるのはここです。
中小企業と大企業の両方で、エグゼクティブスポンサー(データエンリッチメントの指名されたチャンピオンであり、事実上の最高経営責任者)は個人であり、通常は開始時にCEO、CFO、またはCMOであり、すでにデータと分析に没頭しており、データによって最もよく解決される問題の一種、または少なくともデータ分析の変革の可能性を信じる人。
この主人公に加えて、このプロセスには通常、特に企業が記述分析から予測分析への移行を開始した後は、二次的でより実践的なチャンピオンが必要です。従来、この人物は技術的に訓練された社内のデータサイエンティストでしたが、最近では、市民データサイエンティストと呼ばれることの多い技術に精通した愛好家の形をとっています。この個人は通常、自己選択します。知的好奇心と器用さの適切なバランスを備えた自称スプレッドシートジョッキーですが、実装雑草に住むことをいとわない人です。多くの場合、この個人は、正式なデータ分析プロセスが会社にもたらす可能性のある影響を認識している点で経営陣よりも進んでいますが、ビジョンを販売するために必要なステータスや信頼性を欠いていました。
成功し失敗するすべての企業には、それに固有のリソース、プロセス、および機能の適切な組み合わせによってのみ対処できる独自の一連の課題があります。とはいえ、データで対処するのに最も適した種類のビジネス上の課題は、多くの場合、図7に示されているフレームワークを使用して削減、分類、および対処できます。
さらに、いくつかの事例ガイドライン/パラメータが長年にわたって考案されており、データに取り組む適切な種類の問題を特定する可能性だけでなく、それらが正常に解決される可能性もさらに最適化しています。これらのガイドライン/パラメータは次のとおりです。まず、影響が非常に重要な単純で明確な質問を選択します。第二に、データから回答を探す際には、学術的な回答の完全性ではなく、ソリューションの実用性を目指します。第三に、診断と解決策を提供する際には、受信者の聴衆の性質と知識ベースを念頭に置いてください。そして最後に、既存のデータと同等の方法で追跡できるソリューションで測定可能で定量化可能な問題のみを選択します。
持続可能なデータ指向の組織の構築に関する最初の4つのフレームワークの質問の最後は、ツール、方法、またはプラットフォームの選択に関するものです。これに対して、データ分析ツールは近年大幅に進化しており、ビジネスユーザーにはさまざまな長所と短所があります。長所には、そのようなツールのリースに関連するコストの大幅な削減、機能リストの増加、および機能固有のツールから機能が重複するプラットフォームへの移行に伴う利用可能なオプションの複雑さが含まれます。さらに、SaaSベンダーは、ボリュームとデータタイプに制限はありますが、無料トライアルを提供しています。新しい常連客には、複数のプラットフォームをテストした後、情報に基づいた購入決定を下す機会が与えられます。
これらのプラットフォームの主な欠点は、相互の競争力を維持するために、ベンダーが複雑さに向けて積極的に革新したため、現在、平均的なビジネスユーザーの有用性を超える製品で機能が飽和状態に近づいていることです。不幸な結果は、初心者ユーザーの圧倒的な結果であり、前述の「クイックウィン」を達成するのが難しくなり、特定の企業でデータ文化が定着する可能性が低くなります。
幸いなことに、将来のユーザーを支援し、競合するビジネスインテリジェンスソリューションを評価および比較するために利用できるリソースはたくさんありますが、コアとなる共通機能に関する知識は、企業の特定のニーズや優先順位に照らして評価するのに役立ちます。そのような機能には、データ接続の数と範囲、事前に組み立てられたダッシュボードの可用性、ドリルダウン、公開および共有機能、データブレンディングおよび探索ソフトウェア機能との統合、スケーリングの可能性(ボリュームと多様性の両方のパラメーター)、数が含まれます。モデリングアプローチの正確性、および特定の業界ごとの顧客参照ベース。要約では確かに単純ですが、上記のチャート7は、さまざまなカテゴリ(記述的、予測的、規範的)で活躍するいくつかの主要ベンダーを示しています。
そのニッチな始まりにもかかわらず、データ分析とSaaSベースの分析ツールの市場は、市民データサイエンティストとその会社の利益のために、近年かなり進化していることは明らかです。ビッグデータ、スモールデータ、セルフサービスツール—それぞれが現在十分に主流であり、最も技術的でないビジネスのコアコンピテンシーとしての検討が必要です。言い換えると、非常に有用で実用的なデータが生成され、セルフサービスツールのコストが提供されている機能に反比例するため、中小企業でさえある程度の容量でデータを活用し始めない理由はほとんどありません。
この記事は、少しの計画、客観的な設定、および常連客の選択で、あなたのスタートアップでさえ、あなたが混乱させようとしている業界の巨人と競争の場を平準化し始めることができ、その過程であなたにとって途方もない経済的価値を解き放つことができることを示しているはずですそしてあなたの利害関係者。始めるだけです。さあ、始めましょう!