データ活用のユースケース策定が進まない事例

坪内進史氏：続いて、データ活用のユースケースがなかなか出てこないという特性の中で、ここをどう動かしていくかの取り組みについて紹介します。

ユースケース策定が進まない背景には、冒頭でお伝えしたような課題が解消されていないからというところが非常に大きいかなと思います。一方で、この課題を一朝一夕で解決していくのは難しい。非常に難しい。組織的な文化みたいなところもあるので、なかなか難しいです。

なので、それに対してどうケアしていくかというと。自分たちではできないんだけれども、フォロー体制があれば一定程度できるというところで、そのフォローを充実していく取り組みになるかと思います。

顧客の課題解消のために取ったアプローチ

（スライドを示して）実際に我々がお客さまの課題解消のために取ったアプローチがシステム基盤、データ活用の基盤導入のソリューションから、左右上下にちょっと手を伸ばしてお客さまの構想策定、企画だったり活用促進・定着化みたいなところです。

あと、お客さまとしては最終的にそういった我々のサポートなしで、自分たちの独力でデータ活用を進めていく。データ活用を自走化していけるような状態が理想形としてあると思うので、それを支援するようなサービスメニューを提供しています。

聞くとすごくきれいに見えるんですが、実はこちらもかなり泥臭くて。我々は、実は真ん中のソリューション一本槍で戦っていたんですが、先ほどみたいな課題がある企業さまにこの一本槍で突っ込んでいっても当然勝てないし、話が前に進まない状況がありました。

という中で、それを動かしていくために「なんでもいいからやらせてください」みたいな（笑）。我々の専門性の提供も含めて伴走するというところで、徐々に入り込んでいく中で効果があったものを初めてサービスメニューとして整理したという、ちょっと血なまぐさい経緯があります（笑）。今となってはきれいに見えますが、当時はがむしゃらにやっていたのが実態となります。

その中で、今回は特にデータ活用のユースケース策定。このプロフェッショナルサポートの事例紹介をしたいと思います。これはみなさまの中でもおそらく基本的にできることなんじゃないかなと思ったので紹介いたします。

データ活用の促進サイクル

データ活用の促進サイクルというところで、我々が考える最適なプロセスをここに記載しています。当たり前ですが、ビジネスに役立てていくという観点で、お客さまの業務・ビジネス課題の整理から入っていかないと、やはり良いデータ活用のユースケースは生まれません。

そこからお客さまの持っているデータ資産だったり、場合によっては我々の持っている専門性を基に、「こういったオープンデータが使えるんじゃないか」とか、そういったものも含めて使えるデータを棚卸ししていき、それを基にユースケースを策定。また、AIモデルの開発もそのユースケースの中ではあったりはするんですが、それの実現性の調査をした上でシステムに反映していく。それを繰り返していくことを我々のデータサイクルとして定義しています。

この中でコンサルタントであったりデータアーキテクト、データサイエンティストなどの専門性を持つプロフェッショナルメンバーが、このプロセスを下支えしていく取り組みをしていきます。先ほど「みなさまの組織でも」と言ったのですが、おそらくデータのアーキテクトだったり、データサイエンティストの方が、みなさまの組織にもいると思います。

そういった方が活用ユースケースの策定に積極的に関わっていくことで、先ほどの課題解消を促していくという取り組みに、非常によくつながっていくんじゃないかなと思っています。すでにやられている方もいると思います。

データ活用の促進サイクルの中で実践したこと

その中でどういったことをしたかというと、例えば課題整備に向けたワークショップの実施なんかもやっています。これはすごく泥臭いですよね（笑）。

お客さまの主要なステークホルダーの方に現状の課題を整理して持ってきて、それを基に解決策やアイデアの検討みたいなところ。ここがけっこうポイントかなと思うんですが、専門性を持った人間が観点などを提供しながら一緒に進めていくというようなことをします。

課題解決のアイデア出しだったり、あとはそれをテーマ別に分類してどういったジャンルがあるかだったりの全容を可視化していきます。その中で、まさに先ほど「優先度の高いユースケースを構築していく」みたいな話があったと思うんですが、自社のビジネスにとって有効と思われるものを定めていくというか、優先度付けをしていくようなことをこの中でやっていったりします。

（スライドを示して）もしコンサルタントの方が今日このイベントにいましたら、その方々はこういうものをよく見たことがあると思うんですが。

これはBtoBメーカーさまを想定したテーマ検討のテンプレートなんですが、例えば我々の中でもお客さまの業態に合わせて、「先ほどの議論などを活性化していくためのお客さまの一定のビジネスシーンにおいて、こういったテーマの分類があり得るよね。それに対しておそらくその観点でいくと、こういう分析テーマはあり得ないか」みたいな仮説。

それを実現するために必要な関連データみたいなものを我々のほうでマッピングして、お客さまに持っていって、「実際にこういったことが可能か」みたいなところの意見交換をしています。

こちらも、ぶっちゃけるとテーマをそのまま採用されることは実はあまりなくて。かなり汎用的な内容になっていて、データ活用のユースケースみたいなところでいうと、お客さまの個別事情だったり文化みたいなところをかなり反映していかないと、有効なユースケースは正直出てきません。なので、ここからすぐに答えにたどり着けるかというと、そんなことはないです。

一方で、検討する観点の提供はこういったものでも非常に有効だったりしました。例えばですが、「部署ごとの関係者を集めた際に、それぞれが持っている部署でサイロ化してしまっているデータだったりを横ぐしで見ていくんだよ」という観点の提供だったり。

けっこうよくあるんですが、例えば調達業務をされている部署の方は、そういった業務のエキスパートですよね。なので、どういったデータがあるかみたいなところも、理解してもらっていたりしますが、それ以外のものに関しては認識されていなかったりします。

あとは社外のオープンデータを使う例があったりすると「あ、オープンデータを使うってそういうことか」みたいなところで、理解を深めてもらうことができたりします。

「そういう考え方もあるのね」というものでけっこう好評いただいたものが、原価の低減みたいなもの。原価の変動を予測するようなところです。

例えばこの（スライドに表示した）お客さまは製造業務があるお客さまなので、原油の価格の上下動をオープンデータを基に分析するというか、過去1年前のデータを基に傾向を分析して、原油高騰になりそうな予兆を検知する。

検知した上で、もしアラートが上がるようであれば調達をかなり大きめに取る。その上で、もし原価が高騰したタイミングでは調達を減らしていくみたいなところで、それを基にした原価、「お客さまの製造している製品の原価の最適化を図っていくこともできないですかね」というお話をしたりしました。

わりと思い付く話でもあったりするので、すぐに採用にはならないんですが、一方で、「こういうふうに使えるんだ」ということなどを理解してもらった担当者の方から新しいアイデアを得る。こういったものを動かしていくことができたりします。

あとは、実際にデータサイエンティストのメンバーが入って、お客さまが持っているデータだったり、お客さまがわからないような「実態はどうなっているんだろう」「こんな予測があるんだけど」みたいなところに対して、お客さまのデータを基に、実際の相関関係だったり傾向を統計的に分析する。

その上で「こういう結果が出ていますよ」ということで、お客さまの意思決定を促していくような支援をすることもこの中でやっています。

売上原価の話もありましたが、例えばお客さまの経営データを見た際に、販管費が増えている傾向が一定見て取れる中で、「じゃあなんでだろうね」と。減価償却率の販管費率は相関がない中で、「一方で物流費はこの販管費と相関があるよね」みたいなところを、しっかりと数字、データから説明して「であれば、そこを分析していって、より深掘りしていったほうがいいね」とか、「そこに手を打っていくユースケースを考えたほうがいいね」と。そういった観点、アイデアを検討していただく。

そういったことをサポートするような取り組みをしています。これによってデータ活用のユースケースを考える促進を実施しています。

（次回につづく）

Published at