ビッグデータへの取り組みを組織の戦略に合わせ、KPIで検証する方法をご紹介します。
- ビッグデータとは何か?
- ビッグデータの課題
- KPIとビッグデータ
- ビッグデータの焦点
- ビッグデータを測定可能にする
- BSCデザイナーによる自動化
年末は、自動運転車、人工知能、バーチャルリアリティ、モノのインターネットなど、新たなトレンドについて話すのに良い時期です。 これらのトレンドは、あなたのビジネスにどんな影響を与えるのでしょうか? また、これらのトレンドがビジネスに与える影響について、どのように考慮すればよいでしょうか。 これらのトレンドはすべて詳細な分析に値しますが、1つだけ、他のすべてのトレンドと関連しているように思われるものがあります。 それは、ビッグデータです。 AIはビッグデータを必要とし、自動運転車はビッグデータに基づいており、もちろん、すでに多くの企業で利用されています。BSCデザイナーでは、KPIと戦略について多くのことを話してきました。 この記事では、よく説明された戦略とテーラーメイドのKPIが、ビッグデータへの取り組みにどのように焦点を当てることができるかを議論することを提案します。
- Big data. それは何ですか? 主な課題は何か?
- ビッグデータのKPI。 4段階のKPIと戦略的整合性の達成.
- アクションプラン. ビッグデータの測定可能な実装。
- ビッグデータとは何ですか?
- データはどのように利用されるのか?
- ビッグデータの主な課題
- データマイニングはもはや主な課題ではない
- 課題1. ビッグデータの焦点化
- 課題3. データのセキュリティとプライバシー
- ビッグデータのKPI
- Level 1. 3-V メトリクス
- Level 2. ビッグデータプロセスメトリクス
- Level 4. KPIをリードする。
- ビジネス目標の焦点 ビッグデータ
- Big Data Helps to Formulate New Business Goals
- BSCデザイナーソフトウェアのユーザーのためのショートガイド
- Strategy Map Wizard – Balanced Scorecard in 6 Minutes
- バランススコアカードのその他の例
ビッグデータとは何ですか?
ビッグデータは、大規模で非構造化データセットの分析についてです。
ビッグデータは3 Vsで特徴付けることができます:
- ボリューム。 データセットは大きくなることが前提です。 少なくとも10GBや1TBであるべきだという試算もありますが、おそらくもっと良い基準は、ビッグデータとは(ストレージや計算の面で)分散させる必要があるものだと言うことでしょう。 Hadoopや同様のフレームワークに切り替える必要があったとしたら、それは大きくなっているということです。
- バラエティ 構造化および非構造化データのさまざまなソースについて考えてみましょう。 テキスト、ビデオ、販売データ、ソーシャルメディア、天気予報、またはあなたのコンテキストで意味をなすものから採掘することができます。
- ベロシティ(速度)。 データの大量生成は、高速なデータ生成の結果です。 常に監視されている何千もの航空機の要素、ソーシャル メディアのコメントの絶え間ない流れ、ウェアラブル デバイスが提供するリアルタイム データについて考えてみてください。 データについて語るとき、私たちは常にあるレベルの不確実性を扱っています。 データはどのように得られたのか? すべての要素を分析したのだろうか? それは操作されたものなのか? その数字は信頼できるのか?
データはどのように利用されるのか?
ビッグデータは、幅広い予測分析および行動分析に利用されています。 組織は、コストを削減し、顧客のニーズをよりよく理解し、リスクを軽減するために、ビッグデータを適用しています。 ビッグデータを使用して顧客にオーダーメイドの体験を提供するビジネスについて考えてみてください。
記事の冒頭で、いくつかの新しいトレンドについて触れましたが、ビッグデータはそれらすべてに関与しています。
ビッグデータの主な課題
説明されているビッグデータのビジョンは、非常に野心的なものに聞こえます。 では、なぜ企業はこの新しいトレンドの導入に手間取っているのでしょうか。 ビッグデータの主な課題は何でしょうか。
データマイニングはもはや主な課題ではない
10月の後半、私はSCIP (Strategic and Competitive Intelligence Professionals) が主催するカンファレンスで講演を行いました。 この組織のメンバーは、マーケットインテリジェンスの領域でビッグデータを扱っています。 このカンファレンスのメインテーマは、期待されるような一部のCI/BIデータのマイニングについてではなく、ビジネスインテリジェンスの取り組みを組織の戦略に整合させるというものでした。 言い換えれば、企業が尋ねたい質問を知ってしまえば、あとは比較的簡単です(いくつかのデータについては、以下の調査を参照してください)。
データマイニングがもはや問題でないとすれば、主な課題は何でしょうか?
課題1. ビッグデータの焦点化
主な課題は、ビッグデータを重要なものに焦点化し、それを適切な人の手に届けることです。 言い換えれば、組織内に適切な質問を始めるべき人がいるはずです。
このアイデアを説明するために、2012 年にヘッドラインを飾った Target のストーリーを取り上げましょう。 この小売業者は、買い物客分析データを使用して、顧客の何人かが妊娠していることを予測することに成功しました。 プライバシーに関わる部分は考慮せず)実際に何が起こったのかを見てみましょう。 Target に勤務する統計学者 Andrew Pole は、可能な限りのデータを提供するだけでなく、マーケティングの同僚から非常に具体的なタスク、つまり、妊娠 2 ヶ月間の買い物客を特定することを依頼されました。 それは、単にデータで遊ぶということではなく、非常に具体的な質問に答えるのに役立つデータを見つけることだったのです。 ビジネス戦略との整合性
ビッグデータがゲームを変えるのは、それが具体的なビジネス価値を提供したときです。 言い換えれば、ビッグデータへの取り組みが企業の戦略をどのように支えているかが明確でなければならない。 ニューバンテージパートナーズは、ビッグデータエグゼクティブサーベイで、ビッグデータのビジネス導入における文化的な障害について回答者に尋ねました。 42.6%の回答者が「組織の連携不足」という答えを選びました。 他の選択肢には、採用の欠如、首尾一貫したデータ戦略の欠如、および共有ビジョンの欠如が含まれていました。
ターゲットのケースに話を戻すと、彼らは2つの重要な要素に取り組むことに成功していました。
課題3. データのセキュリティとプライバシー
この課題はまだ主流の使い方ではありませんが、データの収集と分析が倫理的かつ合法的でなければならないことは、誰にとっても明らかだと思います。 ヨーロッパでは2018年5月25日から一般データ保護規則(GDPR)が施行され、他の国でも同様の規制があります。 企業は個人データを処理する際、データポリシーに従うことをより真剣に考える必要があります。
KPIとビッグデータ
ビッグデータがKPIに取って代わるのでしょうか? そうではありません。 ビッグデータは、より正確で最新の洞察をもってKPIをパワーアップさせようとしている。
NPS (Net Promoter Score) を例にとってみよう:
- NPS now. 現在、あなたの組織では、NPS(ネットプロモータースコア)はどのように計算されていますか? おそらく、四半期ごとに何らかの顧客調査を行っているのではないでしょうか。 したがって、この指標は時間的に遅れている。
- NPS powered by Big Data. さて、顧客の感情をリアルタイムで分析するビッグデータツールを使ったとします(下記のHeedbookの参考文献を参照)。 この場合、NPSはリアルタイムのKPIになります。 基本的には、特定のオファーや販売方法に対する特定の顧客の反応を見ることができます。
場合によっては、データを深く掘り下げて特定の状況に到達することに興味があるでしょうし、週、月、年単位の集約データを見る必要がある場合もあるでしょう。
ビッグデータのKPI
ビッグデータの場合、新しいツールやアーキテクチャへの大きな投資について話しているので、それらの取り組みを何らかのハードデータで監視することは理にかなっていると言えます。 また、ビッグデータへの取り組みは、定量化し、測定する必要があります。 これはいくつかの異なるレベルで行うことができます。
Level 1. 3-V メトリクス
ビッグ データの 3V (Volume, Variety, Velocity) は簡単に定量化できます。
- データのボリュームはそれ自体 (GB, TB, など) の尺度です。
- Variety(多様性)は、さまざまな種類のデータソースの数として定量化できます。
- Velocity(速度)は、期間ごとに生成/分析されるデータの量として定義されます。 何をもって正確なデータとみなすかを定義する必要があり、それはコンテキストに依存します。 例えば、内燃エンジン車では、時速5kmの誤差で現在の速度を測定することは正確なデータとみなされるかもしれませんが、電気自動車では、それは受け入れられません。
3-V メトリクスは有用ですか。 それはあなたのコンテキストによります。 Google の自動運転車を例にとってみましょう。 この車は、1秒間に1GBのセンサーデータを生成します。 この数字は印象的に見えますね。 9337>
ビッグデータスコアカード無料プランでサインアップしてビッグデータScorecardやその他28種類のスコアカードテンプレートにアクセスしてみてください。 Level 2. ビッグデータプロセスメトリクス
次の抽象レベルに移って、ビッグデータプロセスを見てみましょう。 単純化したモデルは次のとおりです。
- Query
- Collection
- Analysis
- Reporting
この場合に最も役に立つメトリクスは時間に関するものです。
- データ収集の頻度
- データが分析のために利用可能になるまでの時間
- データがKPIの形で報告されるまでの時間
タイミングのベンチマークはビジネスコンテキストによって異なります。 たとえば、
- 自動運転車はリアルタイムでデータを収集および分析する必要があり、その差のミリ秒が問題になりますが、
- NPS の場合、管理者は集計した週次データのレビューに興味があるかもしれません
プロセス効率という点では、
- 変換率を報告するクエリを追跡できます、パーセントです。 この場合、まず適格なクエリの概念を定義し、データサイエンティストが回答できた適格なクエリの割合を追跡する必要があります
- Data capturing capabilities. 捕捉するデータの正確さのレベル(Veracityで前述した考え方)。 企業によっては、これらの能力が持続的な競争上の優位性を定義しています。
このレベルの測定基準は、ビッグ データがどれほど効率的かについてより良いアイデアを与えますが、それでも、実際のビジネス目標に対するビッグ データの影響についての手掛かりはありません。 遅れているKPI ビッグデータの成功を検証するKPI
もう1つの問題は、企業におけるビッグデータの取り組みの成功をどのように検証するかということです。 一方では、インフラストラクチャへの多額の投資がありますが、他方では、ビッグデータは、ビジネス洞察という形で回収されるはずです。
この場合、ビッグデータの使用に起因する改善を追跡する必要があります。
- ビッグデータからどのような教訓を学びましたか。 それらのアイデアの実施後、どのようなコスト削減が達成されたのか。
- オーダーメイドの体験を提供したことにより、顧客維持率はどのように変化したのか。 顧客生涯価値はどのように変化していますか?
- ビッグデータはカスタマーサービスをより効果的にするために役立っていますか? 初回電話解決率はどのように変化したか?
- ビッグデータの活用を始めてから、採用プロセスはどのように変化したのか?
このように、私たちは以前使用していた古典的なKPIを使用しています。
このアプローチは偏っているかもしれません。
- 私たちはポジティブな変化を成果として数える傾向があり、
- ネガティブな変化は常に起こる通常の変動と見なすのです。
解決策は、より大きく、より具体的な目標を目指すことです。
多くの組織は、この測定部分を巧みに利用して、単に “いくつかのビッグ データ” を購入します。 キャップジェミニ・コンサルティングのレポートによると、インタビューした企業の67%は、ビッグデータ構想の成功を測定するための明確な基準を持っていないとのことです。 投資額を考慮すると、企業はビッグデータ導入の目標と成功基準をより体系的に定義する必要があります。
Big Data Scorecard無料プランでサインアップすれば、ビッグデータScorecardやその他28種類のスコアカードテンプレートも利用可能です。 Level 4. KPIをリードする。
さて、ビッグデータ構想の成果部分を測定する方法はわかりましたが、主導部分についてはどうでしょうか? ビッグデータの導入を成功させるためには、どうすればよいのでしょうか。
ビッグデータのハード部分はかなり具体的で、次のような一般的な指標で測定できます。
- ビッグデータ構想に投資した資金
- ビッグデータ構想にかけた時間
ビジネス目標の焦点 ビッグデータ
ここで実際のシナリオを紹介します。 ある企業は、インフラストラクチャ、ツール、および Hadoop クラスタによるビッグ データ収集に何百万ドルも投資しましたが、測定可能なものは何も起こりませんでした。 これは、課題 1 で私たちが話していたことです。ビッグ データは AI ではないので、話すことはできませんし、チームは質問をすることを学ぶ必要があります。 それでは、どのようにチームの役割を測定すればよいのでしょうか。
Here are some ideas to get started:
- Big data training effectiveness.ビッグデータ・トレーニングの効果を測定する。 チームの主要メンバーがビッグデータに関するトレーニングを受けていることを確認する。 彼らはデータ科学者になる必要はありませんが、どのような質問をすることができ、その質問をどのように定式化するかを知っておく必要があります。 この場合の指標は、トレーニングの効果に関連するものになる。
- ビッグデータへの取り組みがある戦略目標の割合。 各チームが策定したビッグデータクエリの数を追跡することもできるが、この方法は非常に形式的で、あまり有用ではないだろう。 より良い選択肢は、目標とビッグデータクエリの間の整合性を追跡することである。
Big Data Helps to Formulate New Business Goals
ビジネスコンテキストとビッグデータのマッチングのプロセスは、双方向です。 特定の課題を念頭に置いて、特定のビッグ データ ツールを探すこともあれば(Target の場合のように)、興味深いツールを見つけてから、それを目標に合わせようとすることもあります。 以下はその例です:
- あなたのチームの誰かが、顧客の感情をリアルタイムで分析するサービスであるHeedbookを見つけましたね。 このサービスはMicrosoftのAzure上に構築されており、クラウドで利用することができます。
- あなたのIT担当者は、DLP(データ損失防止)ソフトウェアを見つけることに苦労していました。 通信や送信ファイルを分析するだけでなく、特定のセキュリティポリシーを適用できるSearchInformに出会ったのです。 DLP ツールの可能性を考慮することで、組織の IT 戦略を更新できます。
いずれにせよ、特定のビジネス目標をビッグデータに対する要件と一致させるのは良いアイデアです。 ビッグデータを測定可能なものにする。
この記事から得られる収穫をいくつか定式化しよう。 アクションプランの形で行うのが良いですね。
- ビッグデータを見直す。 今どのようにデータを収集しているのか、どのようなデータ取得能力を持っているのか(フレームワークとしてビッグデータプロセスメトリクスを使用する)
- 宿題をこなす。 戦略を戦略マップ上で策定し、ビジネスユニットにカスケードしてもらう。 現在のKPIを見直す。
- 能力を向上させる。 ビッグデータに関して、チームの能力に対応した取り組みを計画する。 主要メンバーは、どのような質問ができるのか、その質問をどのように策定するのかを理解する必要がある。
- ビッグデータへの取り組みを集中させる。 戦略マップを見直し、ビッグデータがビジネス目標をサポートすることができる機会を見出す。 ビッグデータクエリーを策定する。
BSCデザイナーソフトウェアのユーザーのためのショートガイド
BSC Designerのユーザーとして、あなたはこの記事で説明した戦略の整合性とKPIの側面の多くを自動化する強力なソフトウェアを持っています:
- 戦略的整合とビッグデータの焦点化。 ビジネス目標を提示するための戦略マップを作成し、マップ上の目標にKPIを整合させる。 まだ戦略マップを持っていない場合は、戦略マップウィザードを使用して開始してください。
Strategy Map Wizard – Balanced Scorecard in 6 Minutes
Answer simple questions – build a professional strategy map in 6 minutes.
Strategy formulation and description may be a time – consuming project even for an experienced strategist.これは、経験豊富な戦略家にとって時間のかかるプロジェクトです。 この戦略スコアカードウィザードは、全プロセスを迅速かつ直感的に行うことができます。
今すぐ始める! - チームにビッグデータ能力を確保する。 トレーニングスコアカード(この例から始めることができます)を使用して、チームがビッグデータを扱うために必要な能力を持っていることを確認します。
- ビッグデータでKPIをパワーアップする。 ビッグデータ構想のパフォーマンス指標を追跡する。RESTFul APIを使用して、リアルタイムのビッグデータレポートを指標に入力する。
まだユーザーでない場合は、オンラインで利用できるBSC Designerの無料プランから始めることができます。
次は何でしょう?- テンプレートにアクセスする。 BSC Designerの無料プランにサインアップすると、この記事で取り上げたBig Data Scorecardを含む28種類のスコアカードテンプレートにすぐにアクセスすることができます。 バランスト・スコアカードの無料ビデオ・チュートリアルをチェックする。 戦略実行トレーニングで、戦略立案と実行のスキルをマスターしてください。 バランスト・スコアカードのソフトウェアとは何か、そして、戦略実行、KPI、戦略マップを自動化することによって、どのようにあなたの生活を楽にすることができるかを学びましょう。
バランススコアカードのその他の例
- ^ なぜあなたが乗るすべてのフライトが執拗に監視されているのか。 2015, Dan Bobkoff, Business Insider
- ^ The Four V’s of Big Data, IBM Big Data & Analytics Hub
- ^ ビッグデータの話です。 企業の競争と経営のあり方を変える, 2014, Insights on governance, risk and compliance
- ^ 7 Amazing Companies That Really Get Big Data, Bernard Marr, 2015, Wiley
- ^ Strategic and Competitive Intelligence Professionals (SCIP)
- ^ How Companies Learn Your Secrets, Charles Duhigg, 2012, The New York Times Magazine
- ^ Big Data Executive Survey, 2017, NewVantage Partners
- ^ Google X: Leveraging data and algorithms for self-driving cars, 2017, Harvard Bussiness School
- ^ Cracking the Data Conundrum: How Successful Companies Make Big Data Operational, Capgemini Consulting, 2014
- ^ トレーニングスコアカード.com
- ^ Heedbook – ニューラルネットワークによる顧客サービス評価
- ^ SearchInform – CIS地域の情報セキュリティ企業
^ トレーニングスコアカード: 試験の点数からKPIの効果まで、アレクセイ・サフキン、2016年。 BSC Designer
Aleksey Savkin氏についてCEO | トレーナー | 作家
BSC Designerは、企業が戦略をよりよく策定し、KPIで戦略の実行プロセスをより具体化することを支援するバランストスコアカードソフトウエアです。
このような記事をメールで受け取りたい場合は、当社のニュースレターにご登録ください。
ビジネスプロフェッショナルのBSC DESIGNER活用法戦略に関する考えを戦略マップに落とし込む 先行指標と後続指標を追跡してパフォーマンスを算出戦略実行に社員を巻き込み、チームに責任を持たせる