全3808文字
PR

データ分析で成果を上げるには、仮説・分析・評価の繰り返しが必要だ。分析には「課題解決型」と「AI・機械学習を使ったサービス開発型」の2種類がある。どちらの分析でも、うまく進めるには「KPIツリー」の活用が重要である。

 「データを分析すれば、何か意味のあることが見つかるだろう」「たくさんデータは蓄積されているし、AIを導入すれば何かビジネスにつながるだろう」――。

 AI・機械学習がブームになった直後には、こんな会話がさまざまなところから聞こえてきました。筆者の顧客企業からも「AIで何かやりたいんだよね」といった相談がありました。

 実際は、「データがあるからAIをやろう」「データがあるから分析しよう」だけでは、なかなか成果は上がりません。こうした風潮は少しずつ収まりつつありますが、なぜこのような事態が起きたのでしょうか。

 筆者は、「データ分析」という言葉の定義が曖昧なまま使われていることが一因ではないかと考えています。本来、「分析」とは何かを知るために行うものです。では、ビジネス現場では「何かを知る」だけで利益に貢献できるでしょうか。

 残念ながら、データ分析結果をリポートとして販売するビジネス以外では、「知ること」だけで利益を生み出すことは多くありません。それを生かしてアクションにつなげ、利益に貢献する必要があります。

 しかし、データ分析さえすれば利益が生まれるといった誤解が広まりました。時を同じくして、AIや機械学習が脚光を浴びました。その結果、データ分析が「AI・機械学習を活用すること」という文脈で使われるようにもなり、その意味合いが不明確なまま過度な期待がかけられるようになりました。ここでは、データ分析の意味を改めて確認しましょう。「課題解決型」「AI・機械学習を使ったサービス開発型」の順に見ていきます。