DXで重要なデータの活用方法とポイントを解説！データを活用する職種やデータ一覧も紹介

DXを推進する上で、大切とされているデータ活用。しかし、なぜデータ活用が必要なのか、どのように活用すればよいのか、あまりピンと来ていない人も多いのではないでしょうか。そこでこの記事では、DXにおけるデータ活用の方法やポイントなどを解説します。今まさに企業でDX推進を検討している方は、ぜひ参考にしてみてください。

DXでデータ活用が重要な理由

「DX」とは、「Digital Transformation（デジタルトランスフォーメーション）」の略語です。その定義にはさまざまな解釈がありますが、経済産業省の「DX 推進ガイドライン」においては、「企業がビジネス環境の激しい変化に対応し、データとデジタル技術を活用して、顧客や社会のニーズを基に、製品やサービス、ビジネスモデルを変革するとともに、業務そのものや、組織、プロセス、企業文化・風土を変革し、競争上の優位性を確立すること」と定義されています。

つまり「DX」とは、デジタル技術の浸透によって、顧客や社会のニーズに応えるようにビジネスモデルを変革していくことと言えるでしょう。上記の「DX 推進ガイドライン」にも記述されているように、DXとはデータとデジタル技術を活用して行うもので、データ分析から必要な変革点を考えることが重要になるのです。では、データ活用を行うと、どのようなメリットが得られるのでしょうか。具体的にみていきましょう。

出典：『デジタルトランスフォーメーションを推進するためのガイドライン』経済産業省　2018年12月

サービス品質の向上と競合優位性の担保

データを活用して得られるメリットはいくつかありますが、一番はデータ活用によるサービス自体の進化や品質の向上です。それにより顧客からの満足度、ひいては売上も上がるばかりか、圧倒的なデータの蓄積は他社に差をつけ同時に参入障壁にもなりえます。

わかりやすい例では、Netflixがビッグデータ活用により最適なレコメンドの実施や、自社制作のヒットコンテンツを複数生み出していることがあげられます。

Netflixは「いつ一時停止、早送り、巻き戻しをしたか」「視聴日時」「見ている場所やデバイス」「サイト内での検索結果やスクローリング状況」などのビッグデータを分析し、どのユーザーに、いつ、どのコンテンツをレコメンドすれば視聴してもらえるかを最適化することでユーザー体験を向上しています。

さらには蓄積したビッグデータからユーザーに好まれる番組を設計し、自社でオリジナル番組・オリジナル映画を製作し数多くのヒット作品を生んでいます。従来のテレビ番組の成功率は30~40%と言われていますがNetflixのオリジナル番組の成功率は80%となっています。

ビッグデータを活用してサービスの品質を向上させ、圧倒的競合優位性を確立した良い事例と言えるでしょう。

参考：『Learning a Personalized Homepage』 Netflix TechBlog

参考：『Using Machine Learning to Improve Streaming Quality at Netflix』 Netflix TechBlog

現状把握ができる

データ活用の過程では、収支データや顧客データ、社員データなどのあらゆるデータを収集し、分析、可視化していきます。例えば、「最近業績が悪い」「新商品の評判が悪そう」といった主観的な印象も、数値やグラフなどでデータ化すれば、現状を明確に掴めるようになります。

企業でDXを進める際も、ただ何となく「DXを推進しよう」「デジタル化しよう」というスタンスでは、上手くいきません。そうならないためにも、まず企業や組織の現在地を把握することが大切です。その上で、「DXを促進することで何を成し遂げたいのか」などの目的を明確にする必要があります。

今まで知り得なかった課題やビジネスチャンスに気づける

現状把握ができるようになると、次は課題や改善方法について検討が進みます。複数のデータを掛け合わせ様々な面から仮説を立てていくことで、今までは考えも及ばなかったような打ち手が浮かび上がるようになります。データを活用すれば会社の現状を把握できるだけでなく、今まで知り得なかった課題や見落としていた問題点、さらには新たなビジズネスチャンスに気づくこともできます。

例えば、「営業力を上げたい」という課題はそもそも営業力というものが何かわからないため打ち手が取りにくくなります。そこで商談データを分析し、

• 商談時間がどれくらいだったか
• 決裁権を持った上役に会えていたか
• 実際の提案の際の商品の組み合わせはどのようなものが多いか
• 実際の値引き率はどうだったか
• どのようなきっかけの商談が受注に結び付いているか

などを丹念に見ていくことで具体的な打ち手が見えてきます。

これにより「営業力を上げろ！」という漠然とした掛け声ではなく、「WEBサイトからのお問い合わせがあったら先方部長の同席のもと〇〇セットを提案する」という具体的な施策に落とし込むことができます。具体的施策は実施したかどうかが明確にトラッキングでき、更なるデータとして蓄積されることになります。

DXにデータを活用する6つのステップ

では、DXを進める上でデータを活用するためには、どのような手順を踏めばよいのでしょうか。ここからは6つのステップに分けて、データを活用するプロセスについてご紹介していきます。

①現状・課題の設定

まず行うべきことは、企業の現状把握と課題の設定です。データ活用とは、あくまで経営上の問題を解決するための一つの手段であり、データ活用の目的に応じてデータの種類や規模、活用方法なども変わってきます。そのためデータ活用を進めるにあたって、まずは目的の明確化を行うことが求められるのです。

②データ活用前の環境・制度整備

他社から取得するデータの中には、営業秘密や限定提供データなどが含まれている場合も少なくありません。こうしたデータの多くは企業にとって高い価値を持っている反面、適切に取得・保有しなければ、法的な責任を問われる可能性が生じます。さらに、データの漏えい・流出などがあれば企業の信用問題にも関わるため、データ取得時のパーミッションはあらかじめ確認しておきましょう。

出典：『データ利活用のポイント集（データの取得に関連して法的な問題が生じることについての懸念）』経済産業省 2020年

③データの取得と保有

次はいよいよ、データの取得を行います。取得方法は、toCサイトで取得できる顧客の行動ログや、自社の顧客の会員情報からとれる顧客情報、データを取得している他社から購入する方法などさまざまです。近年はIoTなどの普及によってリアルタイムにデータを取得できるようになってきています。

取得したデータはパブリッククラウドを利用して保有したり、 自社サーバに保有する方法があります。自社サーバに保有する場合は複数のクラウドやサーバに分散させたり、プロジェクトメンバー以外がアクセスできないように制限をかけたりセキュリティ面にも気を付けつつ管理しましょう。

データを取得したら、次はデータ管理が必要になります。収集したデータは、「データレイク」「データウェアハウス」「データマート」の3種類のデータ基盤で管理しておくのがおすすめです。

・データレイク

ローデータを保存する役割です。収集した全てのデータを格納します。

・データウェアハウス

データを時系列・目的ごとに整理し分析しやすい綺麗な状態で格納します。

・データマート

データウェアハウスのデータを利用者のために加工・整理したものです。BIツールなどを使うことが多いです。

また、複数の部署がそれぞれにデータを収集・管理している場合は、管理体系がちゃんと統一されているか、情報連携がとれているかを確認しましょう。ここが疎かになるとデータの品質劣化につながってしまうため、不明瞭な状況はきちんと改善しておくとベストです。

④データ活用の目的・仮説を設計

データを活用することでどのような状態を目指すか、分析の前に解決すべき課題や目的を整理する必要があります。例えば、「データを整理したい」「データを使いこなしたい」といった抽象的な目的ではなく、「顧客をより深く理解して、よりよい購買体験を叶えたい」「従業員を大量の手作業から解放することで、低価格での商品提供を実現したい」といった、具体的な目的を定めましょう。

⑤データ活用・分析

データ分析とひと口にいっても、そのやり方はさまざまです。例えば、表計算ソフトでおなじみのExcelには、「分析ツール」という便利な機能があることをご存じでしょうか。分析ツールとは、Excelのアドインの一種で、クリックや簡単なパラメータの入力を行うだけで、統計学的なデータ分析を可能にしてくれるツールです。また、「Google スプレッドシート」でも同様のデータ分析を行うことができ、両者とも少ない時間で少量のデータを分析したいときにおすすめです。

一方、ビッグデータの分析はExcelやGoogleスプレッドシートでは難しいでしょう。

ビッグデータとは、文字通り膨大かつ複雑なデータ群のことを指し、平成29年版の情報通信白書では

デジタル化の更なる進展やネットワークの高度化、またスマートフォンやセンサー等IoT関連機器の小型化・低コスト化によるIoTの進展により、スマートフォン等を通じた位置情報や行動履歴、インターネットやテレビでの視聴・消費行動等に関する情報、また小型化したセンサー等から得られる膨大なデータ

と定義されています。

そんなビッグデータを解析すれば新しい知見を見出すことも可能になりますが、先述した通りそのデータ量は膨大かつ複雑です。ビッグデータの分析にはデータベースの設計やBIツールの活用が必要となります。BIツールとは、企業が蓄積したビッグデータから必要な情報を抽出し、ひと目で分かるように分析するツールのことをいいます。そのほかにも、データサイエンティストなどの専門家に力を借りるのも一つでしょう。

出典：『ビッグデータの定義及び範囲』経済産業省 2017年

⑥データを用いた施策実施・意思決定

ここまでの手順を踏んだら、データを用いた施策実施と意思決定に踏み切りましょう。中でも意思決定においては、データが明確な根拠になるので大きな判断材料になります。ひいては迅速な意思決定を促し、企業の成長を大きく加速させるのです。

データを活用する際の課題

データを活用する際には、以下の課題に気をつけるようにしましょう。

データの信憑性

信憑性に欠けるデータを使用してしまうと、当然ながら誤った分析結果につながってしまいます。その分析結果をもとに新しいことに挑戦してしまえば失敗のリスクが高まるほか、必要のないコストや手間を増大させてしまう可能性も生じます。より正確なデータを抽出するためにも、ある程度母数の大きいデータを使用することが大切です。

個人情報の取り扱い

データを活用する際には、秘匿情報や個人情報などの取り扱いにも注意が必要です。例えば、顧客データの中には名前や住所、生年月日などの個人情報が含まれているため、もしそれらが流出するようなことになれば、企業の信用問題に発展してしまいます。重要書類や機密事項にはアクセス権限を付与するなど、セキュリティ体制の構築を心がけましょう。

データ形式や入力方式の統一

使用するデータに統一性を持たせることも重要です。というのも、部署ごとにデータのフォーマットが揃っていなかったり、個人単位で入力形式が異なっていたりすると、いざデータをまとめるときに扱いにくいうえ、データの品質劣化につながるからです。データ形式や入力形式に関しては、あらかじめ仕組みやシステムで統一しておくとよいでしょう。

競争優位を確立した企業にDX成功の秘訣を学ぼう！

DXを実施するにあたっては、単に既存業務の効率化をおこなうだけでなく、どのように競合優位性を確立するかという経営観点にもとづいた推進が必要です。
先行してDX推進を成功させた企業は何を取り組んだのか？

年間300件以上のDX推進プロジェクトを支援した実績から、事例やノウハウをまとめた資料をご用意しました。
推進成功企業を7つの経営資源（7S)で大解剖していますので、ぜひ無料のお役立ち資料からご確認ください。

＼こんな方におすすめの資料です／

• 単なるAI導入やツール導入ではなく、ビジネスモデルを変革したい
• 経営の観点でDXを推進したい

【資料ダウンロード】競争優位を確立 DX成功のチェックリスト

データ分析に役立つツール

ここからは、データ分析に役立つ具体的なツールをご紹介していきます。

BIツール

「BIツール」とは「Business Intelligence（ビジネス インテリジェンス）」の略で、先述した通り、蓄積したビッグデータから必要な情報を抽出し、ひと目で分かるように分析するツールのことです。データをもとにした意思決定が可能になるため、BIツールは経営判断やマーケティングなどに活用することができます。

RPAツール

「RPAツール」は「Robotic Process Automation（ロボティック プロセス オートメーション）」の略で、人の手で行っていた作業をロボットに代行させて自動化するツールです。誰が行ってもよいような定型業務の効率化に適しています。Excelなどで簡易的な分析をすれば十分という場合でも、毎日、毎週やるとなるとその工数は無視できなくなります。そのような場合はRPAツールを使用して定型業務を自動化すると良いでしょう。

CRMツール

「CRMツール」とは「Customer Relationship Management（カスタマー リレーションシップ マネジメント）」の略で、顧客管理ツール、顧客管理システムともいわれています。顧客とのやり取りなども蓄積できるため、企業と顧客との信頼関係構築につながります。後述するMAツールやSFAツールと機能として一部重複します。

MAツール

「MAツール」は「Marketing Automation（マーケティング オートメーション）」の略で、その名の通りマーケティングを自動化するツールです。メールやLINE、アプリ通知などのチャネルを駆使し、顧客に最適なされたアプローチを自動で行うことができるため、見込み客を増やす施策を打ちやすくなります。

SFAツール

「SFAツール」は「Sales Force Automation（セールス フォース オートメーション）」の略で、デジタルを使って営業活動を支援するツールです。商談の内容や営業の進捗状況を管理し、属人化しがちな営業プロセスを見える化することが可能になります。

DXで使えるデータ一覧

DXを進める上でどのようなデータが役に立つのか、活用事例にも触れつつ、下記の表にまとめてみました。

データを扱う業務・職種

DXを進める上でのデータ活用の重要性や具体的な手法についてご紹介してきましたが、そもそも企業の中で誰がデータの活用を担っているのでしょうか。ここからは、データを扱う業務・職種について触れていきましょう。

データサイエンティスト

まず、「データサイエンス」とは、統計学や数学などのさまざまな理論を用いて、有益なデータを見出す学問です。「データサイエンティスト」とは、そんなデータサイエンスの知見を有したデータ分析、活用のプロフェッショナルのことを指します。

AIエンジニア

AIとは、いわゆる人工知能のことです。AIに携わる技術者を総称して「AIエンジニア」と呼びます。AIエンジニアが活躍する分野は大きく二つにわかれており、一つはAIの開発や実装などを行う「プログラミング分野」。そしてもう一つが、AIが集めたデータを分析し、新たなビジネスの創出や改善などを図る「アナリティクス分野」です。

プロダクトマネージャー

「プロダクトマネージャー」は、プロダクトに対する責任を持ち、プロダクトチームを率いて、プロダクトの戦略ビジョンの策定、開発、UX、マーケティングの全てに関わり、ステークホルダーを巻き込みながら顧客満足度を上げて利益の最大化を狙う職種です。

マーケター

「マーケター」とは、マーケティング業務を担う職種のことです。市場のニーズやターゲット層の嗜好を分析することで、商品やサービスが売れるための仕組みを構築していきます。ユニバーサルスタジオジャパンをV字回復させた株式会社刀の森岡毅さんは統計学的アプローチでデータを分析し成果に導いたことで有名です。

「文系社員」をDX人材に導く、リスキリングの取り組みとは？

企業がデジタルトランスフォーメーション（DX）に取り組む中で、直面する課題の1つに「DX⼈材の不足」があります。
採用だけでなく、既存社員の育成、リスキリングに取り組む企業も少なくありません。

その中で、文系社員に対し、デジタルスキルやリテラシーをリスキリングしてもらうには、どのような取り組みをすべきなのでしょうか。
本資料では、DX推進に必要な⼈材の定義、具体的な育成プラン、リスキリングについて株式会社PeopleX 代表取締役CEO橘氏との議論の内容を紹介します。

＼こんな方におすすめの資料です／

• DX人材育成の進め方のポイントを知りたい
• ビジネスアーキテクトの概要を知りたい
• 「文系社員」のリスキリングを検討している

【資料ダウンロード】DX人材・ビジネスアーキテクトの育成術「文系社員」のリスキリングを考える

データ活用によりDXを推進した事例

データを活用してDXを推進した事例について2つご紹介します。

サキミル（ソフトバンク・日本気象協会）

ソフトバンクと日本気象協会は小売り・飲食業向けに需要予測サービス「サキミル」を共同で開発しました。

実施内容・成果

両社が保有する人の動きと気象のビッグデータを共同開発のAIアルゴリズムで解析することで店舗ごとの来店者を予測できます。「サキミル」は主に3種類のデータを使います。

1つはソフトバンクの人流統計データです。ソフトバンクの数千万代の端末の位置情報データを基に店舗周辺エリアの人流把握が可能になります。2つ目は日本気象協会が保有する気温や日射量、風速、降水、降雪、湿度、天気などの気象データです。3つ目は導入企業が保有する店舗ごとの売上や来店客数などです。これらのデータを基にAIアルゴリズムで解析していくことで最適な商品の発注や勤務シフトの作成ができます。

参考にしたいポイント・アクション

• 日本気象協会は気象ビッグデータの価値を社会に還元したいと考えていて、需要予測事業を立ち上げましたが、多額の提供コストがかかるため、大手企業に利用が偏っていました。そこでソフトバンクと「サキミル」を共同開発することで多くの企業に提供が可能になりました。

参考：『Web3時代のAI戦略』日経BPマーケティング　著 大植択真

空き家判定・可視化（群馬県前橋市）

群馬県前橋市は行政の持つビッグデータを活用しAIによる空き家の判定に取り組んでいます。

実施内容・成果

行政の各部局が持つデータを統合し8割の確率で迅速に空き家かどうかを判定します。前橋市は2019年から帝国データバンク、東京大学、三菱総合研究所と共同のプロジェクトとして、AIを活用した空き家の判定に取り組んできました。

活用した主なデータとしては住民基本台帳、水道使用量、固定資産税台帳、過去の空き家調査のPDFデータなどを活用し、教師データとして実際に空き家だった情報も紐づけてAIに学習させました。水道の利用が無ければ高い確率で空き家ですが、集合住宅など確認できないケースにおいては固定資産税の納税状況、他の自治体への移転などのデータを加味して空き家かどうかを判定します。

参考にしたいポイント・アクション

• 開発して終わりではなく、アルゴリズムに改善を重ね精度の向上を図っており、ゆくゆくは都市計画や防犯などにも活用する見込みです。
• 他の自治体にも無償で提供し横展開することも検討しています。

参考：『Web3時代のAI戦略』日経BPマーケティング　著 大植択真

まとめ

ここまで、DXを進める上でデータ活用が重要な理由、その活用方法や注意点などに触れてきましたが、実際にやってみると、想定していた以上にさまざまな悩みが生じることでしょう。

DXにおいてデータ活用を検討されている皆様におかれましてはデータを活用する環境の整備、人材の育成/採用、セキュリティや法務関連の確認なども進めていくと良いでしょう。