メルマガ登録
ベストなDXへの入り口が見つかるメディア
-
テーマから探す
-
技術から探す
-
業界・事例から探す
-
関連トレンドから探す
ベストなDXへの入り口が見つかるメディア
テーマから探す
技術から探す
業界・事例から探す
関連トレンドから探す
こんにちは。データ活用によるDX推進を支援する「株式会社ブレインパッド」の高田です。当DX情報メディア「DOORS」の編集長を務めています。
デジタルテクノロジーの進歩が著しい現代では、データの爆発的な増加を背景に、各産業の巨大企業もベンチャー企業も「データ」を大きな経営資源と捉え、ビジネスに取り入れる試み「データ活用」を始めています。
「データドリブン経営」は変化が目まぐるしいビジネス環境において、経営者が迅速で正確なビジネス戦略の意思決定をする上で重要な経営手法となっています。
本記事ではそんなデータドリブン経営の概要と、導入における課題や必要なリソース、そして成功事例までを詳しく解説します。データドリブン経営の導入から実践までのイメージを掴んでいただけますと幸いです。
そもそもデータドリブン（Data Driven）とは「データの分析結果をもとに、課題解決のための施策立案やビジネスの意思決定などを行う業務プロセス」を指します。
【関連記事】データドリブンとは？データドリブンマーケティングを行う方法や支援ツールの紹介
つまり「データドリブン経営」とは「データに基づいた意思決定を中心とした経営戦略」です。勘や経験に頼ることなく、データという客観的な事実に基づいたアクションが行えるようになります。
【関連記事】「アナリティクスファーム」が支援する、BtoCビジネス企業のデータドリブン推進
不確実性が高く、時代の流れが早いVUCA時代の現代においては、データから得られる洞察を事業戦略や運営の指針に反映させることがより重要になってきました。
「製造業の企業」を例に挙げてデータドリブン経営を説明します。例えば、
などのデータを収集・分析しながら、無駄のない原材料の仕入れや人員の確保に動きます。結果的に売上の最大化・業務オペレーションの最適化につながるのです。
ここに「勘」や「経験」の介入余地はほとんどありません。あくまで客観的なデータに基づいた経営戦略になるのです。
「データドリブン経営」と近い言葉に「DX（デジタルトランスフォーメンション）」があります。
DXとは「デジタル技術を用いることで、生活やビジネスが変容していくこと（様）」です。つまりDXは「変容」という”状態”や”変化”を示しているのであり「手段」ではありません。一方でデータドリブン経営は、DXを実現する「手段」の一つです。
したがって、DXを実現するために重要な経営手法の一つとして「データドリブン経営」が語られるものと思ってください。
※DXについて詳しく理解を深めたい方は、以下の記事もあわせてご覧ください。
【関連記事】【図解】DX（デジタルトランスフォーメーション）とは？意味・定義や事例を解説
現代においてデータドリブン経営の必要性が高まってきています。その背景や理由は以下の通りです。
現代はWEBとSNSの広がりやオンラインショッピングの一般化により、顧客が触れる情報が増加したことによって、行動パターンやニーズが多様化・複雑化しています。つまり個々の消費者行動・ニーズによりチューニングされたサービスを提供することがビジネストレンドとなっているのです。
そのためには大量のデータを適切に分析・活用することが必要です。
そういった精度の高いマーケティング戦略や商品開発が可能な現在だからこそ、データ活用にキャッチアップしなければならないのです。
※以下の記事では、変化する消費者意識やそれに伴うマーケティングのあり方の変遷について詳しく解説していますので、興味があればこちらも読んでみてください。
【関連記事】人間中心への回帰。マーケティング5.0時代に求められる顧客経験価値とは
前述した「消費者行動やニーズの多様化・複雑化」に伴い、企業の業務も多様化・複雑化しています。パーソナライズした商品やサービスを提供するには業務コストが増えるので、データドリブンな業務最適化を通じて、時間や人件費といったコストを抑えなければなりません。
【関連記事】パーソナライズ、レコメンドの変遷～ECサイト勃興期から現在～
現代は市場の急速な変化によって、ビジネス環境やトレンドも短い時間でいかようにも変化します。昨日まで当然と思っていた常識が、明日には違うトレンドが到来している、というようなことも珍しくありません。
どんな変化も完全に予測することは非常に難しいですが、常にデータを精緻に分析しながらどんな変化にも対応できるよう、戦略を立案・実行し続けることが重要になります。
ビジネスの意思決定は不確実性を常に含んでいるものですが、結果だけを見て、その結果を生み出した実体（現実）を考慮しなければ「運任せ」になってしまいます。不確実な要素がある中でデータに基づく意思決定の重要性については以下の記事でも解説していますので、あわせてご覧ください。
【関連記事】【シリーズ】マーケティングの意思決定とデータ 第3回：マーケティングの意思決定とKPI
デジタル技術の進化により、大量のデータを蓄積・分析することが可能となりました。特に最近では、LLMを用いたChatGPTのような「生成AI（ジェネレーティブAI）」の技術が進化しています。自社で蓄積したオリジナルデータと生成AIなどの最新技術を組み合わせることで、新規のビジネスアイデアや事業拡大が可能となります。これらの進歩により、データドリブン経営やDX化の重要性がより一層増しています。
【関連記事】
「2025年の崖」をご存知でしょうか？これは経済産業省が2018年に「DXレポート ～ITシステム「2025年の崖」克服とDXの本格的な展開～」にて発表した言葉です。
仮に日本企業がこのままDXを推進できなかった場合、2025年以降、最大で「年間12兆円の経済的損失」が生まれると予想されており、これを「2025年の崖」と呼んでいます。
【関連記事】DXを実現できないと転落する「2025年の崖」とは？政府の恐れる巨額の経済損失
企業のDX化が急務に求められている今、その一端を担うデータドリブン経営は重要な要素であることがうかがえます。
またこれは、データ活用ができる環境が構築されればいい、というお話でもありません。
仮にデータ活用ができる環境を構築できたとしても
といった実態になっていれば、完全なDXとは言えないからです。あくまで正しいデータ活用の取り組みが求められています。
【関連記事】
データドリブン経営は企業にとって多くのメリットをもたらします。特に
が挙げられます。
データドリブン経営の最大の利点は、詳細なデータに基づいた仮説を立て、高精度な意思決定が可能になることです。変化が早い現代のビジネス環境では、むしろ意思決定の精度を客観的データに基づいて向上させることは必須と言えます。
データドリブン経営はマーケティング活動にも有効です。顧客データや営業データを用いた「パーソナライズされた情報や商品の提供」が可能になったり、蓄積された過去データからの「市場トレンドの予測」ができるようになるからです。
顧客関連情報と市場トレンド情報の二面を掛け合わせることで、マーケティング戦略を構築できるようになります。
【関連動画】【シリーズ】マーケティングDXの現在地 Vol.1 そもそも、マーケティングDXとは
データドリブン経営のメリットは、売上向上だけでなく、生産性の向上や業務効率化の実現にもあります。
例えば物流業界では、自動車運転業務の労働時間規制による「2024年問題」が話題として挙がっていますが、この領域では、データを活用することで最適な配送ルートの発見が可能になります。結果的に無駄のない人員配置・工数管理につながり、時間あたりの生産性向上につながります。
データドリブン経営は、社会問題の解決手段にもなりうるのです。
【関連記事】
ここまでは、データドリブン経営についての必要性や重要性を解説しました。ここからは、実際にデータドリブン経営による事業や業務の改善事例についてご紹介します。
他社様の事例を参考にすることで、自社にデータ活用を落とし込むイメージの解像度が上がるでしょう。
日本たばこ産業株式会社（以下、JT）様は、AIとデータの活用により、従来の「経験と勘」に依存したマーケティングから脱却し、データドリブンな施策の実現に成功しました。
これまでのダイレクトメール施策で活用されていたデータは「顧客の年齢層」や「現在利用している銘柄」といった一部のデータであり、顧客の「行動履歴」や主に使用している銘柄の「変遷」といった、さらに一歩踏み入れたデータは取り入れられていませんでした。
ゆえに推奨銘柄の選択は担当者の「経験と勘」に委ねられていたのです。
この属人化を解消するために「AIを用いたデータ分析」に取り組み、「6ヶ月後にどの会員がどの銘柄に移行するか」を予測するモデルを構築。結果的に、AIによる予測モデルが抽出した会員の自社銘柄への移行人数は、人間による配信対象設定よりも1.2倍多くなったのです。金額で試算すると「施策1回につき20%程度の費用対効果」という改善につながりました。
※当事例の詳細は、以下の記事からご覧いただけます。
【関連記事】JT（日本たばこ産業株式会社）×AI 開発ストーリー対談 AIが導く“顧客ロイヤルティ”の向上
ファッションや生活雑貨を主軸とした自社開発商品の通信販売を行う株式会社フェリシモ様は、CDP（カスタマー・データ・プラットフォーム）とRPA（ロボティック・プロセス・オートメーション）の導入により、これまで「人」の手で実施していたフローを効率化。従業員の業務負荷や作業時間の低減につながりました。
【関連記事】RPAを用いた「業務DX」を始める前に解決すべき問題7選
結果的に、属人的な業務時間が2019年3月からの1年間で計3,300時間、2020年3月からの1年間で計7,600時間の削減に成功。
CX（顧客体験）だけでなくEX（従業員体験）までも実現されたデータ活用事例となっています。
※当事例の詳細は、以下の記事からご覧いただけます。
【関連記事】フェリシモ「クラスター＆トライブ戦略」に学ぶ、マーケティングDXの取り組み方
ニフティ株式会社様は当時、インターネット接続サービスでは「属性データ（性別、年齢、お住まいなど）」を、WEBサービスでは「行動データ（ページ閲覧履歴、購入履歴など）」を収集されていました。しかし、二つのデータはそれぞれ個別管理されていたために、それぞれを掛け合わせたデータ活用が実施できていなかったのです。
そこでプライベートDMPを導入し、二つのデータを統合。属性データと行動データの掛け合わせにより、さらなるone to oneマーケティングの実行が可能になりました。結果的に、DMP導入前に比べて主要コンテンツのCTRやCVRの飛躍的向上につながったのです。
※当事例の詳細は、以下の記事からご覧いただけます。
【関連記事】お客様一人ひとりに最適なコンテンツを提供するという点において、「手軽さ」と「きめ細かさ」の両方を兼ね備えているのはRtoasterだけでした。
ソフトバンク株式会社様によってリリースされた、LP用ガス容器の配送最適化アプリケーションサービス「Routify」も、従業員の勘と経験への依存から脱却を図るDXです。
LPガス事業者が保有するデータ（検針データ、車両・配送員データなど）と、道路情報や天候などの外部データを活用し、AIがLPガス容器内の残量を予測。その予測に基づいた最適な配送計画・配送ルートが自動で策定されるので、実務経験がまだ十分ではない従業員でも効率的なルートで配送業務を推進できるようになります。
LPガス業界は「将来的な人手不足」が事業継続課題の一つとして捉えられていますが、そういった社会問題の課題解決にもつながりうるDX事例だと言えるでしょう。
※当事例の詳細は、以下の記事からご覧いただけます。
GMOリサーチ株式会社様が運営されているアンケートサイト「infoQ」では当時、アクティブ会員数を重要指標として捉えていました。そこで分かったのは、アクティブ会員数が「新規登録してから1ヶ月後のサービス継続率」によって大きく変動することでした。
そこでMA（マーケティングオートメーション）ツールの導入を決断。
【関連記事】【前編】DX実現ツールとしてのMA❝らしい❞使い方
導入後、施策の一つとして、会員の登録経路別にパーソナライズされたコンテンツをステップメール形式で配信。
結果的に、新規登録会員の1ヶ月後のアクティブ会員率が1.4倍に増加。2ヶ月後もアクティブ会員率が維持され、データに基づいた戦略によって課題解決につながりました。
※当事例の詳細は、以下の記事からご覧いただけます。
【関連記事】ブレインパッドのMAツール「Probance」をGMOリサーチが運営するアンケートサイト「infoQ」が導入 － パーソナライズした「ユーザーの声」の配信でアクティブ会員率が1.4倍に増加 －
上記でご紹介した事例以外にも、データ活用を通じたDX事例は多数ございます。以下の記事では7つの業界（製造・小売・金融・IT・交通・建設）における26のDX成功事例を掲載しているので、あわせてご覧ください。
【関連記事】
DX事例26選：6つの業界別に紹介～有名企業はどんなDXをやっている？～【2023年最新版】
データドリブン経営をいざ推進しようとしても、何から始めればいいのか、必要なリソースは何か、どんな課題に焦点を当てればいいのか、など考慮すべき点は複数あり、推進に対する難しさを感じる方は多いです。
そこでここでは、データドリブン経営を導入する際の大まかな流れを紹介しますので、プロジェクト推進の参考にしていただければ幸いです。
基本的なフローは以下のとおりです。
データドリブン経営を導入する際に最初に行うのは、経営課題の範囲と優先順位を定義することです。全体のデータを同時に処理するのは非現実的なので、企業成長に対する影響度を考慮し、最も重要な経営課題を特定します。それに基づいて、収集すべきデータを逆算して決定します。
例えばECにおけるマーケティングが重要課題である場合、その課題解決に必要なデータを洗い出します。顧客データや営業データ、商品データなど。
顧客データであれば「購入単価」「商品の閲覧履歴」「リピート率」などが挙げられます。
定義した経営課題の範囲と優先順位に基づいて、データ収集を開始します。
ここで重要なのが「データの一元管理」です。というのも、データが無秩序に散乱している状態では、データ分析やデータ活用が実施できないからです。
部署によって個別にデータ管理されているがゆえにせっかくのデータを有効活用できない、という失敗事例はよくあるため、注意しましょう。
得られたデータの分析を行い、そこから仮説と課題を洗い出します。
先ほどのECにおけるマーケティングを例にして言えば、例えば「購入単価は落ちていないが購入頻度が落ちている」という分析結果が出た場合、「購入喚起される機会が少ないために、購入頻度が減少している」という仮説が立てられるでしょう。
最後に、データ分析およびそこから立てられた仮説から「アクションプランの設計と実行・検証」を行います。
洗い出した仮説に対し、検証を行うべくアクションを実行します。
先ほどのECにおけるマーケティングを例にすると、「購入喚起の機会創出」が一つの手段として挙げられます。メルマガを通した新着商品のレビュー紹介や、期間限定クーポンの配布など、購入を促しうるさまざまな施策を洗い出せるでしょう。
実施する際は、実施した結果を検証するための環境整備も忘れないよう注意が必要です。例えばメルマガを送るのであれば、メルマガの開封率やサイトへの遷移数、そこから施策前後での購入頻度の増減など。
仮説に基づいたアクションが、仮説通りに改善がされているかどうかをチェックすることが重要です。
データドリブン経営をするにあたり、基本的に必要とされるリソース（環境やツール、人材など）について紹介します。紹介するリソースすべてが絶対に必要というわけではありませんので、一例として参考にしてみてください。
データドリブン経営にシフトするには、データ収集・整備のためのプラットフォームが欠かせません。プラットフォームとは、膨大なデータを管理・集約するためのツールです。
例えば
など。
プラットフォームの導入や設計においては「誰が、何の目的で、どのようなデータを見て、何を検証するのか」を考慮した上で行い、開発・実装に移りましょう。プラットフォームの実装を企業様へ外注する際も同様です。
データ分析をするためのツールも必要になります。分析をすべて人の手で実行すると莫大な工数がかかるため、スピード感を持った意思決定をするためにも、分析ツールの導入は必須と言えます。
分析ツールの例のひとつである「BI（Business Intelligence）ツール」は、企業内に存在するさまざまなデータから必要な情報を抽出し、集計・分析やレポーティングができます。
データドリブン経営を行う上では、社内体制の強化やそれを受け入れる文化の構築が必要となります。
多くの個人情報を取り扱うデータドリブン経営では、データ管理のルール策定やルール遵守を監視する組織づくり、ガイドラインの作成と社内周知といった「データガバナンス」の体制を整えることが必要不可欠です。
【関連記事】データガバナンスとは？データ管理体制の重要性
またデータドリブン経営プロジェクトを推進する人材や、データ分析に専門性を持つ人材（データサイエンティストやデータエンジニア）といった「DX人材」の整備も必要です。データドリブン経営へのシフトは中長期的な経営戦略ですから、DX人材は社内の人材で確保しなければならないケースが多々あります。
【関連記事】
そうすると、DX人材を育成するためのリスキリングも視野に入れなくてはなりません。リスキリングとは「新しい職業に就くために、あるいは、今の職業で必要とされるスキルの大幅な変化に適応して、必要なスキルを獲得する／させること」を指します。
【参考文献】リスキリングをめぐる 内外の状況について
【関連記事】リスキリング（学び直し）とは？意味・事例や導入メリットを解説
開発部門、調達部門、マーケ部門、営業部門など全ての人材に横断的にデータドリブン経営への理解を深め、データドリブンの文化醸成を図る動きが求められるでしょう。
【関連記事】DXの「内製化」とは？ビジネス価値の創造をもたらす真の内製化
データドリブン経営にはツールの使用は必要不可欠です。そこでデータドリブン経営の際によく用いられるツールの例を紹介します。
| ツールカテゴリー | 役割 | ツール例 |
| データ蓄積/管理 | データの安全な保存、管理 | AWS S3, Google Cloud Storage, Microsoft Azure Storage |
| データベース管理 | データの構造化、検索、管理 | MySQL, PostgreSQL, MongoDB |
| データ分析 | データの処理、分析、取得 | Apache Hadoop, Apache Spark, Google BigQuery |
| データ加工 | データの解析、視覚化 | Tableau, Power BI, Google Data Studio |
| マーケティング | WEBやアプリのユーザー行動の収集/分析 | Google Analytics, Mixpanel |
| マーケティング（MA） | マーケティング活動の自動化、最適化 | HubSpot, Marketo, Salesforce Pardot |
| マーケティング（CRM） | 顧客関係管理、売上管理 | Salesforce CRM, Zoho CRM, Microsoft Dynamics 365 |
| 機械学習・AI | 予測分析、パターン認識 | TensorFlow, PyTorch, Microsoft Azure Machine Learning |
データドリブン経営は、業績向上やビジネスの効率化に大いに寄与する一方で、導入の難しさやデメリットもいくつか存在します。
データを適切に扱い、分析し、そしてそれをビジネスに活かすためには、データサイエンティストやデータアナリストなどの専門的なスキルを持つ人材が必要となります。
分析に専門性を持つ人材は現在も需要が高く、人材確保が難しい状況が続いています。また、既存の社員に対するデータ分析スキルの教育・育成にも大きな時間とコストを要します。外部リソースにせよ内製化にせよ、人材確保・育成のハードルは大きいことを意味します。
データの利用が増えれば増えるほど、そのセキュリティやプライバシー保護の問題も増大します。データ漏洩や不適切なデータ取り扱いは、企業の信頼を損なうだけでなく、法的な問題にも発展します。
したがってデータ管理体制の強化やプライバシーポリシーの策定など、データセキュリティ対策の徹底が求められます。
データドリブン経営を成功させるには、組織全体でデータに基づいた意思決定を行う「文化」の醸成が重要です。
【関連記事】
これは一朝一夕にはできることではなく、全従業員がデータの価値を理解し、それを活用することを自然な行動とするための長期的な努力が必要となります。
文化醸成において重要なのはデータドリブンの成功体験の積み重ねです。クイックウィンを意識し価値の理解を促進しましょう。
データ分析ツールの導入やデータ保管のためのインフラ設備、さらには人材育成や採用に関連する費用など、データドリブン経営を実現するためには大きな投資が必要です。
初期投資は大きいものの、長期的に見ればその投資が効果を発揮すると期待されますが、そのROI（投資対効果）を明確に見積もることは困難な場合もあります。
市場の不確実性や消費者ニーズの複雑化が加速している現代社会において、「データ分析に基づいた意思決定」は、ビジネスに「役立つ」というよりもはや「必須になりつつある」と言えます。
一方で、データドリブン経営の導入や推進は決して簡単ではなく、あらゆるリソースの確保や組織体制の構築・文化醸成も求められます。外部パートナーに頼めばすぐに実現できるものでもなく、中長期的な取り組みとなります。
最終的に達成したい理想の姿（ゴール）を定め、マイルストーンを置き、まずは最初のスモールゴールを達成することから始めてみてはいかがでしょうか。
本記事が、データドリブン経営の推進の第一歩となるきっかけ・後押しになっていただけたら幸いです。
【関連】
