ビッグデータ導入時のヒント（最初の一歩をどう踏み出すか）

 

 

はじめに

本日は、ビッグデータを初めて導入する際のヒントをご提示したいと思います。

Amazon Web Serviceなどのパブリッククラウドでデータレイクを構築することが一般的になりました。

こちらを利用して、今までストックしてきた自社データを活用しようとする動きも日に日に高まってきております。また、Tableau（タブロー）などのBIツールの普及もその一翼を担っていると思います。

本記事では、ビッグデータをこれから活用するにあたり、”心地よく”始動するためのヒントをご提示したいと思います。

 

ビッグデータの取り組みでよくある誤解

いろいろなデータをただ闇雲に集めることは、単なるゴミ集めに過ぎません。これは、ビッグデータではありません。それにも関わらず、この単なるゴミを大量に集めてしまった結果、現在、四苦八苦されている企業様は少なくありません。一度集めてしまったゴミは、もうどうにもなりません。思い切って破棄する勇気を持った方が賢明といえる場合もあります。それと比較すると、これからビッグデータを始める企業（今まで何もしてこなかった企業）の方がはるかに優位な状況といえます。

これからビッグデータに取り組みたい企業様には、ぜひ、

こちらの記事

を一読いただくと良いと思います。

ビッグデータのなんたるかは最後にまとめますのでしばらくお付き合いください。

 

 

ビジネスインパクトが出そうな箇所から”小さく”、”コツコツ”と進めていく

いきなり、いろいろなデータを収集しビッグデータ基盤を構築する必要はまったくありません。

むしろ、使用用途がはっきりしないようなデータは収集してはいけません。

一つの大きなバケツに何でもかんでも放り込むことはビッグ生ゴミデータを作っているだけです。

 

まず、ヒトモノカネの経営資源（ERP）で考えてみてはどうか

経営においては、「利益を最大化」することがもっとも重要な要素です。

利益 = 売上 – コスト

この「利益を最大化」するには、①売上をあげる　②コストを下げる　の大きく２つの選択肢があります。

※ 企業の永続的成長という視点では、「利益」のそのさらに先が大事ですが、ここではその命題は割愛します。

 

 

|ヒト

まず、利益を最適化する観点で、適正な「人員配置」があります。

特に店舗を抱えている企業においては、下記の視点でデータを活用すると良さそうです。

 

一例）売上規模と店員人数を可視化した散布図

前提）Aで始まるのが店舗名です。○の大きさは売り場面積を表しております。各店舗では基本的には同じ商品構成です。

◆売上高と延店員数

まず、ほぼ同じ売上高にも関わらず、A268店とA313店では延店員数に大きな差異があります。

これはどういうことでしょうか？

◆売り場面積

次に、両店の売り場面積をざっと確認した時にA268店の方が小さいといえます。

◆インサイト

ここからいえることは、A268店は店員数が多すぎるのではないか、ということです。

理論値からいえば、A313店まで減少させることは可能なはずです。

（もちろんA313店の店員一人当たりの労働時間も確認してみる必要があります）

他方、A397店とA313店は同じ店員数ながら売上は2.5倍近くあります。

むしろ、A397店は店員が少なすぎるのではないか、ということもいえそうです。

◆対応策

A268店の店員の一部を、A397店へ異動させることを検討するために、さらに分析を進めて結論を出すと良いです。

A397店の売上の伸び代があれば、さらに売上強化できる可能性があります。

◆このデータ可視化に最低限必要なデータ

・売上関連　店舗別の売上データ

・店舗情報　延店員数、売り場面積

・人事労務関連　店員別の総労働時間、一人当たりの労働時間数

 

 

|モノ

モノとは、直接的には”製品”ですが、”サービス”なども含まれます。

そして、製品やサービスを産む”過程”や”機材”もモノとして考えると良いでしょう。

代表的なモノは、在庫です。そして、利益に直結するのが”在庫管理” です。

 

利益を最大化するための在庫の考え方

① 機会損失、廃棄ロス、棚卸ロス

在庫回転期間

在庫回転率

交差比率

② 調達在庫（生地・部品・原材料） + 仕掛り在庫 + 製品在庫 + 店舗在庫

サプライチェーンマネジメント

 

代表的な管理のための分析手法

詳細は割愛いたしますが、代表的な在庫管理のための分析手法は下記があります。

① ABC商品分析

② 在庫波動分析

③ 在庫滞留・廃棄分析

④ 現品管理と受払管理

⑤ 発注管理

⑥ サプライチェーン

⑦ 需要予測、販売計画プロセス、需給調整

 

一例）ABC商品分析

◆インサイト

まずは、重要商品とそこまでではない商品とに分けます。

分けた結果が上記のABCパレート図です。自社の売上の８割を稼いだ商品がA商品です。このA商品の在庫管理を重視します。

◆対応策

A層（青）、B層（オレンジ）、C層（赤）に分けて、A層を統計あるいはAIを利用しながら重点管理すると良いです。逆にC層は、なるべく手間をかけずに、アラート機能など機会損失を防ぐ機能を使いながら都度補充すると良いです。

◆このデータ可視化に最低限必要なデータ

・製品別の売上データ

 

 

一例）在庫波動分析

棒グラフ（灰色）が在庫数量。内側の棒グラフ（青）が売上数量（出庫数量）

◆インサイト

在庫月数が上がっている部分に着目します。

在庫月数は、年間の売上数量と比較して、どれくらいの月数で在庫が捌けるのかを表します。

◆対応策

ざっくりと、在庫月数が高い月は、在庫数を減らす方向で調整できれば最初の取り組みとしては良いと思います。

※金額でみるか、数量でみるかもしくは両方でみるかはビジネススキームで決定すれば良いです。

◆このデータ可視化に最低限必要なデータ

・月別（もしくは日別）の売上数量（出庫数量）、在庫数量

 

 

一例）交差比率

交差比率とは、在庫回転率に対して利益率を掛け合わた指標です。

交差比率  = 在庫回転率 x 利益率

◆インサイト

通常、在庫回転率が高く、利益率が高いモノを多く販売することが効率的といえます。

その製品は、製品Hです。

◆対応策

この場合、製品Hを重点対策すると良い、ということになります。

◆このデータ可視化に最低限必要なデータ

・製品別の在庫数量、売上数量（出庫数量）、利益率

 

 

在庫以外のモノ

在庫以外のモノとして、サービス、販売方法や買い合わせなどがあります。

同時併売商品や、２つの商品のピアソン相関係数を求めることで、売上や利益を最大化する考え方です。

一例）バスケット分析

◆インサイト

ここでは、一回の注文において、同時購入された商品を知ることができます。

◆対応策

レコメンド、クロスセル（EC, コールセンター）やCRM戦略に活用可能です。

◆このデータ可視化に最低限必要なデータ

・オーダー別商品別の売上数量

 

 

一例）ピアソン相関係数の算出

◆インサイト

ここでは、２商品の販売数量に基づく相関係数を把握します。相関係数が高い商品の組み合わせに対してクロスセルを促進する方向で考えます。

◆対応策

キャンペーンや商品ディスプレイへの活用も効果的です。

◆このデータ可視化に最低限必要なデータ

・店舗別あるいは月別（もしくは日別）の商品別売上数量

 

 

|カネ

カネとは、文字通り、資金を表します。

通常は、キャッシュフローで把握します。

ビッグデータとしての活用方法は、キャッシュフローを可視化するよりも、KGI / KPIダッシュボードを下記のツリーにしたがって、”利益”をベースに組み立てることが効果的です。まずは、”利益”を軸に、全体俯瞰ダッシュボードを作成しましょう。そこから大きく俯瞰しながら、細部の分析へと移ると万事上手くいきます。細かい分析に進むにあたり、さらに細分化したダッシュボードを作成する必要があります。

 

 

ここでは、細分化した一例をご紹介します。

まず、下記のサマリをみてください。

こちらは、上記のKGI/KPIツリーの売上部分を切り出した、店舗別売上サマリー表です。

横浜店は売上も高く、また、購入商品単価も高いため、一見すると、ロイヤリティの高いユーザーが多いと感じます。

他方、川崎店は、横浜店に比べると売上も低く、購入商品単価も低くロイヤリティの低いユーザーが多いと感じます。

ここから、横浜店は、希少価値のある高価格帯の商品ラインナップを充実させながら、複数商品を購入いただく接客を考えればよいと即断しそうです。しかし、このサマリ数値だけをみてその施策を立案すると思わぬ落とし穴にハマります。このような誤った判断は、あまり数値の読み解きを得意としないウェブ事業担当者に多いです。

 

下記のグラフをご覧ください。

上記のサマリデータに対して、もう少し細かいデータも加えてみました。

すると、どうでしょうか。

横浜店では、川崎店と比較するとデータにばらつきがあることがわかります。

中央値でみた場合、川崎店よりも低い結果となっております。こうなってくると、オーダーごとの売上分布状況を確認してみないといけません。

 

下記は、ヒストグラムおよび、四分位表（はこひげ図）です。

横浜店では、２人のロイヤルティの高いユーザーが売上平均を大きく引き上げていると考えられます。これを除外してみると、むしろ、川崎店よりも深刻な状況です。

 

あらためて、先ほどの施策を考えると、本当に希少価値のある高価格帯の商品ラインナップを充実させることが得策でしょうか？

むしろ、この２人のロイヤルティの高いユーザーの客離れを食い止めるための施策が重要だと思います。

この２人には、特別感をより強く感じていただくために、希少価値のある高価格帯の新商品を先行して紹介・販売するなどのVIP待遇が必要です。他方、川崎店は顧客層は比較的似ているといえますので、むしろ、販売効率を重視する画一化した顧客対応が必要といえそうです。

 

 

あらためて、”ビッグデータ”とはなにか？

今までみてきたデータはそれほど大したデータ量ではなかったと思います。

したがって、これは “ビッグデータ” なのか？と思われたかもしれません。

また、この程度ならExcelで「手動」でいつもやってるよ、と思われたかもしれません。

 

ここで、はじめて申し上げておきます。

まず、“ビッグデータ” は、 “データ容量ではない”　という点です。このタイミングでぜひ、マインドセットしてください。

次に、”手動ではダメ“　という点です。手動で集めている時点で、経営意思決定のスピード感を加速させることは出きません。また、手動は、誤ったデータを集め、誤った判断を誘引する大きな要因になります。

そして、”一箇所に集める” です。

① ビジネスに使えるインサイト（発見）をより”多く”集めること

② そのもととなるデータ自体を”自動”で集めること

③ 一箇所に集めること

この３つの要件を満たしたときにはじめて、 “ビッグデータ” と呼べるのです。

この結果、大量データになるのです。

 

冒頭で申し上げたとおり、大量のゴミ集めをしてもなんの意味もありません。燃やせない分、だいぶ厄介です。

少なからず、今回、上記で紹介いたしました観点を真っ先に取り組んでいただくと、最初の一歩からいきなり間違ったデータ収集はしないはずです。

 

 

まとめ

今回は、ビッグデータをまさにこれから取り組もうとするみなさまにはとても重要なヒント（ヒト・モノ・カネでまずは考えてみる）を提供いたしました。

まずは、今回の内容を吟味いただき、ビッグデータをはじめるにあたっての”目的”と”ゴール”をしっかりと定めてください。

そこから、現状、どうなっているのか、ギャップを把握されると良いでしょう。

ビッグデータ基盤を構築するところは、弊社のような専門部隊にお任せいただければ幸いです。目的とゴールにあわせて、具体的な戦略固めとその実現方法を戦術としてまとめながら、ベストプラクティスをご提供いたします。

ぜひ、気軽にご相談ください。