データ駆動型オペレーション（エクスペリエンス駆動型からデータ駆動型へ）

経験主導からデータ主導へ

1つ

データ駆動型とは何ですか?

ビッグデータが中心となるこの時代では、企業も個人もこの巨大で密なネットワークの細胞となっています。私たちの世界は比喩的に言えば、広大なデータ鉱山に例えることができます。その中で、企業や個人はデータ細胞として鉱夫のように機能し、常にデータの価値に貢献し、採掘しています。インターネットネイティブ企業であれ、継続的に進化する伝統的な企業であれ、ストックゲームの現実に直面し、激しい競争に対処するために業務を洗練し、生産効率を向上させることが最優先事項となっています。企業は、業務管理データや売上利益データだけでなく、ユーザー資産データも含めたデータ駆動型企業へと徐々に変革しており、その価値は高まっています。デジタル ユーザー資産は、企業の中核資産の一部となっています。

デジタルユーザー資産を活性化し、データ主導のリーン成長を実現し、「トラフィックからリテンションへ」の移行を実現することが、ビジネス運営の鍵となります。データ構築はこの目標を達成するための基礎となります。データ構築は、データの収集、処理、分析、提示など、企業情報インフラストラクチャに基づく一連のプロセスであり、データ価値のマイニングと応用を最大化することを目的としています。このようにして、企業は効率的で秩序ある発展傾向を維持できるだけでなく、従来のビジネスモデルからインテリジェントなビジネスモデルへとスムーズに移行することができます。

二

なぜデータ駆動が必要なのでしょうか?

従来の広範な管理モデルでは、企業の意思決定は主に経験に基づく主観的な判断に依存しており、データの裏付けが不足しています。経験に基づく意思決定は完全に効果がないわけではありませんが、人的要因に大きく影響され、業務運営のリスクが増大します。さらに、このモデルでは、データの収集と整理のプロセスが個人の経験と能力に大きく依存しており、統一された標準と規範が欠けています。その結果、多くの貴重なデータがさまざまな部門やシステムに分散され、効果的に活用することが困難になっています。体系的なサポートが不足しているため、単純なオフィスソフトウェアを使用して膨大な履歴データを処理および分析することは困難であり、ビジネス管理におけるデータの役割は比較的弱くなります。そのため、従来の管理段階では、企業のデータ活用における全体的な効率は低く、管理方法も伝統的かつ広範囲にわたる傾向があります。

しかし、データは企業に経営と意思決定をサポートする正確で信頼性が高く包括的な情報を提供できるため、企業がデータ主導の意思決定モデルに移行することは非常に重要です。主な理由をいくつか挙げます (出典: chatGPT の回答:):

1. 意思決定ガイダンス: データは企業に事実に基づく根拠を提供し、経営陣が情報に基づいた意思決定を行えるようにします。データ分析を通じて、企業は市場動向、顧客行動、製品の好み、競合他社の動向に関する洞察を得ることができ、それによって戦略的な計画やビジネス上の意思決定を効果的に行うことができます。
2. ビジネスの最適化: データ分析により、企業はビジネス上の問題やボトルネックを特定し、最適化するための対策を講じることができます。たとえば、データ分析を通じて、企業はサプライチェーンの欠陥を特定し、物流と生産計画を改善することができます。
3. 効率性の向上: データに基づく意思決定により、企業はリソースをより効率的に管理および活用できるようになり、全体的な効率性が向上します。たとえば、データ分析により、人材管理を最適化し、コストを削減し、生産効率を向上させることができます。
4. 将来を予測する: 企業は過去のデータを分析することで将来の傾向や変化を予測し、意思決定のための将来を見据えた視点を提供できます。たとえば、販売データ分析を通じて、企業は将来の販売動向を予測し、販売計画や予算の策定の基礎を提供することができます。

要約すると、データ駆動型の意思決定モデルは、企業が市場と顧客をより深く理解し、ビジネス プロセスを最適化し、効率を改善し、将来の傾向を効果的に予測するのに役立ち、それによって企業の競争力と成功の可能性を高めます。

三つ

データ駆動型開発段階

ファンルアンは、国家が発行した「製造情報化評価システム」と「データ管理能力成熟度評価モデル」を参考に、「データ構築成熟度評価モデル」を策定しました（モデルの詳細については付録を参照）。 「データ構築成熟度評価モデル」によれば、製造業のデータ構築は次の 5 つの段階に分けられます。

ステージ 1: 従来のステージ - 情報の断片化

情報の断片化は、伝統的な段階の典型的な特徴です。情報はビジネス運営のあらゆる側面に散在しています。情報システムによるサポートが不足しているため、企業は主に人力と紙のフォームに依存して情報を収集および管理し、人を中心とした広範な管理モデルと紙のフォームに基づく運用メカニズムを実装しています。

フェーズ2: スタートアップフェーズ - ビジネスのデジタル化

情報システムのサポートにより、当社の主要事業の一部のプロセス運用がオンラインで管理されています。ビジネス データの迅速な流れにより、ビジネス チーム内のコラボレーションの効率が向上するだけでなく、人件費も大幅に削減されます。この段階では、ビジネス プロセスがさらに科学的に整理され、標準化され、より高い効率性が実現されます。情報システムを導入することで、もともと散在していたデータの統合が可能となり、同時にデータの制御性やセキュリティも一定程度保証されるようになります。この段階では、企業はデータ管理システムを最初に確立し、データ品質が徐々に向上し、独自のデータ資産を徐々に体系的に構築し始めています。

フェーズ3: 加速フェーズ - データ価値の創造

企業の生産・運営活動によって生成されたデータの柔軟な呼び出し、秩序ある統合、多次元分析、シナリオベースのアプリケーション、視覚的な提示を通じて、データの価値が大幅に解放され、企業のデータ構築とビジネス管理がより密接に統合され、正式に加速段階に入りました。 「データの力に頼り、科学的かつ合理的な意思決定を行う」という現代的な経営モデルが主流となっています。

基本的な情報システム導入作業が完了した後も、同社のデータ構築は業務において水平・垂直に拡大し続けました。データはより広く、より深く活用され、その価値がさらに探求されます。代表的な特徴の一つは、データ可視化システムを構成することで、抽象的な数字をリアルタイム、具体的、直感的かつ多様な方法で提示し、オンラインでのマルチシナリオ接続とビジネスの可視化分析を実現することです。データはもはや企業に単一のプロセス価値を提供するだけでなく、意思決定の価値ももたらすことができます。

ステージ4：成熟段階 - デジタルプラットフォーム化

製造業は成熟段階に入り、社内のデータの障壁を排除し、生産と運用の効率を最大化することを目指しています。デジタル プラットフォームを使用して、すべてのデータ資産を統一的に管理および計画し、データ構築の冗長な展開を削減します。部門、業務、システムを越えてデータがバリアフリーに流通し、企業の日常業務、経営判断、戦略策定の全プロセスでデータ効率化が図られています。企業は、能力を外部に広めるために社内のデータ リソースに依存し始めています。

業務効率の最大化に注力し、同社のデータ構築は足し算と引き算が共存する状態となっている。

• まず、新技術の推進、新規事業の発展、新たな経営ニーズの出現に伴い、企業はソフトウェアとハ​​ードウェアの設備を継続的に補完し、反復しています。
• 第二に、企業は実際のアプリケーション状況に基づいてソフトウェアの展開を合理化し始め、初期のデータ構築プロセス中に発生していた可能性のある盲目的なシステムの重ね合わせが解決されました。

ビジネス システムの相互運用性により、エンタープライズ レベルのデータ共有とコラボレーションが促進されます。データ共有の本質は、データの透明性を通じてビジネス情報の透明性を高めることです。企業は一貫したデータフローに基づいたビジネス情報ネットワークを構築しました。これまでのシステムの分散管理によって生じた情報の偏りが修正され、データの一貫性、完全性、信頼性が大幅に向上しました。たとえば、一部の企業のマーケティング システムと顧客管理システムでは、注文情報と顧客情報が一致していない場合があります。デジタルプラットフォームを使用してデータを一元的に管理すると、データの不一致の問題は解決されます。

ステージ 5: インテリジェント ステージ - インテリジェント エコシステム

同社は、人工知能などの先進的なデジタル技術をビジネス開発とより深いレベルで融合させ、社内にインテリジェント生産、インテリジェントマーケティング、インテリジェント運用・保守、インテリジェント予測など、包括的なインテリジェント管理モデルを構築しました。対外的には、インテリジェントに共有され、効率的に循環され、持続的に活用されるデータリソースシステムを構築し、相互信頼、相互利益、価値の共創、調和のとれた共存のスマートな産業エコシステムを生み出しています。

4つ

データ駆動の難しさ

デジタル運用の価値は疑う余地がありませんが、ほとんどの企業はその価値を真に理解できていません。応用上の難しさは主に3つあります。

• 基盤が弱い- データが不正確、データ品質が低い、適用性が低いなど。データアイランドの存在、および複数のアプリケーションシステムを接続できないこと。データ人材が不足しており、業務と人を切り離すことができず、市場には業務思考とデジタル思考の両方を備えた人材がほとんどいません。
• 浅い適用- 非科学的かつ非体系的な指標など。データ分析の深さが不十分である。ビジネスに関する洞察と提案の欠如。多くの企業は、データを入手してデータを見る段階で止まってしまい、データ分析をビジネスと組み合わせて有意義な洞察や提案を提供できていません。
• クローズドループなし- たとえば、データの洞察から、ビジネスの実装が困難であること、効果の評価がインテリジェントではないこと、継続的な反復メカニズムがないことがわかります。事業の実施の有無と効果評価の科学性が、企業が生み出す価値を直接的に決定します。完全な継続的反復メカニズムがなければ、企業の価値の解放は制限されます。

要約すると、デジタル運用システムとシステムを確立した後、企業は顧客のライフサイクル全体をデジタルで管理し、ビジネスプロセス全体のデジタル診断と洗練された価値向上を行うことができます。しかし今日、企業はデータ基盤が弱く、アプリケーションが浅く、クローズドループがないというデジタル運用のジレンマに直面しています。

五

データ駆動を実現するにはどうすればよいでしょうか?

xx社の現在の状況から判断すると、同社は業務のデジタル化の段階にあることがわかります。注文データ、ユーザーデータ、検査データ、業務データはすべてシステムによって運ばれていますが、異なる「情報島」に散在しています。

一方で、一部のビジネスプロセスはまだ包括的なデジタル管理を実現しておらず、一部のシナリオでは依然として手動操作が必要であり、時間と労力がかかります。一方、データのソースとアプリケーションは比較的単一であり、データは企業のプロセス管理をサポートするためにのみ使用されており、データの価値は十分に探求され、活用されていません。たとえば、検査データは製品の意思決定やビジネス分析には使用されません。

この段階では、問題を解決するために次の手順を実行できます。

アクション1：業務システムを充実させ、洗練された経営をサポートする

1. SaaSまたはPaaSプラットフォームやその他のツールを使用して、企業のビジネスシステムの欠陥を補完および改善します。
2. データ レポート アプリケーションを構築することで、ビジネス システムを補完および改善し、データの透明性と表示を向上させることができます。

アクション2: コアからエッジまでの完全なシナリオ分析システムを構築する

1. 包括的なレポート表示により、さまざまなシステムからデータを取得して計算し、ビジネスに焦点を当てて、テーマとレベルごとに分析結果を統合的に視覚化して表示することで、より複雑な分析が可能になります。
2. データの「異常」を分析し、視覚的な分析ソフトウェアを使用することで、企業はビジネスデータの異常をタイムリーに検出できます。
3. ビジネス シナリオのモデリングと分析。モデリングを使用して企業の意思決定とビジネス最適化管理を支援します。リソースの使用状況、顧客の分布範囲など、定性的なユーザーポートレートから定量的なデータ分析まで。

アクション3: エンタープライズレベルのデータウェアハウスを構築し、データ管理を体系化する

一貫性のない品質、関連性のないデータ、データ品質の低下、履歴データの不足、複数のデータソースによって引き起こされる開発効率の低下などの問題を解決するために、企業はエンタープライズレベルのデータウェアハウスを構築し、データを整理して効率的に活用する必要があります。

著者 |ゼロ度