• TEL:

    0453154702

  • Drop us line:

    info@mdiua.com

  • Visit Our Office:

    Yokohama-city, Kanagawa, Japan

DX・データ活用による新規イノベーションの創出

DX・データ活用による新規イノベーションの創出

DX(デジタルトランスフォーメーション)という言葉は、徐々に世の中に浸透してきた印象があります。現在、色々な企業がDXの推進に取り組み、今やDXはバズワードと言えるかもしれません。しかしながら、AIや、IoT等の言葉と同様、抽象的でイメージが湧かない、もしくはIT化と何が違うか理解できない等の印象があるかと思います。

DXは以下のような3つのステップから構成されます。デジタル化に関しては、こちらの記事で紹介させて頂き、業務効率化に関してはこちらの記事で紹介させて頂きました。今回はDXの中でもある意味真骨頂にあたる、データ活用による新たなイノベーションの創出に関してお話をさせて頂きます。

 

データ活用によるイノベーションの創出

DXという言葉を聞くと、大抵の方がおそらくこのステップを真っ先に思い浮かべられるかと思います。ビッグデータの分析や活用を通して、世の中に無い新たなイノベーションを創出して行くことは、とても刺激的でこれこそDXの真髄だと思います。但し、このステップに進むためには、最低でも基盤となるデジタル化対応が完了している必要があります。

そもそもコミュニケーションがデジタル化されていなければ、データ活用の元になるデータを収集することすらできず、何らデータの活用を行うことは出来ません。また、このステップはAIと非常に密接なステップで、華々しい印象をお持ちになる方が多いかと思いますが、多くの場合データの収集や、整備など泥臭い作業が多く、新規イノベーションの創出も並大抵の労力では先に進む事が出来ません。以下、本ステップに関して概要の解説をします。

 

新規ビジネスの要件定義

これは別にDXに限った話では無いのですが、新規ビジネスに取り組む場合、当然ながらその要件定義を明確にする必要があります。特にDXというイメージが先行して、とりあえずデータを収集して何が出来るかは後付的に考えてみる。という方法もありと言えばありですが、先にビジネスの上流の要件が固まっていないと、それに必要なデータも決定できないため、ただデータを収集していても作業が無駄になる可能性があります。

ビジネスの要件定義に関して詳細の説明を行うことは、本記事での対象外の事項となるため割愛しますが、DXにおける新規イノベーションの創出も、上流工程は従来の手法と変わりません。勿論、その際に、うちの会社はこういうデータを扱っているからこういう事業が出来ないか等の考察を行うことは可能かと思いますが、目的が手段になってしまっては本末転倒な結果となります。

 

データ活用指針決定

上流のビジネスの要件が固まった後に、どういったデータを収集し、そのデータを分析、または活用する事によって何を明らかにしたいか決定します。この際に、例えば、あなたがオンラインゲームを提供する会社で勤務をしていて、新しいゲームを発表した際に、そのゲームの満足度や不満足度を収集して、ゲーム自体の改善に繋げたい、顧客の離脱を食い止めたい等の具体的な要件が明確になっていればいるほど、それに関連するデータは何なのか、どういった形式でデータを収集すべきか、等の点が明確になります。

上記の例は、現状の把握を行い、更にサービスの改善を行って行く例なので、収集すべきデータの内容に関しては、ユーザの会員数、アクティブユーザ数、新規加入数、退会数、オンラインゲーム中の滞在時間等、明確にしたいアウトプットに対する関連データは割と明瞭なため、収集も行いやすとという特性があります。売上の需要予測等もそうですが、現在既にデータがあり、その傾向値を分析して、現状の把握を行ったり、将来の予測を行う作業の場合は、比較的収集すべき対象のデータの内容も明確になります。

対して、全く新規のビジネスを対象にする場合、そもそも関連するデータが存在するのか、仮にある場合も、それがビジネスの要件定義を満たすのに活用できそうかどうかという点から検討を行ってみる必要があります。会員制サイトの運営等を行っていて、既に大量の顧客の購買データなどを保有している場合、それを活用して新たな商品の開発に役立てる等の事も可能です。この場合、前段でもお伝えした通り、ビジネス上流の要件定義が実現可能なものかどうか見直す作業が必要になります。

 

データ基盤整備

データ活用の指針が決定した後は、実際にそれらのデータを継続的に収集し、分析や活用を行う基盤を整備する必要があります。その際にデータの構造などを意識してデータの整備基盤を整えておく必要があり、ここでリンクトデータのように、データを概念と概念の集合体として定義し、どのデータとどのデータが関連しあっているかを把握し、事前に可視化を行うことは重要です。

このようにデータ整備基盤が整ったら、これ以降の作業は定期的なデータの収集作業と、分析、活用の作業です。いよいよDXの花形の作業なイメージですが、ここに来るまでの地道な作業がDXプロジェクトの成否を分けるといっても過言ではありません。

 

データ分析・活用

ようやくここに来て、AI・データサイエンス等という言葉が密接になります。データ活用の指針が決定し、データ整備基盤が整った後に、適切な手法でデータの分析や活用を行い、新規イノベーションの創出に繋げます。DXの中で真骨頂とも言えるステップです。

データ分析の手法としては、データのパターンに傾向がありそうな場合は、従来まで用いられていた統計的な手法を活用してのデータの傾向分析、予測等の古典的な手法が用いられる傾向が強く、未知のデータに対してその傾向を0から学習したいといった場合に、ディープラーニングを始めとした各機械学習的な手法が用いられる事が多いです。

いずれの場合も適切な手法を選択し、正しく適用して、データをどう料理して、何を明らかにするか、そして、明らかになった結果を新規イノベーションのために活用していく事が大切になります。今回は概要だけ記述したため、データ分析や予測の手法等は別記事で紹介させて頂こうと思います。

 

まとめ

今回の記事ではDXの中で、最も革新的でインパクトの大きい、データ活用による新規イノベーションの創出のステップに関して簡単にお話を行いました。AIやデータサイエンスと密接な、このステップは華々しい印象がありますが、従来のビジネスと変わらず、ビジネスの上流要件定義は重要ですし、泥臭くデータ整備の基盤を整えていく必要があるため、非常に地道な作業であると言えます。

DXの今までのステップと異なり、新しいものを創出するステップが本ステップで、新規イノベーションの創出を通じて、企業価値を高めて行くことにも繋がります。